这是"从 LLM 到 Agent Skill"系列的第四篇。前三篇聊了 LLM 引擎、Token 编码、Context 记忆。现在来聊你跟 AI 之间的"交流语言"——Prompt（提示词）。

---

一、什么是 Prompt？

Prompt（提示词） 就是你给大模型的指令或问题。

在"文字接龙"的框架下，Prompt 就是那根引线——你给模型一个开头，模型顺着往下接。

Prompt 的质量，直接决定了输出质量。同样的模型，好的 Prompt 和差的 Prompt，产出的结果可能天差地别。这也是为什么会出现"提示词工程师"这个岗位——虽然它本质上不需要写代码。

---

二、两类 Prompt：System 与 User

Prompt 分为两种类型，它们扮演不同角色、放在不同位置。

2.1 System Prompt（系统提示词）

System Prompt 是开发者在后台预设的，用户看不见。它的作用是：

• 定义模型的人设和角色

• 设定行为边界和规则

• 指定输出格式和风格

比如 ChatGPT 的 System Prompt 可能包含类似这样的内容：

"你是一个有帮助的助手，回答应该准确、安全、友好。如果你不确定答案，请诚实告知用户……"

2.2 User Prompt（用户提示词）

User Prompt 就是你在对话框里输入的具体问题或任务。

---

三、一个例子：数学辅导机器人

假设你要做一个"数学辅导老师"，它的 System Prompt 可能是这样：

你是一位经验丰富的数学辅导老师，教学风格温和但有原则。
​
你的核心原则：
1. 永远不要直接给出答案
2. 引导学生自己思考，分步骤提问
3. 用生活中的例子解释抽象概念
4. 学生犯错时，先肯定思路中的正确部分，再指出问题
5. 回答控制在 200 字以内

当用户（User Prompt）发来："帮我解这道题，2x + 5 = 15，x 等于多少？"

这个"数学辅导老师"就不会直接说"x = 5"，而是会引导：

"好问题！我们先想想：如果我们想把 5 从左边搬走，应该对等式两边做什么操作呢？"

---

四、System Prompt 和 User Prompt 的配合

┌──────────────────────────────────┐
│         System Prompt            │  ← 设定大框架（开发者控制）
│    "你是一个数学辅导老师..."      │
├──────────────────────────────────┤
│         User Prompt              │  ← 具体任务（用户控制）
│    "帮我解这道题..."             │
└──────────────────────────────────┘
              ↓
         发给大模型
              ↓
    模型在"老师"人设下回答用户问题

两者配合的核心逻辑：

• System Prompt 管"你是谁"和"你不该做什么"

• User Prompt 管"现在要做什么"

---

五、Prompt 工程的基本原则

虽然不是本文重点，但掌握几个写 Prompt 的核心技巧，能让你跟 AI 打交道事半功倍。

5.1 明确角色

❌ "帮我写个方案"
✅ "你是一位有 10 年经验的 B2B 销售总监，帮我写一份面向制造业客户的企业软件销售方案"

角色越具体，输出越精准。

5.2 给出结构化约束

❌ "写详细一点"
✅ "请按以下结构输出：1. 背景分析（100字内）2. 核心策略（3个要点）3. 实施步骤（按时间线）"

5.3 提供示例（Few-shot）

请按以下格式翻译：
​
英文：Hello → 中文：你好
英文：Goodbye → 中文：再见
英文：Thank you →

这被称为 Few-shot Prompting——给模型看几个范例，它就能照着做。

5.4 让模型"一步一步想"

❌ "小明有 5 个苹果，给了小红 2 个，又买了 3 个，现在有几个？"
✅ "小明有 5 个苹果，给了小红 2 个，又买了 3 个。请一步一步推理，现在他有几个苹果？"

这背后的原理叫 Chain-of-Thought（思维链）——让模型展示推理过程，准确率会大幅提升，尤其是在数学和逻辑任务中。

---

六、Prompt 的进化：从简单指令到复杂工程

Prompt 已经从最初的"随便写句话"进化成了一门真正的工程学科。几个关键节点：

阶段	方式	说明
基础 Prompt	直接提问	"翻译这段文字"
Few-shot Prompt	给示例	提供 2～3 个范例，让模型照着做
Chain-of-Thought	要求展示推理过程	"请一步一步推理"
结构化 Prompt	用 XML/Markdown 格式写复杂指令	分层、分模块、角色扮演
Agent 级别 Prompt	控制工具调用链和决策逻辑	本系列后几篇会讲到

---

七、一个容易被忽略的认知

很多人觉得 Prompt 就是"用户输入框里的那行字"。但实际上：

在一个完整的 AI 应用中，Prompt 是一个分层体系，远不止用户看到的那一行字。

从底层的 System Prompt（全局人设），到中层的工具描述（函数说明），到上层的 Agent Skill（场景说明书），再到用户输入——每一层都在影响模型的输出。

理解这个分层结构，就能理解为什么同一个模型、同样的问题，在不同的产品里回答完全不同。

---

八、总结

Prompt 是你跟大模型之间的"交流语言"。核心要点：

1. Prompt 分两种：System Prompt 定规则和人设，User Prompt 定具体任务。

2. 好的 Prompt = 明确角色 + 结构化约束 + 示例引导 + 思维链。

3. 在实际 AI 应用中，Prompt 是一个多层体系，不止用户输入框那点东西。

下一篇，我们来聊一个大模型的关键能力延伸——Tool（工具调用），看看 AI 是怎么"长出手"去感知和影响外部世界的。

---

本系列文章：

1. LLM 大语言模型

2. Token 与 Tokenizer

3. Context 与 Context Window

4. Prompt 提示词 ← 你在这里

5. Tool 工具调用（待发布）

6. MCP 模型上下文协议（待发布）

7. Agent 智能体（待发布）

8. Agent Skill（待发布）