阶段二：Prompt Engineering
🎯 目标
掌握提示工程核心技术，学会设计高质量的系统提示词，理解 Agent 推理的基础。
一、提示工程基础
1.1 提示词要素
一个完整的提示词通常包含：
| 要素 | 说明 | 示例 |
|---|---|---|
| 指令 | 要做什么 | ”总结以下文章” |
| 上下文 | 背景信息 | ”你是医疗领域的专家” |
| 输入数据 | 具体内容 | 文章正文 |
| 输出格式 | 期望的格式 | ”用 Markdown 表格输出” |
1.2 设计原则
- 清晰明确：避免歧义，具体说明期望
- 给出示例：Few-shot 比纯描述更有效
- 结构化：用分隔符（```、---）区分不同部分
- 约束条件：明确长度、格式、语气等要求
二、核心提示技术
2.1 零样本提示（Zero-Shot）
将以下文本翻译成英文：
{text}
2.2 少样本提示（Few-Shot）
判断情感倾向：
文本：这个产品太棒了！ → 情感：正面
文本：质量很差，很失望 → 情感：负面
文本：今天天气不错 → 情感：正面
文本：{新文本} → 情感：
2.3 链式思考（Chain of Thought, CoT）
请一步步思考：
一个问题有 5 个苹果，拿走 2 个，又买了 3 个，现在有几个？
让我们一步步来：
1. 最初有 5 个苹果
2. 拿走 2 个：5 - 2 = 3
3. 买了 3 个：3 + 3 = 6
4. 答案是 6 个
💡 CoT 是 Agent 推理的基础！ 在提示中加入 “Let’s think step by step” 即可激活。
2.4 自我一致性（Self-Consistency）
- 对同一问题多次采样（temperature > 0）
- 取出现最多的答案
- 提高推理可靠性
2.5 思维树（Tree of Thoughts）
问题：如何提高产品销量？
请考虑至少 3 条不同的思路，对每条思路评估可行性，
然后选择最优方案详细展开。
三、与 Agent 相关的关键技术
3.1 ReAct（Reasoning + Acting）
ReAct 是 Agent 最核心的范式：
问题：2024年奥运会在哪里举办？
思考：我需要搜索2024年奥运会的信息
行动：search("2024年奥运会举办地")
观察：2024年夏季奥运会在法国巴黎举办
思考：我已经得到了答案
回答：2024年奥运会在法国巴黎举办。
ReAct 循环：
Thought（思考）→ Action（行动）→ Observation（观察）→ 循环...
3.2 Function Calling（函数调用）
让 LLM 调用预定义的外部工具：
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定城市的天气",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "城市名"}
},
"required": ["city"]
}
}
}
]
response = client.chat.completions.create(
model="gpt-4o",
messages=messages,
tools=tools
)3.3 系统提示词设计模板
你是一个 {角色}。
## 你的能力
- {能力1}
- {能力2}
## 工作流程
1. {步骤1}
2. {步骤2}
3. {步骤3}
## 约束条件
- {约束1}
- {约束2}
## 输出格式
{格式要求}
四、实战练习
练习 1：设计一个翻译 Agent 的 System Prompt
你是一个专业的中英双语翻译。
规则：
1. 保持原文语气和风格
2. 专业术语使用行业通用译法
3. 不确定的翻译用 [?] 标注
4. 输出格式：
- 译文
- 关键术语对照表练习 2：用 Few-Shot 实现文本分类
设计 3-5 个示例，让 LLM 对新闻进行分类。
练习 3：实现 CoT 数学推理
用链式思考解决 5 道应用题，对比有无 CoT 的准确率差异。
📚 推荐资源
- 📖 提示工程指南（中文） — 必读
- 📖 OpenAI Prompt Engineering Guide
- 📖 Anthropic Prompt Engineering
- 📄 论文：Chain-of-Thought Prompting Elicits Reasoning (Wei et al., 2022)
- 📄 论文：ReAct: Synergizing Reasoning and Acting (Yao et al., 2023)
✅ 阶段完成标准
- 理解 Zero-Shot、Few-Shot、CoT 的区别
- 能设计高质量的系统提示词
- 理解 ReAct 循环的核心逻辑
- 能实现 Function Calling
- 完成至少 2 个实战练习
上一阶段 ← Agent路线图-01-基础知识 下一阶段 → Agent路线图-03-Agent核心原理