超越聊天框：提示工程

发布: 3天前 (2026年2月7日 GMT+8 12:50)

7 分钟阅读

Source: Dev.to

我们都有过这样的经历：你向 AI 请求一段特定的代码或一份战略分析，它却礼貌却略显跑题地给出一大段文字。对于构建 AI 代理的开发者来说，对话式提示很快就会成为瓶颈——它对逻辑来说太模糊，对复杂工作流来说又太杂乱。要构建可靠的系统，我们必须停止与 AI 聊天，转而构建指令的架构。

在本文中，我们将拆解三种截然不同的提示风格，这些风格会彻底改变你与 LLM 交互的方式：

Narrative Style – 以意图驱动的用户故事来触发 AI 的预判智能。
Workflow Style – 步骤化的操作手册，确保执行无误。
Logic Style – 严格的 Given‑When‑Then 约束，用于处理边缘情况和数据校验。

掌握这些风格，就是把“好玩的小玩具”提升为可投入生产的代理的关键。让我们深入探讨。

Source:

叙事风格

叙事风格使用 User Story 框架，为 AI 提供高层次的视角。它将模型视为顾问，帮助发现最佳路径，利用其内部世界模型填补您可能遗漏的空白。

适用场景： 头脑风暴、初稿撰写、战略规划以及创意问题解决。

实现提示： 将最多的时间花在 “So That” 子句上。这是 Intelligence Trigger，告诉 AI 应该倾向哪个方向。

示例

As a Lead Backend Engineer, I want to design a RESTful API for a high‑traffic e‑commerce cart, so that the system remains performant under load and handles partial failures gracefully.

可复用模板：

# ROLE
As a [Insert Persona/Role/Title],

# INTENT
I want to [Insert specific task or output],

# CONTEXT/GOAL
So that [Insert the ultimate “Why” and the desired value].

工作流风格

工作流风格将 AI 视为遵循手册的操作员。它将对话从 what（做什么）转向 how（怎么做），确保代理遵循特定的思考或行动顺序。

适用场景： 多步骤编码任务、文档处理以及可重复的代理行为。

实现提示： 使用 后置条件 来定义 成功状态。这可以防止 AI 以半成品的回应结束。

示例

Actor: Senior Security Researcher
Goal: Identify potential SQL injection and XSS vulnerabilities in the provided PR.

Main Flow:
1. Scan the input code for any unsanitized user inputs.
2. Trace those inputs to database queries or DOM manipulation points.
3. Categorize risks as Low, Medium, or High.

Post‑conditions: Output must be a Markdown table summarizing the risks and suggesting specific remediation code.

通用脚手架，可根据需要进行调整：

[AGENT ROLE]

角色: [定义角色]

[目标]

目标: [描述最终结果]

[PROCESS]

主要流程：

[Step 1]
[Step 2]
[Step 3]

[成功标准]

后置条件: [指定格式、语气或交付要求]

逻辑风格

逻辑风格（Given‑When‑Then）用于高风险的精确场景。它把提示视为单元测试，确保特定条件始终触发特定结果。几乎没有 AI “创造力” 的余地。

最佳适用场景： 数据转换（JSON/CSV）、强制严格防护措施以及处理复杂业务规则。

实现技巧： 当“差不多就行”不够时使用它。它在自我纠正循环中表现出色。

场景示例

**Given:** 包含日期和用户名的原始字符串。
**When:** 日期格式不是 ISO‑8601。
**Then:** 将日期转换为 YYYY‑MM‑DD，并将输出包装在带有 `warning` 键的 JSON 对象中。

你可以为多个场景重复该模式：

### SCENARIO: [特定条件的标题]
* **Given:** [输入或上下文的状态]
* **When:** [触发或操作]
* **Then:** [精确、不可协商的输出或行为]

选择合适的风格

提示需求	推荐风格	原因
模糊或开放式问题	叙事	利用模型的内部知识来探索可能性。
需要可复现的步骤	工作流	提供严格的顺序，确保每一步都被执行。
规则繁重或技术需求	逻辑	充当逻辑门，强制执行精确的条件和输出。

三位一体概览

工作流风格: 当你需要构建器时使用。它提供严格的操作顺序，确保在复杂的多步骤任务中不遗漏任何环节。
逻辑风格: 当你需要守门人时使用。它应用 Given‑When‑Then 规则来处理高风险的边缘案例，精确性不可妥协。
叙事风格: 当你需要顾问时使用。它构建意图和上下文，使模型能够以有依据的建议填补空白。

开发者的优势

在 AI 辅助开发中，你的提示就是你的代码。草率的提示是技术债务的前兆。通过采用 Trinity——叙事、工作流、逻辑——你不仅仅是在请求帮助；你是在构建解决方案。正确的结构可以减少幻觉，提高可靠性，并将“有用的玩具”转变为生产就绪的代理。