提示工程

换成大白话

提示工程（Prompt Engineering）是设计和优化输入提示（Prompt）以引导大模型产生更佳输出的方法论与实践。它是在不修改模型权重的前提下，通过文本指令挖掘模型能力的核心技术。 提示工程涵盖：角色设定、任务描述、示例提供（few-shot）、输出格式约束、思维链引导、约束条件等。常用技巧包括：明确具体、分步指令、提供示例、要求结构化输出、让模型"思考"再回答、自我检查等。 提示工程是AI应用开发的基本功，直接影响模型在具体任务上的表现。它需要结合模型特性（不同模型对提示的响应不同）、任务需求、成本约束迭代优化。随着模型能力提升，部分提示工程被内化为模型能力，但清晰的提示设计仍是可靠应用的基础。

它通常在什么场景出现

这个术语常见于模型选择、训练与微调、推理与部署、评测或产品功能说明等场景；当你遇到“提示工程”时，多半是在讨论模型行为、处理方式或指标口径。

具体出现在哪类场景，可以用下方“跨库查找”搜索包含该概念的模型、训练、评测或产品资料。

容易混淆的地方

不要把“提示工程”理解成模型本身的能力或在某个榜单上的具体名次；它更多是描述一种机制、一种处理方式或一个指标口径，而不是模型实力的绝对结论。