---
title: "什么是提示词工程？如何为大模型写好指令 | BroadRouter"
description: "提示词工程就是编写并测试指令，让大模型每次都给出你需要的输出。核心技巧、如何测试，以及阿拉伯语提示词的要点。"
url: https://broadrouter.com/zh/glossary/prompt-engineering/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/prompt-engineering/)（2026-11-15 更新）。

# 提示词工程（prompt engineering）

更新于 2026-11-15

提示词工程是编写、组织和测试发给语言模型的指令的过程，目的是让模型稳定地产出符合要求的结果。它包括角色消息、清晰的指令、示例、格式，以及用测试用例衡量结果。

又称： 提示工程、提示词设计、提示词技巧、Prompt 工程、prompt engineering、prompt design、prompting techniques

提示词就是一份规格说明。提示词工程就是把它写好，并检查模型是否照做。

## 工作原理

OpenAI 的指南把提示词工程定义为 “the process of writing effective instructions for a model”（译文：为模型编写有效指令的过程），使其 “consistently generates content that meets your requirements.”（译文：稳定地生成符合你要求的内容。）各家厂商的核心技巧大同小异：

| 技巧 | 做法 |
| --- | --- |
| 角色 | 把规则放进[系统提示词](https://broadrouter.com/zh/glossary/system-prompt/)（或 developer 消息），把请求放进 user 消息 |
| 结构 | 系统提示词按身份、指令、示例、上下文的顺序组织；用 Markdown 标题和 XML 标签标出各部分 |
| 示例 | 加入几组覆盖不同情况的输入输出对（[少样本提示](https://broadrouter.com/zh/glossary/few-shot-prompting/)） |
| 推理 | 要求逐步思考（[思维链](https://broadrouter.com/zh/glossary/chain-of-thought/)），或使用思考模型 |
| 输出格式 | 要求固定格式，或在 API 支持时使用[结构化输出](https://broadrouter.com/zh/glossary/structured-output/) |
| 稳定性 | 固定模型版本，避免行为在你不知情时发生变化 |

Anthropic 的概览说，先准备好三样东西：明确的成功标准、对照这些标准进行测试的方法，以及第一版提示词草稿。实际上，这就意味着一套[评测](https://broadrouter.com/zh/glossary/eval/)集。

一个简短的修改前后示例：

```text
Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>
```

修改前只有一句”总结这张工单”。修改后说明了读者是工程团队，要求写 3 个要点（问题、对客户的影响、下一步），错误信息照用客户原话，并且不要猜测原因。

对智能体来说，提示词只是更大上下文中的一部分。Anthropic 关于上下文工程的文章把提示词工程，即 “methods for writing and organizing LLM instructions,“（译文：编写和组织大模型指令的方法）与[上下文工程](https://broadrouter.com/zh/glossary/context-engineering/)区分开来，后者管理模型看到的其他所有内容。

## 为什么重要

-   **无需训练就能提升质量。** 在[微调](https://broadrouter.com/zh/glossary/fine-tuning/)或换更大的模型之前，改进提示词是最便宜的尝试。
-   **费用。** 系统提示词在每个请求中都会重新发送。删掉不影响输出的内容；参见[减少提示词 token](https://broadrouter.com/zh/blog/reduce-prompt-tokens/)。
-   **迁移。** 为一个模型调好的提示词，换到另一个模型上可能表现不同。切换时请重新运行评测集。

## 在 BroadNet Inference 上

BroadNet 的对话模型接受标准的 Chat Completions `messages` 列表，所以 system、user、assistant 角色和少样本示例都照常可用。写代码之前，可以先在 [Playground](https://broadrouter.com/zh/guides/try-broadnet-inference-playground/) 里试提示词。需要阿拉伯语输出时，[阿拉伯语提示词工程](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)介绍了语体、方言、数字和从右到左的排版。

[GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 和 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 的文档中列出了结构化输出。在 DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 上，思考内容计入 `max_tokens`，所以”一步一步思考”这类提示词也需要在预算里留出空间。

## 常见问题

### 有了更新的模型，还需要提示词工程吗？

需要，只是技巧在变。新模型能很好地遵循清晰、具体的指令，所以大部分工作是把要求说清楚、给出示例，并用真实输入来测试。

### 什么时候应该改用微调？

当一个经过充分测试、带示例的提示词仍然在很大比例的情况下失败，或者长到不适合每次请求都发送时。Anthropic 的文档还指出，有些目标，例如降低延迟或成本，换一个模型更容易实现。

### 要输出阿拉伯语时，提示词要用阿拉伯语写吗？

两种都可以。说明你想要的语体或方言，以及如何处理数字和混排文本。阿拉伯语提示词工程一文对比了这两种做法。

## 另请参阅

-   [系统提示词（system prompt）](https://broadrouter.com/zh/glossary/system-prompt/)（术语）
-   [少样本提示（few-shot prompting）](https://broadrouter.com/zh/glossary/few-shot-prompting/)（术语）
-   [思维链（CoT，chain-of-thought）](https://broadrouter.com/zh/glossary/chain-of-thought/)（术语）
-   [上下文工程（context engineering）](https://broadrouter.com/zh/glossary/context-engineering/)（术语）
-   [评测（eval，LLM evaluation）](https://broadrouter.com/zh/glossary/eval/)（术语）
-   [结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)（术语）
-   [免注册，在浏览器里试用 BroadNet Inference](https://broadrouter.com/zh/guides/try-broadnet-inference-playground/)（指南）
-   [阿拉伯语提示词工程：语体、RTL、数字与中英混排](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)（文章）
-   [减少提示词 token：系统提示词、工具和数据的实测精简](https://broadrouter.com/zh/blog/reduce-prompt-tokens/)（文章）
-   [微调之前：先定义要解决的问题](https://broadrouter.com/zh/blog/fine-tuning-readiness/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-prompt-engineering&utm_content=page-cta) ·

**来源**

-   [OpenAI API 文档：提示词工程指南（核对于 2026-11-15）](https://developers.openai.com/api/docs/guides/prompt-engineering)
-   [Anthropic 文档：提示词工程概览（核对于 2026-11-15）](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
-   [Anthropic Engineering：Effective context engineering for AI agents（核对于 2026-11-15）](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
