迭代优化工作流

提示词工程从来不是一蹴而就的。专业的做法是：写 → 测试 → 分析 → 修改 → 再测试，循环迭代，直到满意。

为什么需要迭代？

第一次很难完美

无论你多有经验，第一次写的提示词几乎总是有改进空间：

• AI可能误解了你的意图
• 输出格式可能不稳定
• 某些边界情况没处理好
• 规则之间可能有冲突

AI的行为难以完全预测

大语言模型是复杂的系统，同样的提示词在不同情况下可能产生不同结果。只有通过实际测试，才能发现问题。

标准迭代流程

┌─────────────────────────────────────────┐
│                                         │
│  ① 起草第一版提示词                     │
│         ↓                               │
│  ② 用多种不同的输入测试                 │
│         ↓                               │
│  ③ 分析哪里出了问题                     │
│     - 输出跑题了？→ 指令不够清晰        │
│     - 格式不对？→ 格式描述不够具体      │
│     - 推理出错？→ 缺少思维链            │
│     - 内容虚假？→ 缺乏防幻觉设计        │
│         ↓                               │
│  ④ 针对问题修改提示词                   │
│         ↓                               │
│  ⑤ 回到②，再次测试                     │
│                                         │
└─────────────────────────────────────────┘

一个真实的迭代过程

场景：让AI总结文章

第一轮

提示词：

总结这篇文章。

问题：结果太笼统，没有重点，篇幅不可控。

第二轮

提示词：

用三个要点总结这篇文章的核心论点。

问题：三个要点只是原文句子的复述，没有提炼；篇幅仍然偏长。

第三轮

提示词：

假设你是中学老师，用通俗易懂的语言分三个部分总结
这篇文章的主要观点，每部分举一个生活中的例子，
每部分不超过50字。

结果：结构清晰，语言易懂，有具体例子，篇幅可控。

结论：迭代了三次，才达到理想效果。

测试提示词的关键问题

每次修改后，用这几个问题检验输出质量：

1. 它做了我要求的事吗？

基本任务有没有完成？

测试方法：对照提示词的要求逐一检查

如果要求：生成JSON格式
检查：输出是否是合法JSON？

如果要求：不超过100字
检查：字数是否超了？

2. 格式对吗？

输出结构是否符合预期？

测试方法：检查格式一致性

如果格式不稳定：
- 添加更具体的格式模板
- 提供示例
- 使用预填充技巧

3. 换一种输入还能稳定输出吗？

不要只用一个例子测试，要测试多种情况：

测试输入多样性：
- 长输入 vs 短输入
- 复杂情况 vs 简单情况
- 边界情况（空输入、异常输入）

如果输出不稳定：
- 添加更多约束
- 用示例覆盖更多情况

4. 有没有边界情况没处理？

思考可能的异常情况：

常见的边界情况：
- 空输入或缺失输入
- 超长输入
- 格式错误的输入
- 不在预期范围内的输入

示例：如果提示词是"翻译这段文字"
边界测试：传入空字符串会怎样？

5. 有没有我不想要的内容出现？

AI有时会"自作聪明"：

常见的多余内容：
- 不必要的开场白："当然！我很乐意帮助您..."
- 过度的解释说明
- 与任务无关的延伸

解决方案：明确说明"不要..."的约束

诊断与修复速查表

问题现象	可能原因	解决方案
输出跑题	指令模糊	更具体地描述任务
格式混乱	格式说明不足	提供模板或示例
内容遗漏	规则不完整	添加约束条件
推理错误	缺少思维链	要求先思考再回答
内容虚假	缺乏防幻觉设计	限制信息来源、允许说不知道
风格不符	角色设定弱	加强角色描述
篇幅失控	没有长度限制	添加字数约束

迭代优化的实战案例

场景：代码审查提示词

V1.0 - 初始版本

请审查这段代码，找出问题并给出建议。

测试发现：输出太随意，有时只说"代码不错"，有时又太啰嗦。

V1.1 - 添加角色

你是一位代码审查专家。请审查这段代码，找出问题并给出建议。

测试发现：稍微好一点，但格式还是不统一。

V1.2 - 添加格式要求

你是一位代码审查专家。请审查这段代码，按以下格式输出：

## 问题列表
1. [问题描述]

## 改进建议
- [建议内容]

## 评分
X/10分

测试发现：格式统一了，但问题分析不够深入。

V1.3 - 添加行为规则

你是一位资深代码审查专家，专注于代码质量、安全性和性能。

请审查以下代码，按格式输出：

## 问题列表
| 序号 | 问题 | 严重程度 | 位置 |
|------|------|----------|------|

## 改进建议
1. [具体建议，包含示例代码]

## 评分
X/10分，[一句话理由]

行为规则：
1. 指出问题的具体代码行
2. 严重程度分为：高/中/低
3. 改进建议要具体可执行
4. 关注安全漏洞、性能问题、代码规范

测试发现：质量明显提升，但偶尔会遗漏性能分析。

V1.4 - 最终版本

你是一位资深代码审查专家，专注于代码质量、安全性和性能。

请审查以下代码：

<code>
{代码内容}
</code>

按以下维度分析：
1. 安全性（SQL注入、XSS、敏感信息暴露等）
2. 性能（时间复杂度、内存使用、数据库查询效率）
3. 可读性（命名规范、注释、代码结构）
4. 健壮性（错误处理、边界检查、输入验证）

输出格式：
<security>
安全问题：[有/无]
[如有问题，列出详情]
</security>

<performance>
性能问题：[有/无]
[如有问题，列出详情]
</performance>

<readability>
可读性问题：[有/无]
[如有问题，列出详情]
</readability>

<robustness>
健壮性问题：[有/无]
[如有问题，列出详情]
</robustness>

<suggestions>
改进建议：
1. [具体建议]
2. [具体建议]
</suggestions>

<rating>
综合评分：X/10
一句话总结：......
</rating>

结果：经过4轮迭代，提示词已经相当成熟，输出质量稳定可靠。

提示词版本管理

为什么需要版本管理？

迭代过程中，你可能会改坏一些原本正常的东西。有版本记录，就能快速回退。

简单的版本注释法

在提示词文件开头添加版本信息：

# 提示词：代码审查助手
# v1.0 - 2024-01-10 - 初始版本
# v1.1 - 2024-01-15 - 添加角色设定
# v1.2 - 2024-01-20 - 添加格式要求
# v1.3 - 2024-02-01 - 添加安全分析维度，修复格式不稳定问题
# v1.4 - 2024-02-15 - 重构为XML标签格式，提升可读性

SYSTEM_PROMPT = """
你是一位资深代码审查专家...
"""

使用Git管理

如果项目用Git，可以把提示词文件纳入版本控制：

# 修改提示词
git add prompt.py
git commit -m "feat: 优化代码审查提示词，添加安全分析维度"

什么时候该停止迭代？

判断标准

1. 覆盖了所有测试用例 - 各种输入都能正确处理
2. 输出质量稳定 - 连续测试10次，结果都满意
3. 边际收益递减 - 继续优化的效果不明显了

不要过度优化

提示词不是越复杂越好。过度优化可能导致：

• 提示词难以维护
• Token消耗增加
• 引入新的问题

原则：够用就好，在满足需求的前提下保持简洁。

小结

迭代优化的核心要点：

阶段	关键动作
起草	写出第一版，不必追求完美
测试	用多种输入测试，覆盖边界情况
分析	诊断问题根源，不是只看表面
修改	针对问题调整，一次改一个问题
验证	回归测试，确保修改有效且没引入新问题

专业建议

建立一个"失败案例库"，把效果不好的测试用例记录下来。每次修改提示词后，用这些案例回归测试，确保问题不会复现。

提示词工程完整学习路线

恭喜你完成了提示词工程的全部学习！让我们回顾一下：

阶段	内容	核心技能
基础篇	结构、角色、Token、清晰表达	提示词基本功
进阶篇	角色设定、XML标签、格式控制、思维链、少样本、防幻觉	效果提升技巧
高级篇	提示词链、元提示、五段式架构、迭代优化	生产级应用

下一步

掌握了提示词工程后，建议你：

1. 在实际项目中练习这些技巧
2. 建立自己的提示词模板库
3. 继续学习 AI编程工具实战，掌握Cursor等工具的使用