# 《AI基础》第三章逐字稿

## P1【Prompt 工程】
【本页目标】建立 Prompt 是沟通协议的认识。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
这一页进入 Prompt 工程。Prompt 是输入给大模型的指令，它影响模型如何理解任务、遵守哪些限制以及用什么形式输出。与其把 AI 当成能自动猜中意图的工具，不如把它当成能力很强、但需要明确交代任务的助手。下面从同一任务的两种写法开始观察。

## P2【同题不同命】
【本页目标】比较模糊和具体指令的差别。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
请看两种活动方案指令。只说“写个活动方案”时，模型缺少受众、流程和交付标准；加入角色、背景、任务、预算、字数和 Markdown 格式后，输出目标更清楚。具体不是堆砌文字，而是减少关键歧义。下一页把这些信息归纳为五要素。

## P3【五要素框架】
【本页目标】记住角色、背景、任务、约束、格式。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
画面列出五要素：角色说明“你是谁”，背景说明场景，任务说明动作，约束说明边界，格式说明交付样式。并非每次都必须完整使用五项，但任务越复杂，越需要补足关键信息。下一页先解释角色的作用。

请沿着画面中的五个模块检查一遍：如果删掉某一项仍不影响模型正确执行，就可以省略；如果删除后会产生多种理解，就应把它写清。这个判断机制比机械凑齐五项更重要。

## P4【角色设定】
【本页目标】理解角色如何影响表达框架。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
请看工程师和教授两个角色例子。角色不是让模型真的获得职业身份，而是引导它调用相应的表达风格与知识框架。例如工程师版本更重规范和注释，教授版本更重逻辑和解释。接下来还要给出任务发生的背景。

## P5【背景与任务】
【本页目标】把模糊表达改成可执行任务。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
背景告诉模型面向谁、处于什么条件；任务要用清晰动词描述。例如“分析一下”过于笼统，而要求按 SWOT 四个维度分析，就给出了可检查的结构。背景与动作明确后，模型更不容易偏离主题。下一页加入约束和格式。

## P6【约束与格式】
【本页目标】指定限制与机器可用的交付形式。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
约束可以规定字数、范围、不能做什么和完成程度；格式可以指定列表、表格、JSON 或 YAML。这样做的目的不是限制创造性，而是让结果能直接用于下一步。例如工程系统需要可解析字段，而不仅是一段自然语言。下面介绍用示例对齐风格的 Few-shot。

## P7【Few-shot】
【本页目标】理解少样本提示的模式学习。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
Few-shot 的做法是先给模型两三个例题，再请它完成同类任务。模型从示例中匹配风格、格式和规律，因此少量高质量案例通常比模糊说明更有效。它不是给模型重新训练，而是在当前对话中提供参照。下一页处理需要多步判断的问题。

## P8【思维链】
【本页目标】掌握 CoT 的适用边界。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
思维链要求模型先展示推理过程，再给最终结论，适合数学、逻辑推理和代码调试等多步任务。它能让教师和学生检查中间步骤，但不能保证结论天然正确，关键推理仍应核验。下一页让输出从自然语言变成可处理的数据。

## P9【结构化输出】
【本页目标】理解 JSON 和 YAML 的工程价值。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
在自动标注或 API 接入中，系统需要机器可读的结果。请明确要求 JSON 或 YAML，并给出字段结构，也就是 Schema。字段越清楚，程序越容易解析；如果格式不合格，就应回到 Prompt 补充约束。下一页学习调试的递进方法。

请观察页面中的字段组织方式。自然语言适合人阅读，结构化字段则方便程序校验、存储和继续调用。实际接入时还要验证字段是否缺失、类型是否正确，不能只因为外观看起来像 JSON 就直接使用。

## P10【Prompt 调试】
【本页目标】使用加约束、换结构、拆任务三层方法。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
当回答笼统，先补充字数、维度和格式；仍不理想时，换成五要素、示例或结构化写法；最后才把复杂任务拆成小步骤。若出现幻觉，可加入“不确定时说明不知道”的限制。调试不是一次性重写，而是逐层定位问题。下一页回到一个常见误区。

## P11【不是越长越好】
【本页目标】理解具体、相关、可验证的原则。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
好 Prompt 不是越长越好，而是信息与任务相关、边界清楚、结果可验证。五要素是检查表，不是机械模板；没有必要的信息不应硬塞。无论 Prompt 多好，模型仍有事实与推理局限，使用者必须复核。下一页总结本章。

请对照画面的“有效信息”和“冗余信息”区域：增加一句话之前，先问它是否减少歧义、限定边界或规定验收方式。若三者都没有，它很可能只会增加阅读负担，而不会稳定提升输出质量。

## P12【本章总结】
【本页目标】回收本章四类主要技巧。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
本章从五要素明确意图，用 Few-shot 给出模式，用思维链处理复杂推理，用 JSON 或 YAML 支持自动化，并用三层方法调试失效 Prompt。请记住：Prompt 工程的核心是减少歧义、提高可验证性。下面进入讲义原有实操。

## P13【单选题 · 8题】
【本页目标】检验本章概念与调试方法。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
请逐题选择后再查看反馈。八题覆盖五要素、Few-shot、思维链、角色扮演、结构化输出、幻觉约束和三层调试法。先判断题目考查的是机制还是应用场景，再核对讲义解析。

## P14【实操题 1：写一个"五要素完整"的 Prompt】
【本页目标】完成大学生 AI 学习路线图 Prompt。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
请先独立写出面向 DeepSeek 或 Kimi 的完整 Prompt，目标是获得大学生 AI 学习路线图。作答后展开评分标准，检查角色、背景、任务、约束和格式是否完整。五要素完整占四成，要素质量占三成。

## P15【实操二：用 CoT 解逻辑题】
【本页目标】用思维链验证逻辑结论。
【预计播报时长】约 1 分 0 秒
【语音逐字稿】
请用“请一步步思考，展示完整推理过程”的 Prompt 解决三位标注员问题。速度维度可推出张三最快；准确率只知李四最高，无法确定张三和王五谁最低。展开答案后按 CoT 指令、逻辑、推理完整和答案验证四项核对。