🧩 提示词工程实战：不用自己写，但必须会改
分类：提示词 · 全流程实操
整理自 B 站 UP 主「iCHN-DeepGen」《独家！提示词工程，看这一个视频就够了！》（BV1jwZjYfEDs）。本站做了要点提炼与改写。
从一个失控的工作流说起
作者的真实需求：按客户名称、检查日期、报告类型分情况生成解读报告——同一人同类型的报告合并出一份对比分析，不同人的各自出独立报告，还有多版本的情况。
他第一版把所有判断逻辑塞进一个节点，结果模型根本不按流程走，生成的报告是乱的。没办法，只能拆：先用一个节点判断该生成哪类报告，再按条件分支，每个分支生成一类。这是第一课——一个节点干不了的事，就拆节点，而这个认知只能靠实测获得。
写好提示词的三个底层能力
他就"如何写好提示词"问过 DeepSeek，答案总结得很好，也是这套方法的地基：
- 技术理解：知道模型能力的边界，这只能靠测试摸出来；
- 用户需求分析：先把需求本身想明白，才知道流程怎么设计；
- 结构化设计思维：把需求拆成清晰的节点和分支。
结构化提示词六步法
- 角色：大模型内部像有几百个"专家"，每次只激活其中一二十个。设定角色，等于让它立刻调用特定领域的知识模式。这一步很多人省略，但最好写上。
- 任务定义：一句话讲清具体任务，避免模糊指令。
- 输入信息：告诉它依据什么数据和上下文干活。
- 要求与约束：格式规定、注意事项、不能做什么。
- 示例：也就是 few-shot 小样本学习，给了示例模型会照着走，效果最好，按需添加。
- 思维链：把推理步骤（第一步、第二步……）写进提示词，让它按链条走。
关于思维链他有个实测教训：不要让模型"直接输出最终变量"，那样结果不准。他的解法是让它按思维链完整推理，再用一个"参数提取"环节把结果取出来——改完之后测了几十次，准确率基本百分之百。
另一个常被忽略的参数是温度：它控制随机性。要求模型严格按流程走，就把温度调低；想要每次有点变化、让模型自己发挥，就调高。
最重要的观念：提示词不用自己写，但必须会改
提示词的门槛已经非常低，作者自己的提示词全部是让 AI 起草的，流程是：
- 自己先把需求理解一遍，手写一个大概的规则——不能直接甩给 AI，有些东西根本不需要写进去；
- 把规则发给 DeepSeek 这类模型，附一句指令让它生成结构化提示词；
- 按自己的逻辑改写：他的演示里把 AI 给的三步改成两步，并加了一级判断；
- 逐块测试：哪里不对改哪里，注意事项一条条补。他透露光测试一个节点就在阿里云上花了六十多块 API 费——提示词工程的钱其实花在测试上。
请针对以下需求写一份大模型提示词，要求结构化、逻辑闭环： 【需求】（此处粘贴你自己梳理过的业务规则）
几个别踩的坑
- 别买几百块的提示词课，B 站的免费视频完全够用；
- 对抗提示这类进阶技巧按需使用——一个工作流节点五分钟都出不来结果，说明设计本身有问题，先砍复杂度；
- 动手前先画流程图，明确每个节点干什么，再让 AI 补全提示词，实现逻辑闭环。
本站补充：建议把"测试用例"也当成提示词资产的一部分——固定三五组有代表性的输入，每次改完提示词跑一遍对比输出，比凭感觉调参可靠得多，也方便回归验证。