什么是 Prompt Engineering
Prompt Engineering（提示词工程）是与大语言模型高效沟通的核心技能。好的提示词能让 AI 输出从勉强可用变成直接可用，差距可达数倍。
核心原则
1. 明确性原则
模糊的指令产生模糊的结果。不要说写一个好的函数，而是说用 Python 写一个函数，接受日期字符串列表，返回按周分组的字典，key 为周一日期，value 为该周所有日期。
2. 结构化原则
将复杂需求拆解为清晰的结构：背景信息、具体任务、输出格式、约束条件。让 AI 一目了然地理解你的需求。
3. 示例原则（Few-shot）
提供 1-3 个输入输出示例，AI 就能准确把握你要的风格和格式。这是提升输出质量最立竿见影的方法。
编程场景 Prompt 模板
代码生成模板
技术栈：[语言/框架]
功能描述：[具体功能]
输入：[参数说明]
输出：[返回值说明]
约束：[性能要求、边界条件]
风格：[命名规范、注释要求]
代码审查模板
请审查以下代码，从这些维度给出建议：
1. 潜在 Bug
2. 性能优化空间
3. 安全隐患
4. 可读性改进
5. 最佳实践建议
[粘贴代码]
Bug 修复模板
环境：[OS/语言版本/框架版本]
期望行为：[应该发生什么]
实际行为：[实际发生了什么]
错误信息：[报错内容]
相关代码：[代码片段]
已尝试：[已经试过的方案]
高级技巧
Chain of Thought（思维链）
在 prompt 中加入请一步步分析，能显著提升 AI 在复杂逻辑问题上的表现。
角色扮演
作为有 10 年经验的后端架构师这类角色设定，能让 AI 输出更专业、更有深度。
否定约束
明确告诉 AI 不要做什么：不要使用第三方库、不要省略错误处理、不要添加注释以外的解释。
总结
Prompt Engineering 是 AI 时代的核心技能。投入时间学习和实践，回报是成倍的工作效率提升。