提示词工程

解决 LLM 应用中的提示词漂移与不可复现问题

在构建 LLM 应用时，开发者常遇到提示词修改随意、输出结构不稳定、难以回归测试的问题。一个看似微小的措辞调整，可能导致下游解析失败或回答质量断崖式下跌。该技能将提示词从“一段自然语言”转化为工程化的 PromptSpec 工件，帮助团队在设计新应用或重构旧提示时，建立结构化的约束与评估基线。

工程化提示词的核心工作流

该技能将提示词设计拆解为五个标准步骤：

• 明确任务边界：梳理目标、输入输出及硬性约束。
• 构建提示模板：组装角色、指令、示例与格式四件套，确保上下文完整。
• 定义输出 Schema：通过 JSON schema 严格约束模型输出，降低解析风险。
• 设计评估体系：编写 Rubric 与测试用例集，为效果验证提供量化标准。
• 输出标准化工件：生成包含 task、template、schema、eval 等字段的 PromptSpec，供下游 rag-architect 或 fine-tuning-expert 无缝接管。

适用边界与注意事项

该技能专注于提示词层面的结构化与评估设计，不保证消除模型固有的偏见，也无法替代模型底座的能力上限。最终效果必须以实际测试数据为准。此外，输出的评估集和 Schema 需要结合具体业务场景进行微调，不能指望开箱即用且一劳永逸。