- 任务表达
- 输出约束
START WITH A QUESTION
同样让助手写摘要，为什么结果差别很大？
“帮我总结一下”没有告诉助手读者是谁、哪些信息必须保留，也没有说允许补充外部知识。写出的摘要可能很漂亮，却漏掉截止日期或把推测写成事实。
提示是你交给生成系统的任务说明。好的提示让要求更明确，但不保证模型完全遵守。应使用稳定的样例和检查表检验改进，而不是只凭一次好看的回答判断效果。
BUILD YOUR VOCABULARY
先把三个概念讲清楚
任务与上下文
任务描述要做什么，上下文提供完成任务所需背景与资料。相关信息比冗长背景更重要。
面向新同事，从给定会议记录中提取待办。
约束与输出格式
约束规定不可做什么，格式规定结果如何组织。结构化格式有助于后续处理，但仍需要解析与字段校验。
只使用原文；输出负责人、事项、截止日期；缺失写未知。
示例与验收
示例展示期望行为，验收用固定规则和样例检查结果。示例太单一可能让模型只适应一种输入。
同时测试有日期、无日期和含相互冲突日期的记录。
FOLLOW THE PROCESS
把原理放进完整流程
- 01
写目标
明确用户要拿输出做什么，不把角色描述当作目标本身。
- 02
提供必要资料
用清楚的边界分隔资料与指令，避免把文档内容当成系统命令。
- 03
限定输出
规定字段、长度、缺失值与不确定性处理。
- 04
固定样例比较
更改一个要素后，检查相同样例的字段正确性和遗漏情况。
| 要素 | 改进前 | 改进后 |
|---|---|---|
| 目标 | 总结一下 | 从会议记录提取待办 |
| 依据 | 未说明 | 只使用给定记录 |
| 格式 | 自由发挥 | 事项、负责人、截止日期 |
| 缺失 | 未说明 | 未知，不补写 |
CHANGE ONE THING & OBSERVE
逐步完善一份任务提示
勾选上下文、格式、证据约束和缺失处理，观察提示文字与检查项如何变化。
总结一下。 资料：张宁负责核对清单，周五前提交。
这是提示构建器，没有生成模型输出。验证时应检查字段正确性、依据和缺失行为，而不是把要求数量当成模型效果分数。
KNOW THE LIMITS
哪些结论不能直接推出？
“你是专家”不能替代资料
角色设定可以影响表达，但不能自动提供企业制度或实时事实。
把文档内指令当任务
不可信资料可能含“忽略之前要求”等内容。应用需区分指令与数据，并限制权限。
READ, RUN & EXPLAIN
用模板组织一份清晰提示
以下示例仅使用 Python 3 标准库，可复制到本地 Python 环境运行。先看每一行的作用，再修改一个输入观察结果；无需网络或密钥。
record = '张宁负责核对清单，周五前提交。'
requirements = ['提取待办', '只使用资料', '缺失信息写未知']
prompt = '\n'.join(requirements)
prompt += '\n输出字段：事项、负责人、截止日期'
prompt += '\n资料开始\n' + record + '\n资料结束'
print(prompt)复制或下载只获取本课示例，不会自动执行。
逐行解释（6 行）
- 第 1 行
record = '张宁负责核对清单，周五前提交。'准备一段虚构会议记录，作为唯一资料。
- 第 2 行
requirements = ['提取待办', '只使用资料', '缺失信息写未知']把要求放进列表，便于维护和逐项检查。
- 第 3 行
prompt = '\n'.join(requirements)用换行连接要求。\n 表示换行字符。
- 第 4 行
prompt += '\n输出字段：事项、负责人、截止日期'追加明确的字段格式。+= 表示在现有文字后继续拼接。
- 第 5 行
prompt += '\n资料开始\n' + record + '\n资料结束'用边界标识资料，提醒读者区分要求与原文；它不是完整安全防护。
- 第 6 行
print(prompt)打印提示供审阅；这里不调用任何外部模型。
提取待办 只使用资料 缺失信息写未知 输出字段：事项、负责人、截止日期 资料开始 张宁负责核对清单，周五前提交。 资料结束
CHECK YOUR UNDERSTANDING
换一个角度，检查自己是否理解
已回答 0 / 3 题 · 当前答对 0 题
TAKE IT WITH YOU
带走三个判断，再做一次迁移练习
- 明确目标、必要上下文、约束和格式。
- 约定缺失处理，并检查模型是否遵守。
- 用样例评价提示，不能把提示当作事实或安全保证。
参考与延伸阅读
本课例子、代码和模拟数据为教学设计。以下一手文档用于延伸核对，不代表对本示例的认证。
- Python 官方教程：数据结构列表、集合与队列等示例语法参考。
- scikit-learn：模型评估评估指标与预测、决策的区别。
- IBM：检索增强生成检索与生成组合的进一步说明。
- NIST：AI 风险管理框架可靠性与风险管理的延伸阅读；不是特定项目的合规结论。