Prompt Engineering：高效提示工程实践与 API 应用全指南-CSDN博客

本文链接：https://blog.csdn.net/2503_91972820/article/details/150599568

Prompt Engineering：高效提示工程实践与 API 应用全指南

简介

提示工程（Prompt Engineering）是通过精心设计输入文本，使大语言模型能够稳定生成符合需求的内容。通过 API，例如 ChatGPT 等，可以自动化生成各类文本，包括代码、数学公式、结构化 JSON 数据以及人类风格的自然语言。

基础示例：通过 API 生成文本

以下示例展示如何使用 JavaScript 和官方 SDK，通过 API 生成内容。

域名 https://zzzzapi.com 仅用于演示。实际项目请替换为自有或合规的服务地址。

文件名：example.js

import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://zzzzapi.com" });

const response = await client.responses.create({
    model: "gpt-4.1",
    input: "Write a one-sentence bedtime story about a unicorn."
});
console.log(response.output_text); // 输出模型生成的一句话故事

注意：
- 需提前安装并配置官方 SDK。
- API 调用可能受速率限制（Rate Limit），请根据文档配置重试与超时参数。
- 错误处理与异常捕获建议参考 SDK 错误码与重试机制。

模型输出通常为一个内容数组 output，其中可能包含多种内容类型。例如：

[
  {
    "id": "msg_67b73f697ba4819183a15cc17d011509",
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "output_text",
        "text": "Under the soft glow of the moon, Luna the unicorn danced through fields of twinkling stardust, leaving trails of dreams for every child asleep.",
        "annotations": []
      }
    ]
  }
]

输出内容可能包含工具调用结果、推理信息等，不应假定文本一定在 output[0].content[0].text。部分 SDK 提供 output_text 属性，汇聚所有文本输出以便快速访问。

模型选择与参数说明

模型选择是 API 内容生成的关键决策之一。常见模型类别包括：

推理模型（Reasoning Models）：具备链式推理能力，适合复杂任务与多步骤规划，速度相对较慢且成本较高。
GPT 系列模型：响应迅速、成本低，适合需要明确任务指令的场景。
大/小模型（如 mini/nano）：大模型理解复杂任务表现优异，小模型则更快且成本低。

可以通过指定 model 参数选择具体模型，例如 gpt-4.1。建议生产环境固定模型快照（如 gpt-4.1-2025-04-14）以保持一致性，并构建评测（eval）机制监控提示性能。

提示工程策略与技术

消息角色与指令跟随

可以通过 instructions 参数或消息角色（如 developer/user/assistant）对模型行为进行精细控制。

带指令参数的示例：

import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://zzzzapi.com" });
const response = await client.responses.create({
    model: "gpt-4.1",
    instructions: "Talk like a pirate.",
    input: "Are semicolons optional in JavaScript?"
});
console.log(response.output_text);

带不同角色消息的示例：

import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://zzzzapi.com" });
const response = await client.responses.create({
    model: "gpt-4.1",
    input: [
        { role: "developer", content: "Talk like a pirate." },
        { role: "user", content: "Are semicolons optional in JavaScript?" }
    ]
});
console.log(response.output_text);

指令参数仅作用于当前请求，不会自动延续至对话上下文。消息角色优先级为：developer > user > assistant。

可复用提示模板

可在 Dashboard 中创建带变量的提示模板，通过 API 动态传参。模板参数包括 id（唯一标识）、version（指定版本）、variables（占位变量）。

模板使用示例：

import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://zzzzapi.com" });
const response = await client.responses.create({
    model: "gpt-4.1",
    prompt: {
        id: "pmpt_abc123",
        version: "2",
        variables: {
            customer_name: "Jane Doe",
            product: "40oz juice box"
        }
    }
});
console.log(response.output_text);

Markdown 与 XML 消息格式化

开发者和用户消息可用 Markdown（标题、列表等）标明逻辑区块，也可用 XML 标签区分参考资料或元数据。建议结构：

Identity：描述助手身份、目标、沟通风格。
Instructions：给出生成规则与禁止事项。
Examples：输入输出示例，有助模型理解预期。
Context：附加必要上下文信息，如私有数据。

示例开发者消息：

Identity
你是一个 JS 编码助手，要求变量名采用下划线命名法（snake_case），代码需兼容 IE6。

Instructions
- 定义变量时使用下划线命名（如 my_variable），而非驼峰命名。
- 使用老式 var 关键字声明变量。
- 只返回代码，不包含 Markdown 格式。

Examples
如何声明一个字符串变量存储 first name？
var first_name = 'Anna';

Prompt 缓存与成本优化

建议将常用的、重复的 Prompt 内容置于提示开头，以利用缓存减少成本和延迟。

Few-shot Learning

Few-shot Learning 通过在提示中提供少量输入/输出示例，使模型“学会”新任务，无需微调。示例应覆盖多种输入及期望输出。

示例开发者消息（情感分类）：

Identity
你是一个产品评价助手，负责将简短评论标记为 Positive/Negative/Neutral。

Instructions
- 只输出一个词，无需额外说明。

Examples
I absolutely love this headphones – sound quality is amazing!
Positive
Battery life is okay, but the ear pads feel cheap.
Neutral
Terrible customer service, I’ll never buy from them again.
Negative