Prompt 工程全景工作台

通过少量示例来引导模型理解任务格式和预期输出。

引导模型进行逐步推理，显式展开思考过程，提高复杂任务的准确率。

让模型多次推理同一问题，通过多数投票或一致性检查提高准确率。

多路径并行探索 + 评估 + 回溯，适合复杂开放问题的深度推理。

"写一个 Prompt 来写 Prompt"——元提示，让模型帮你优化 Prompt。

Reflexion 模式：生成 → 评估 → 修正，通过自我反思提升输出质量。

让模型扮演特定角色，利用角色背景知识来提升输出质量和专业度。

System/User/Assistant 三段式，现代 Chat API 的标准格式。

通过指定输出格式（JSON/XML/表格），确保模型输出结构化且易于解析。

信息抽取 + JSON Schema 验证，确保提取结果的可靠性。

指定输入/输出语言 + 翻译保真约束，适合跨语言任务。

Context-Objective-Style-Tone-Audience-Response，结构化提示框架。

Role-Instructions-Steps-End goal-Narrowing，任务分解型提示框架。

Thought-Action-Observation 循环，Agent 基础范式，让模型交替思考和行动。

系统 Prompt 防注入模板，保护 AI 应用安全。

将冗长指令压缩为密度最大化版本，2026 年 token 成本成为生产瓶颈后流行的工程实践。典型节省 30-40%。

用函数签名代替手写 Prompt，由优化器（MIPROv2/GEPA）自动编译。DSPy 3.0 可在 100 条示例内将 67%→93% 准确率。

借鉴 Constitutional AI 范式，用一组"宪法原则"约束输出。相比逐条写拒绝规则，原则驱动更简洁、更鲁棒。

CrewAI / AutoGen 风格的多 Agent 编排模板。通过明确的 Agent 角色 + 协调规则 + 升级策略，实现复杂任务的自动化分解与协作。