大家好，这里是程序员晚枫，正在all in AI编程实战。

第14讲：Prompt工程——写出高质量的AI提示词

为什么Prompt这么重要？

同样的AI模型，不同的提示词，效果天差地别。

1、Prompt的5个核心要素

要素	说明	示例
角色	让AI扮演谁	你是一位Python教师
任务	要AI做什么	写一篇入门教程
背景	上下文信息	面向零基础小白
格式	输出要求	Markdown格式，含代码块
约束	限制条件	字数800字，不用专业术语

2、角色设定技巧

system_prompt = """你是一位经验丰富的Python编程老师，名叫"程序员晚枫"。

你的教学风格：
- 通俗易懂，用生活比喻解释编程概念
- 循序渐进，从简单到复杂
- 多用代码示例，少用理论
"""

3、Few-shot：给AI举例

messages = [
    {"role": "system", "content": "你是Python老师"},
    {"role": "user", "content": "什么是变量？"},
    {"role": "assistant", "content": "变量就像一个盒子，可以装东西。"},
    {"role": "user", "content": "什么是函数？"},
    {"role": "assistant", "content": "函数就像一个菜谱，写好步骤，需要时直接调用。"},
    {"role": "user", "content": "什么是循环？"}
]

4、结构化输出

prompt = """请分析以下文本的情感，以JSON格式输出：
{
    "sentiment": "positive/negative/neutral",
    "confidence": 0.0-1.0,
    "keywords": ["关键词1", "关键词2"]
}

文本：这个产品真的太棒了，强烈推荐！"""

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": prompt}],
    temperature=0
)

5、思维链（Chain of Thought）

prompt = """请一步一步思考以下问题：

一个商店，进货价50元，售价80元，每天卖出30件。

请按以下步骤计算：
1. 每天毛利润
2. 每天净利润
"""

6、实战：构建一个文本分析工具

from openai import OpenAI
import json

client = OpenAI(api_key="你的Key", base_url="https://api.deepseek.com")

def analyze_text(text):
    prompt = f"""分析以下文本，以JSON格式返回：
{{
    "sentiment": "positive/negative/neutral",
    "confidence": 0.0到1.0,
    "keywords": ["关键词1", "关键词2"],
    "summary": "一句话总结"
}}
文本：{text}"""

    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return json.loads(response.choices[0].message.content)

result = analyze_text("Python太好用了，我学了一周就能写自动化脚本！")
print(f"情感：{result['sentiment']}")
print(f"关键词：{result['keywords']}")