当前位置：首页 > news >正文

15｜Prompt 结构化：目标-上下文-约束-输出格式

news 2026/5/12 17:49:47

本篇目标：这是卷 2（提示工程实战）的第一篇。我们将告别“聊天式提问”，学会像写代码一样写 Prompt，让 AI 的回答从“看运气”变成“稳定交付”。

一、为什么你的 Prompt 总是不稳定？

很多人的提问方式是碎片化的：

第一句：“帮我写个 Python 脚本。”
AI 给了个脚本。
第二句：“不对，要能读取 Excel 的。”
AI 改了。
第三句：“要把结果存到数据库。”
AI 又改了。
第四句：“能不能加个进度条？”

这种“挤牙膏”式的提问，不仅累，而且容易让 AI迷失上下文（记得卷 1 讲的遗忘原理吗？）。
更高效的做法是：一次性把话说完，并且说得有条理。这就是结构化 Prompt。

二、结构化 Prompt 的四大支柱（GOCO 模型）

一个完美的 Prompt，应该包含四个核心模块：Goal（目标）、Context（上下文）、Constraints（约束）、Output（输出格式）。

1. Goal（目标）：你要干什么？

用一个动词开头，清晰定义任务。

差：“看看这个代码。”
好：“重构这段 Python 代码，使其符合 PEP8 规范，并优化循环性能。”

2. Context（上下文）：背景信息

告诉 AI 它不知道的信息。

角色：你是谁？（资深后端工程师）
环境：代码运行在哪里？（Ubuntu 22.04, Python 3.10）
依赖：已经装了什么库？（Pandas, SQLAlchemy）
业务背景：这是给谁用的？（给财务部门用的报表工具）

3. Constraints（约束）：红线与边界

告诉 AI不能做什么，或者必须做什么。

“必须使用pathlib，禁止使用os.path。”
“代码必须包含类型注解（Type Hints）。”
“不要解释基础概念，直接给代码。”

4. Output（输出格式）：交付物标准

告诉 AI 你想要什么样子的结果。

“返回一个 JSON 格式的列表。”
“只返回修复后的代码块，不要 Markdown 包裹。”
“先列出修改计划，再给代码。”

三、实战对比：从“路人甲”到“工程师”

任务：写一个 SQL 查询，统计每个用户的订单总额。

❌ 路人甲 Prompt

“写个 SQL 查用户订单总额。”

AI 回复（随机性大）：
它可能会给你写个 MySQL 的，也可能写个 PostgreSQL 的；可能没考虑订单状态（退款的也算进去了？）；字段名也是瞎编的。

✅ 结构化 Prompt

# Goal Write a SQL query to calculate the total order amount for each user. # Context - Database: PostgreSQL 15 - Table `users`: `id`, `username` - Table `orders`: `id`, `user_id`, `amount` (decimal), `status` (string), `created_at` (timestamp) - Business Logic: Only include orders with status 'completed'. # Constraints - Use `LEFT JOIN` to include users with zero orders (show 0 as total). - Sort by total amount descending. - Use `COALESCE` to handle NULL values. # Output Format - Return only the SQL code block. - Add comments explaining the logic.

AI 回复（精准稳定）：

-- Calculate total order amount for each user, including those with no ordersSELECTu.id,u.username,COALESCE(SUM(o.amount),0)AStotal_amountFROMusers uLEFTJOINorders oONu.id=o.user_idANDo.status='completed'GROUPBYu.id,u.usernameORDERBYtotal_amountDESC;

结果完全符合预期：用了 Postgres 语法，过滤了状态，处理了 NULL 值，排序正确。

四、Prompt 的“积木化”管理

不要每次都从头写 Prompt。你应该建立自己的“Prompt 积木库”。

1. 角色积木（Role Block）

存一个文件role_python.md：

You are a Senior Python Engineer. - You prefer `pydantic` for data validation. - You use `pytest` for testing. - You follow Google Style Guide for docstrings.

2. 任务积木（Task Block）

存一个文件task_refactor.md：

# Goal Refactor the provided code for better readability and performance. # Constraints - Keep the original logic unchanged. - Add comments for complex logic.

3. 组合使用

当你需要重构 Python 代码时，只需要把这两个积木拼起来，再贴上你的代码即可。
在Cursor或Trae中，你可以把这些积木存为.cursorrules或 Snippets，一键调用。

五、本篇产出：通用 Prompt 模板（可复制）

请把这个模板保存到你的笔记软件里，每次提问前填空。

# Role (角色) [你是谁？例如：资深前端开发，精通 React 和 Tailwind CSS] # Goal (目标) [你要做什么？例如：实现一个响应式的登录页面组件] # Context (上下文) [背景信息？例如： - 使用 Next.js 14 App Router - 已安装 lucide-react 图标库 - 需要适配深色模式 ] # Constraints (约束) [规则是什么？例如： - 使用 TypeScript - 必须包含表单验证（Zod） - 不要使用任何额外的 CSS 文件，全部用 Tailwind 类 ] # Output Format (输出格式) [长什么样？例如： - 只提供组件代码文件 (.tsx) - 不解释基础 import ] # Input Data (输入数据 - 可选) [如果有代码要改，贴在这里]

练习题：修复这个烂 Prompt

烂 Prompt：“帮我把这个 excel 转成 csv。”

请用上面的模板，把它改成一个结构化 Prompt。
（提示：你要考虑 excel 有几个 sheet？csv 存哪里？编码格式是 utf-8 吗？要不要保留表头？）

点击查看参考答案

# Goal Write a Python script to convert an Excel file to CSV. # Context - Input file: `data.xlsx` (contains multiple sheets) - Target sheet: "Sheet1" only # Constraints - Use `pandas` library. - Encoding: UTF-8 with BOM (to support Chinese in Excel). - Separator: Comma (`,`). - Handle missing values: Fill with empty string. # Output Format - Provide the full Python script.

下一步：掌握了结构化，你的 Prompt 已经及格了。但有时候，仅仅把话说清楚还不够，你得给 AI “打个样”。下一章我们将学习Few-Shot Prompting（示例驱动）——这是让 AI 瞬间学会你团队代码风格的终极秘籍。

查看全文

http://www.jsqmd.com/news/522322/