用AI做测试 - 人人都该懂的提示工程（Prompt Engineering）

蓝字

在人工智能愈发普及的今天，我们每天都在使用大语言模型（LLM）解决问题。可很多人没意识到：与 AI 有效沟通，也是一种“新技能”。这种技能有个名字，叫提示工程（Prompt Engineering）。

不只是问问题，更是设计输入

当你对 ChatGPT 说“帮我写个测试用例”时，你可能期待一个精准、结构良好的输出。但你得到的却是千篇一律的模板，甚至答非所问。为什么？因为你没有给出“对”的提示。

提示工程，就是教我们如何更好地与 LLM 沟通。它不仅是输入一段文字，而是引导模型思考的“设计语言”。一句话总结：不是你不会用，是你没说对。

什么是 Prompt？一句话概括

Prompt，就是你输入给大语言模型的文字。它可以是一个问题、一段要求、一个任务说明，甚至是一个角色设定。

例如：

你是一位经验丰富的软件测试工程师，请为以下登录功能设计5条边界测试用例。

这样一个提示，比简单的“写几个测试用例”更容易让 AI 产出专业、结构清晰的内容。提示越清晰、越具体、越具上下文感知，模型的回应就越接近我们期待的结果。

模型不是神，它靠“猜”

大语言模型不是知识库，而是一个基于“概率预测”的系统。它不是查找答案，而是基于你输入的文字，预测下一个最有可能的词。

这也是为什么你换种说法，模型给出的答案就不一样。你问得模糊，它就答得含糊；你提供足够上下文，它才能“明白你要什么”。

这也意味着：写好一个 prompt，不仅是为了让模型“听懂”，更是为了让它“选对”。

一个例子，看懂提示工程的魔法

我们来看一个简单的例子：

普通提示：

写一段介绍 ChatGPT 的话。

优化后的提示：

你是一位写作清晰简洁的科技记者。请用100字以内介绍 ChatGPT，适合公众号读者阅读。

结果差别巨大。前者可能是一段通用说明，后者则是短小精炼、贴近语境的专业文案。这就是提示工程的威力：通过场景设定和约束条件，让模型给出更优输出。

简单三招，提升你的提示质量

不需要上手就精通，你只需要掌握三条简单法则：

设定角色：告诉 AI “你是谁”，比如“你是一名资深开发者”“你是一位测试经理”。

明确目标：你想要什么？一份清单？一段代码？一个概要？说清楚。

添加限制条件：比如字数范围、输出格式、语气风格等。

这三招虽然简单，但能让你和模型的互动从“随缘”变成“可控”。

每个岗位都能用得上

你可能觉得提示工程是开发者的事情，其实不然。在软件行业，几乎每个角色都可以从中受益：

测试工程师：设计测试用例、生成数据、优化脚本。

开发人员：生成代码片段、解释报错信息、构建技术文档。

产品经理：撰写用户故事、归纳需求要点、生成 FAQ。

运营人员：生成内容标题、提炼卖点、校对语言风格。

提示工程不是高深的技术，而是信息表达的技能。只要你能清晰地表达需求，就能让 AI 更好地为你服务。

想学得更深？这里有资源

如果你希望深入学习提示工程的技巧，推荐一个由 Andrew Ng 和 Isa Fulford 合作推出的免费课程——《ChatGPT Prompt Engineering for Developers》。它通过一系列实践案例和原则，总结出一套系统的方法，适合各类从业者入门。

你可以在这里找到课程链接：https://mng.bz/JNGp

也可以访问这个持续更新的社区资源网站：https://www.promptingguide.ai/

提示工程，是未来的通用语言

过去我们学 Excel、学编程，是为了更高效地与计算机打交道。今天，提示工程则是我们与智能模型沟通的“语言”。懂的人，用得越来越好；不懂的人，用得越来越难。

它不是未来趋势，它已经是现在能力。

如果大家遇到了自己比较有用的prompting，请留言分享～