一、角色定位：给AI一个明确的“人设”

# 关键语法  
你是一位[领域]专家 / 请以[风格]口吻回答  

# 示例  
• 技术场景：  
  “你是一位拥有10年经验的Linux系统架构师，请分析以下服务器配置的瓶颈：”  
• 创作场景：  
  “请以科技专栏作者的严谨口吻，撰写一篇关于量子计算的科普短文”  

作用：定向激活AI的领域知识库与语言风格，避免泛泛而谈。

---

二、任务指令：必须具体、可执行

# 关键语法  
你的任务是：[动词开头的具体动作]  

# 示例（对比优化）  
× 模糊指令：“说说Python的优点”  
√ 明确任务：“列出Python在数据分析领域的3个核心优势，每点用一行代码示例说明”  

避坑：任务越模糊，AI越容易“自由发挥”。

---

三、上下文背景：给AI提供“思考素材”

# 关键语法  
背景：[关键信息] / 目标用户：[群体特征] / 相关数据：[具体数值]  

# 示例  
“背景：我司开发了一款面向中小企业的CRM系统，目标用户是IT预算有限的运营经理。核心需求是简化销售流程跟踪...”  

原理：没有背景的Prompt如同让AI“蒙眼答题”。

---

四、输出规范：掌控结果的每一处细节

控制维度	写法示例	作用
格式	输出Markdown表格	结构化呈现
长度	总结成3个bullet points	防止冗余
重点	突出性能优化方案	聚焦核心
避雷	避免提及竞品名称	规避敏感内容
风格	用技术文档的客观语气	统一调性

---

五、分步思考（Chain of Thought）：破解复杂问题

# 关键语法  
请逐步推导：[问题]  
→ 步骤1：先做X  
→ 步骤2：基于X的结果计算Y  
→ 步骤3：综合X+Y得出结论  

# 技术场景示例  
“请分析这段SQL的查询效率：  
1. 解析WHERE条件的索引使用情况  
2. 检查JOIN语句的执行顺序  
3. 提出优化后的SQL语句”  

价值：让AI展示逻辑链，方便人类复核与调试。

---

六、示例驱动：最精准的需求传达

# 关键语法  
参考以下示例的[结构/风格]：  
[粘贴你的示例]  

# 代码场景示例  
“请按如下格式生成Python单元测试模板：  
```python
# 示例开始
def test_add_function():
    assert add(2, 3) == 5, \"2+3应返回5\"
    assert add(-1, 1) == 0, \"负数相加异常\"
# 示例结束
```”

---

七、迭代优化：把AI变成你的“协作者”

第一轮输出后，用增量指令修正：

# 修正方向          | 示例指令  
提高专业性 →        “请补充IEEE论文中引用的相关算法理论”  
简化表达   →        “将这段描述压缩到50字以内，保留参数定义”  
调整架构  →        “改用微服务架构重新设计该系统流程图”  
验证可靠性 →        “请交叉验证该结论的参考文献来源”  

---

附：技术人专属技巧

1. 善用系统级设定（如OpenAI的system prompt）：
   始终以LaTeX格式输出数学公式，代码块标明语言类型
2. 参数调优（平台支持时）：
   temperature=0.3 → 输出更确定性（适合代码/文档）
   top_p=0.9 → 平衡创意与稳定性
3. 安全机制：
   请在回答末标注‘本结果需人工验证’

---

实战案例：技术方案设计Prompt

角色：你是一位云架构师  
任务：为电商平台设计高可用架构方案  
背景：  
- 日均PV 1000万，大促期间流量增长5倍  
- 当前痛点：MySQL主库CPU常超80%  
- 技术栈：AWS, Kubernetes, Redis  
输出要求：  
1. 用Mermaid语法绘制架构图  
2. 列出3个核心优化点（含实施优先级）  
3. 预估改造成本周期  
避雷：不推荐闭源商业中间件  

---

核心心法：
“把AI当作刚入职的聪明工程师——你需要明确需求、提供上下文、验收交付物”
用好这套方法论，可解决技术写作、系统设计、代码生成等场景90%的需求。建议保存本文为Prompt模板库，随用随取！

CSDN特供提示：在技术社区提问时，按此框架组织Prompt，回答质量显著提升！