同题不同命
信息越具体，模型越少靠猜测。
PROMPT 工程
AI基础 · 第三章
HOW TO TALK TO A MODEL
角色设定
角色让输出进入相应的知识与表达框架。
约束与格式
把限制和格式说清，结果才可直接使用。
结构化输出
Schema 是 AI 输出接入自动化流程的接口。
不是越长越好
好 Prompt 的目标是减少歧义，而不是堆砌文字。
SECTION 01 / 阅读地图
小节一 · 同题不同命
小节一 · 同题不同命
从“同题不同命”出发，逐页推进到“角色设定”；每张卡都写明本页应抓住的机制或边界。
同题不同命
信息越具体，模型越少靠猜测。
机制线索Prompt A“写个活动方案”模型只能猜意图结果：泛泛而谈
五要素框架
五要素是可复用的指令检查表。
机制线索1 · 角色2 · 背景好 Prompt五要素检查框
角色设定
角色让输出进入相应的知识与表达框架。
机制线索工程师规范 / 注释 / 代码教授严谨 / 逻辑 / 解释
阅读顺序：同题不同命 → 五要素框架 → 角色设定
本节按“同题不同命 → 五要素框架 → 角色设定”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
同题不同命
同一个任务，信息越具体，模型越少依赖猜测。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
MODULE 01 // BEFORE & AFTER
同题不同命
信息越具体，模型越少靠猜测。
MODULE 02 // FIVE ELEMENTS
五要素框架
五要素是可复用的指令检查表。
MODULE 03 // ROLE
角色设定
角色让输出进入相应的知识与表达框架。
SECTION 02 / 阅读地图
小节二 · 背景与任务
小节二 · 背景与任务
从“背景与任务”出发，逐页推进到“思维链”；每张卡都写明本页应抓住的机制或边界。
背景与任务
明确场景和动作，才能减少答非所问。
机制线索“分析一下”无场景、无动作SWOT 分析任务背景：高校推广
约束与格式
把限制和格式说清，结果才可直接使用。
机制线索约束字数 ≤ 500至少 3 个环节不使用数学公式
Few-shot：示例教会格式
少量好示例，胜过模糊的长说明。
机制线索示例 1输入：商品评价输出格式 A标签 + 理由
思维链
复杂任务拆开推理，便于检查过程。
机制线索题目步骤 1步骤 2结论
阅读顺序：背景与任务 → 约束与格式 → Few-shot → … → 思维链
本节按“背景与任务 → 约束与格式 → Few-shot → … → 思维链”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
背景与任务
角色、背景和任务共同决定模型调取知识与组织表达的方式。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
MODULE 04 // CONTEXT TASK
背景与任务
明确场景和动作，才能减少答非所问。
MODULE 05 // LIMIT FORMAT
约束与格式
把限制和格式说清，结果才可直接使用。
MODULE 06 // FEW SHOT
Few-shot：示例教会格式
少量好示例，胜过模糊的长说明。
MODULE 07 // COT
思维链
复杂任务拆开推理，便于检查过程。
SECTION 03 / 阅读地图
小节三 · 结构化输出
小节三 · 结构化输出
从“结构化输出”出发，逐页推进到“不是越长越好”；每张卡都写明本页应抓住的机制或边界。
结构化输出
Schema 是 AI 输出接入自动化流程的接口。
机制线索{"title": "...","steps": [...],"budget": 0
Prompt 调试
调试从小改动开始，逐层定位问题。
机制线索1 加约束2 换结构3 拆任务从小改动开始，逐层增加控制力
不是越长越好
好 Prompt 的目标是减少歧义，而不是堆砌文字。
机制线索只变长信息重复关键条件仍缺失难以复核
阅读顺序：结构化输出 → Prompt 调试 → 不是越长越好
本节按“结构化输出 → Prompt 调试 → 不是越长越好”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
结构化输出
结构一致的输出，才能稳定接入后续工具与流程。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
MODULE 08 // STRUCTURED
结构化输出
Schema 是 AI 输出接入自动化流程的接口。
MODULE 09 // DEBUG
Prompt 调试
调试从小改动开始，逐层定位问题。
MODULE 10 // BOUNDARY
不是越长越好
好 Prompt 的目标是减少歧义，而不是堆砌文字。
RECAP // CHAPTER 03
本章总结
同题不同命
信息越具体，模型越少靠猜测。
角色设定
角色让输出进入相应的知识与表达框架。
约束与格式
把限制和格式说清，结果才可直接使用。
结构化输出
Schema 是 AI 输出接入自动化流程的接口。
不是越长越好
好 Prompt 的目标是减少歧义，而不是堆砌文字。
会提问，是使用 AI 的第一项元技能。
SOURCE QUIZ // 8 MCQ
单选题 · 8题
第 1 / 8 题答对 0 / 8
一个高质量的 Prompt 通常包含哪些要素？
先独立作答，再查看解析。
进度 0/8
题目回到对应知识页，检验是否真正理解。
SOURCE PRACTICE 01
实操题 1：写一个"五要素完整"的 Prompt
任务描述
假设你需要向 DeepSeek 或 Kimi 提问，获得一份"大学生 AI 学习路线图"。请写出一个包含角色、背景、任务、约束、格式五要素的完整 Prompt。
参考答案示例：
【角色】：你是一名资深的 AI 教育专家，有 10 年高校教学经验。
【背景】：我正在为教学团队编写一门面向应用型本科学生的 AI 通识课。
【任务】：请设计一份"大学生 AI 学习路线图"，从零基础到能参与数字孪生或具身智能相关项目实战。
【约束】：分三个阶段（入门、进阶、实战），每个阶段不超过 3 个学习模块，语言通俗易懂，不使用数学公式，控制在 500 字以内。
【格式】：用 Markdown 表格输出，列为"阶段 | 学习模块 | 核心内容 | 推荐工具"。
评分标准：五要素完整（40%）、要素质量（30%）、整合自然（20%）、品牌融入（10%）。
先独立完成五要素 Prompt，再对照讲义评分。
SOURCE PRACTICE 02实操题 2：用 Chain-of-Thought 技巧
实操题 2：用 Chain-of-Thought 技巧
解决一个逻辑问题
任务描述
使用 Chain-of-Thought 技巧，写一个 Prompt 让 AI 解决逻辑推理题，并确保 AI 展示完整的推理过程。
题目：
在一个具身智能数据标注平台上，有三位标注员：张三、李四、王五。
已知：张三标注的速度比李四快；王五标注的速度不是最慢的；李四标注的准确率最高。
请回答：谁标注的速度最快？谁的准确率最低？
参考答案 Prompt："请解决以下逻辑推理题，要求一步步思考，展示你的完整推理过程……"
推理过程（参考答案）：
- 速度维度：张三最快 > 王五其次 > 李四最慢 → 答案：张三速度最快
- 准确率维度：李四最高，但张三和王五的准确率排名无法确定 → 答案：无法确定谁的准确率最低
按讲义要求写出 Prompt，完成后再展开核对。