Prompt Engineering从入门到精通

[角色]      → 你是一个资深Java开发工程师
[任务]      → 请审查以下代码，找出潜在问题
[上下文]    → 这段代码是订单服务的核心方法
[约束]      → 只关注安全和性能问题，不要管代码风格
[输出格式]  → 用表格输出，包含：问题描述、严重程度、行号、修改建议
[示例]      → 最好给一个输出样例

角色 + 任务 + 上下文 + 约束 + 格式 = 高质量输出

帮我写一段Python代码做数据清洗。

你是一个数据清洗专家。我需要一个Python函数，用于清洗电商订单数据。

任务：清洗包含以下问题的原始数据
- 空值和缺失值处理
- 日期格式统一（统一为YYYY-MM-DD）
- 金额格式清洗（去除货币符号，转为浮点数）
- 去除完全重复的行

上下文：原始数据是CSV格式，约有5万行，包含字段：order_id, amount, date, status, customer_name

约束：
1. 使用pandas库
2. 内存敏感，不要一次性加载全部数据
3. 保留清洗日志，记录每步处理了多少条数据
4. 返回清洗后的DataFrame和清洗报告

输出格式：完整的Python函数，包含详细的注释和docstring

# 弱
帮我优化一下这段SQL

# 强
你是一个有10年经验的DBA，擅长MySQL性能优化。
请审查以下SQL，从索引使用、执行计划、锁竞争三个维度给出优化建议。

# 弱
帮我看看这段代码有什么问题

# 强
这段代码是用户注册接口的核心逻辑，运行在生产环境。
当前问题：偶尔出现注册成功后无法登录的情况。
语言：Java 17
框架：Spring Boot 2.7
数据库：MySQL 8.0
请从并发安全、事务管理、异常处理三个角度审查。

请审查以下需求文档。
注意：
- 不需要评估技术可行性
- 不要讨论UI/UX设计
- 只关注业务逻辑的完整性和一致性

请逐步分析这个问题：
第一步：列出所有参与的服务和组件
第二步：分析正常情况下的数据流
第三步：分析可能的故障点
第四步：给出根因假设
第五步：验证假设的方法

请将以下用户反馈进行分类，类别包括：技术问题、产品建议、投诉、其他。

示例：
输入："APP打开就闪退，根本用不了"
输出：{"category": "技术问题", "sentiment": "负面", "priority": "高"}

输入："建议增加夜间模式，晚上看太刺眼了"
输出：{"category": "产品建议", "sentiment": "中性", "priority": "中"}

现在请分类：
输入："你们客服电话打不通，等了半小时没人接"

请用JSON格式输出，包含以下字段：
{
  "summary": "摘要（50字以内）",
  "issues": ["问题1", "问题2"],
  "recommendations": ["建议1", "建议2"],
  "risk_level": "high/medium/low"
}

不要输出任何其他内容，只输出JSON。

# 第一轮
请写一篇关于微服务的文章

# 第二轮（优化）
请写一篇面向技术管理者的微服务文章，重点讨论迁移成本和收益

# 第三轮（继续优化）
请把第三段"迁移成本分析"展开，包含：
- 团队培训成本（按15人团队估算）
- 基础设施改造成本
- 迁移期间的业务风险
- ROI计算模型

# 严谨分析
response = client.chat.completions.create(
    model="gpt-4",
    temperature=0.1,
    messages=[...]
)

# 创意写作
response = client.chat.completions.create(
    model="gpt-4",
    temperature=0.8,
    messages=[...]
)

请一步步推理以下问题：

阿里云某ECS服务器的CPU利用率持续在95%以上，
但监控显示该服务器上只运行了一个Nginx进程，
Nginx的CPU使用率只有20%。

请分析可能的原因。
过程（逐步推理）：
1. 首先...
2. 其次...
3. 然后...
4. 结论...

请先回答上面的问题，然后：
1. 审查你的推理过程，是否有遗漏的可能性？
2. 你的结论有多少把握（百分比）？
3. 如果需要更多信息来确证，需要什么信息？

请你先扮演"安全工程师"，再扮演"产品经理"，最后扮演"架构师"。
分别从这三个角色角度，评估"增加用户头像上传功能"这个需求，
并给出各自的意见和理由。

最后请作为项目经理，综合三个角色的意见，给出最终决策建议。

def ai_article_generator(topic):
    # Step 1: 生成大纲
    outline_prompt = f"生成一篇关于{topic}的技术文章大纲，4-6个章节"
    outline = call_llm(outline_prompt)
    
    # Step 2: 逐章展开
    full_article = ""
    for chapter in outline:
        chapter_prompt = f"基于以下大纲，撰写'{chapter}'章节的内容：\n{outline}"
        chapter_content = call_llm(chapter_prompt)
        full_article += chapter_content
    
    # Step 3: 润色合并
    polish_prompt = f"请润色以下文章，确保段落连贯、风格统一：\n{full_article}"
    final_article = call_llm(polish_prompt)
    
    return final_article

messages = [
    {"role": "system", "content": """
        你是一个代码审查助手。
        规则：
        - 只审查安全性和性能问题
        - 用中文回答
        - 用表格输出结果
        - 不确定的问题标记为"待确认"
    """},
    {"role": "user", "content": f"请审查以下代码：\n{code_snippet}"}
]

角色：资深{语言}工程师
任务：实现{功能描述}
上下文：
- 项目架构：{架构说明}
- 已有代码：{相关代码}
- 依赖框架：{框架名}
约束：
- 遵循{命名规范}命名规范
- 包含完整的异常处理
- 添加充分的日志输出
- 编写单元测试
输出：完整的代码文件

角色：数据分析专家
任务：分析以下数据，发现规律和异常
数据样本（前5行）：
{数据}
分析要求：
1. 数据质量评估
2. 关键趋势分析
3. 异常值检测
4. 相关性分析
5. 业务建议
输出格式：Markdown报告

角色：资深{系统}运维专家
现象：{错误描述}
环境：{系统版本/配置}
日志：{关键日志}
排查要求：
1. 可能的原因列表（按可能性排序）
2. 每个原因的验证方法
3. 修复建议（按风险排序）
4. 预防措施

PROMPT_VERSIONS = {
    "v1.0": "初始版本",
    "v1.1": "增加了格式约束",
    "v1.2": "优化了角色设定",
    "v2.0": "改为JSON输出格式",
}

def ab_test_prompt(task, prompt_a, prompt_b):
    result_a = call_llm(prompt_a.format(task=task))
    result_b = call_llm(prompt_b.format(task=task))
    
    # 让AI自己评价哪个更好
    eval_prompt = f"比较以下两个回答，哪个更好？为什么？\nA: {result_a}\nB: {result_b}"
    evaluation = call_llm(eval_prompt)
    
    return evaluation

prompt_templates/
├── code_review.yaml
├── bug_analysis.yaml
├── meeting_minutes.yaml
├── api_design.yaml
└── data_analysis.yaml