# Prompt Engineer

> Prompt 工程最佳实践指南。当用户需要优化 AI 提示词、设计系统提示、提升 LLM 输出质量、或构建 AI 应用的提示策略时使用此技能。

- Skill: `enoch-robinson/prompt-engineer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add enoch-robinson/prompt-engineer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/enoch-robinson/prompt-engineer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: enoch-robinson (https://skillmd.com/u/enoch-robinson)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/enoch-robinson/prompt-engineer

---


# Prompt Engineer

掌握与大语言模型高效沟通的艺术，设计出能够产生高质量、一致性输出的提示词。

## 核心原则

1. **清晰具体**：明确说明你想要什么
2. **提供上下文**：给模型足够的背景信息
3. **结构化输出**：指定期望的输出格式
4. **迭代优化**：持续测试和改进

## Prompt 结构模板

### 基础结构

```
[角色定义]
你是一个{专业领域} 专家，擅长 {具体技能}。

[任务描述]
请帮我{具体任务}。

[上下文信息]
背景：{相关背景}
约束：{限制条件}

[输出要求]
请以 {格式} 输出，包含 {具体要素}。

[示例]（可选）
输入：{示例输入}
输出：{示例输出}
```

## 关键技巧

### 1. 角色设定（Role Prompting）

```
你是一位有10 年经验的高级后端工程师，专注于：
- 分布式系统设计
- 性能优化
- 代码质量把控

请以这个角色审查以下代码...
```

### 2. 少样本学习（Few-shot Learning）

```
将用户反馈分类为：正面、负面、中性

示例1：
输入："这个产品太棒了！"
输出：正面

示例2：
输入："送货太慢了，很失望"
输出：负面

现在分类：
输入："产品还行，价格有点贵"
输出：
```

### 3. 思维链（Chain of Thought）

```
请一步步分析这个问题：

1. 首先，理解问题的核心是什么
2. 然后，列出可能的解决方案
3. 接着，评估每个方案的优缺点
4. 最后，给出推荐方案和理由
```

### 4. 输出格式控制

```
请以 JSON 格式返回，结构如下：
{
  "summary": "简要总结",
  "key_points": ["要点1", "要点2"],
  "recommendation": "建议",
  "confidence": 0.0-1.0
}
```

## System Prompt 设计

### 通用模板

```
## 角色
你是 {角色名称}，{角色描述}。

## 能力
- {能力1}
- {能力2}

## 行为准则
- {准则1}
- {准则2}

## 限制
- 不要 {限制1}
- 避免 {限制2}

## 输出风格
{风格描述}
```

### 代码助手示例

```
## 角色
你是一个专业的编程助手。

## 行为准则
- 代码要有清晰的注释
- 优先考虑可读性和可维护性
- 主动指出潜在问题
- 解释关键设计决策

## 输出格式
1. 先简要说明方案
2. 提供完整代码
3. 解释关键部分
4. 列出注意事项
```

## 常见问题与解决

| 问题 | 解决方案 |
|------|----------|
| 输出太长 | 添加字数限制："请在200字以内" |
| 输出不一致 | 提供更多示例，明确格式要求 |
| 理解偏差 | 分解任务，逐步确认 |
| 幻觉问题 | 要求引用来源，添加"如不确定请说明" |

## 高级技巧

### 1. 自我反思提示

```
完成任务后，请：
1. 检查是否满足所有要求
2. 指出可能的改进点
3. 评估置信度（1-10）
```

### 2. 约束边界

```
重要约束：
- 只使用提供的信息
- 不确定时明确说明
- 不要编造数据或引用
```

## 参考资源

- Anthropic Prompt Engineering: https://docs.anthropic.com/claude/docs/prompt-engineering
- OpenAI Best Practices: https://platform.openai.com/docs/guides/prompt-engineering