Prompt 工程入门

副标题：结构化 Prompt、模板化、多轮对话与 UI 结合

目标：让 Prompt 从“一句话灵感”变成“可维护、可评估、可配置”的产品能力。

目录

• Prompt 工程的本质：交互设计 + 约束设计
• 结构化 Prompt：Role / Task / Constraint / Output
  • 可直接复用的 Prompt 模板库（示例）
• 多轮对话控制：什么时候追问、什么时候收敛
  • 追问策略（缺信息就问）
  • 收敛策略（信息足够就产出）
• 模板化与参数化：把 Prompt 交给 UI 驱动
  • 示例：模板参数化（把 UI 变成 Prompt 参数）
• 输出可控：JSON/Markdown/表格与校验策略
  • 为什么要可控输出
  • 两种常用输出方式
  • 兜底策略（很关键）
  • 示例：JSON Schema + 校验（可直接用）
• 评估与迭代：从“感觉不错”到“可验证更好”
  • Prompt 版本化与 A/B 示例
• 最小可运行 Demo（Prompt 工程版）
  • 最小可运行代码（模板渲染 + JSON 校验）
  • 完整 Demo 结构（Prompt 版本化最小骨架）
  • 常见坑排查清单
• 完整可运行代码（Prompt 工程 + JSON 校验）

Prompt 工程的本质：交互设计 + 约束设计

做 AI 应用时，Prompt 不只是“写得像人话”，更像是：

• 交互设计：你如何从用户输入构建任务意图、上下文、状态
• 约束设计：你如何限制模型输出范围，降低幻觉与越权
• 工程化：版本管理、模板化、可配置、可回滚、可评估

简单判断你的 Prompt 是否“工程化”：

• 同一个任务，在不同人输入下，输出格式是否稳定？
• 输出能否被程序消费（JSON/字段化）？
• 出错时能否自动重试/追问补齐？

结构化 Prompt：Role / Task / Constraint / Output

推荐用一个固定骨架，降低随机性：

• Role（角色）：让模型用什么身份/语气/能力边界工作
• Task（任务）：要完成什么，以及成功标准是什么
• Constraint（约束）：必须/禁止、字数、风格、引用、不得编造
• Output（输出）：固定输出格式（Markdown/JSON/表格）

一个可复用的例子（PRD 生成）：

Role:
你是资深产品经理，擅长把用户需求拆解成可实施的PRD。

Task:
根据用户输入的产品想法，输出一份 PRD 草案。

Constraint:
- 使用 Markdown
- 必须包含：背景、目标、用户画像、核心流程、功能点、异常场景、埋点建议
- 不得编造不存在的业务数据；如缺信息，列出“需要补充的问题”

Output:
按以下章节顺序输出：## 背景 ...（固定章节）

前端的优势在于：你可以把这些“约束”变成 UI 中的开关/选项，而不是写死在文本里。

可直接复用的 Prompt 模板库（示例）

下面给一组“可复制粘贴”的模板，适合做成产品里的“模板选择器”：

1）结构化总结（用于会议纪要/日报）

Role: 你是高级助理，擅长结构化总结。
Task: 把用户输入整理成结构化要点。
Constraint:
- 使用 Markdown
- 必须包含：背景、结论、行动项、风险
- 行动项必须可执行（动词开头）
Output:
## 背景
## 结论
## 行动项
## 风险

2）代码解释（用于代码评审/文档）

Role: 你是资深前端工程师。
Task: 用简洁语言解释下面代码做了什么。
Constraint:
- 先给一句话总结
- 再给 3-5 条要点
- 不要编造不存在的函数或模块
Output:
一句话总结：
- 要点1
- 要点2

3）RAG 回答（强约束引用）

规则：
1) 只能基于证据回答
2) 每个结论后必须标注引用 [S1][S2]
3) 无证据则明确拒答

多轮对话控制：什么时候追问、什么时候收敛

一个好用的 AI 产品，通常不是“一次性输出”，而是“对话式收敛”。

追问策略（缺信息就问）

当模型发现关键信息缺失时，应该：

• 先列出 最少问题集（3-5 个）补齐信息
• 用户回答后再生成最终结果

这对应的产品形态可以是：

• 对话里追问（Chat）
• 表单补齐（Form）
• 混合：先问 2-3 个关键问题，然后给表单让用户完善

收敛策略（信息足够就产出）

避免一直追问：当关键字段齐全时，直接输出结果，并提供“可编辑”的区域。

示例：追问优先级（最小问题集）

当用户“需求太模糊”时，用最小问题集快速收敛：

• 目标用户是谁？
• 最重要的 1-2 个功能是什么？
• 输出形式偏“表格/文案/计划/代码”？

只问 3-5 个问题，避免“问卷式轰炸”导致流失。

模板化与参数化：把 Prompt 交给 UI 驱动

把 Prompt 当成模板文件（或配置项），由 UI 状态驱动：

• 表单输入 → Prompt 参数
  • 目标用户、语气、输出格式、长度、是否需要引用、是否需要生成结构化 JSON
• UI 状态 → 上下文
  • 当前页面选中的文档、当前工作流步骤、用户最近一次操作

一个实用的模板结构（推荐你在工程里这么组织）：

• system：全局规则（安全、禁止编造、输出格式优先级）
• task：本次任务描述（由页面/按钮决定）
• context：上下文（用户输入、检索片段、历史摘要）
• output：固定输出 schema（Markdown 章节或 JSON schema）

示例：模板参数化（把 UI 变成 Prompt 参数）

{
  "tone": "professional",
  "length": "short",
  "need_citations": true,
  "format": "markdown",
  "audience": "产品经理"
}

你可以把这些参数映射为 Prompt 片段：

• tone=professional → “语气：专业、克制”
• length=short → “限制 300 字以内”
• need_citations=true → “必须引用来源”

输出可控：JSON/Markdown/表格与校验策略

为什么要可控输出

因为“AI 输出”往往要被后续流程消费：

• 渲染到卡片/表格
• 写入数据库
• 驱动下一步工作流（比如生成任务拆解、生成测试用例）

两种常用输出方式

• Markdown（给人看）
  • 适合：PRD、总结、方案、报告
  • 技巧：固定章节标题；不要让模型自由发挥结构
• JSON（给程序用）
  • 适合：字段化信息（标题、要点、优先级、风险列表）
  • 技巧：服务端做 JSON schema 校验，不合格就重试/追问

兜底策略（很关键）

当输出不符合格式时，不要直接展示一坨“失败文本”：

• 自动重试（带上失败原因与示例）
• 追问补齐（缺字段就问）
• 降级展示（至少展示可读文本 + 提示用户如何修正）

示例：JSON Schema + 校验（可直接用）

{
  "type": "object",
  "properties": {
    "title": { "type": "string" },
    "summary": { "type": "string" },
    "items": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "name": { "type": "string" },
          "priority": { "type": "string", "enum": ["P0", "P1", "P2"] }
        },
        "required": ["name", "priority"]
      }
    }
  },
  "required": ["title", "items"]
}

当校验失败时的最小策略：

• 把“失败原因”写回 Prompt，让模型修正
• 连续失败 2 次就降级为“可读文本 + 手动编辑”

评估与迭代：从“感觉不错”到“可验证更好”

最小可行评估体系（你做作品集也能讲清楚）：

• 用例集：20-50 个真实问题/输入（覆盖边界情况）
• 指标（至少选 2 个）
  • 格式合格率（JSON 可解析/章节齐全）
  • 引用命中率（RAG 场景）
  • 用户满意度（thumb up/down + 原因）
• 回归测试：每次改 Prompt、换模型，都跑一遍用例集

工程化建议：

• Prompt 版本号（v1/v2），支持回滚
• 重要 Prompt 走 Code Review（像代码一样）
• 线上 A/B：小流量验证再全量

Prompt 版本化与 A/B 示例

prompt_id: prd_generator
version: v3
changes:
- 增加“异常场景”章节
- 加强“不得编造”约束
metrics:
- 格式合格率: 92% -> 97%
- 用户满意度: 3.8 -> 4.2

让 Prompt 像代码一样可追溯，是“能长期优化”的前提。

最小可运行 Demo（Prompt 工程版）

目标：把“模板 + 参数 + 校验”跑通一遍。

最小可运行代码（模板渲染 + JSON 校验）

// demo-prompt.ts（伪代码）
const template = `
Role: 你是资深产品经理
Task: 生成PRD
Constraint: 必须输出JSON
Output: { "title": "...", "items": [ { "name": "...", "priority": "P1" } ] }
`;

const params = { title: "智能客服", feature: "自动总结" };
const prompt = template.replace("生成PRD", `生成PRD：${params.title}`);

// 这里假设你拿到模型输出 output
const output = `{"title":"智能客服","items":[{"name":"自动总结","priority":"P1"}]}`;

// JSON校验（伪代码）
const parsed = JSON.parse(output);
if (!parsed.items?.length) throw new Error("items 为空");

完整 Demo 结构（Prompt 版本化最小骨架）

demo-prompt/
  prompts/
    prd_generator.v1.txt
    prd_generator.v2.txt
  scripts/
    demo-prompt.ts
  README.md

常见坑排查清单

• 模型输出不是 JSON：未强制格式 → 增加 JSON schema + 重试
• 字段缺失：约束不够强 → 提示“字段缺失必须补齐”
• 模板太长：导致成本高/上下文爆 → 拆分为 system + task + context

完整可运行代码（Prompt 工程 + JSON 校验）

源码目录：docs/demos/prompt-demo

cd docs/demos/prompt-demo
npm i
node index.js