提示词工程有哪些基本技巧？

1. 明确具体

用动词开头，越具体越好。替换模糊动词为具体细节、示例和约束。例如：不说"写篇文章"，而说"撰写一篇面向职场新人的时间管理指南，包含3个实用工具和真实案例"。

2. 角色扮演（Persona）

给模型一个专家身份，需要专业语气/深度分析。例如："你是一位拥有15年经验的数据科学家，擅长Python和机器学习..."

3. 格式强制（Output Format）

指定输出格式为JSON、Markdown、表格、YAML等，需要结构化输出的场景。例如："用JSON格式返回，包含name、age、city三个字段"。

4. Few-shot（给1-5个示例）

直接给正确输入-输出样例，输出风格不稳定、分类、抽取任务。3-4个精心挑选的示例通常优于冗长的模式描述。

5. Chain-of-Thought（CoT）

"一步一步思考" / "Let's think step by step"，数学、逻辑、复杂分析任务。根据K2view分析，思维链+自我一致性是最强组合。

6. Self-Consistency

生成3-5个答案，自己选最一致的，推理不稳定时。使用非零温度把同一个思维链跑好几遍，取多数票。

7. Tree of Thoughts

像树一样发散多种思路，再收敛，规划、创意brainstorm。适用于需要探索多个可能性的任务。

8. ReAct

Reasoning + Acting（思考+调用工具），Agent、需要外部工具的场景。让模型在推理和行动之间循环。

9. Meta-Prompting（元提示）

让AI自己设计提示词，批量任务、追求极致效果。2025-2026年真正火起来的技巧，本质是把AI的输出流程标准化、可复用。

10. Context Engineering（上下文工程）

2026年提示词领域最大的变化之一，关注"AI有什么信息可用"，而不仅仅是"怎么写指令"。包括：喂背景资料、设记忆系统、动态检索相关信息。