提示词工程这东西，说白了就是你怎么跟大模型"说话"。同一套通义千问模型，有人用出来的效果堪比专家，有人用出来的像智障，差别全在提示词上。摩尔狮在阿里云认证培训这块做了好几年，接触的学员里十个有九个卡在这一步。
你可能觉得不就是写几句话嘛，有啥难的。但事实是，提示词写得好不好，大模型输出的质量差距能到3到5倍。这不是夸张，OpenAI和阿里云的百炼平台都出过相关测试报告，同一个问题用不同提示词，准确率从30%能拉到85%以上。
今天咱们就拆5个核心技巧，都是实操层面能直接上手的。
第一个，角色设定。你让大模型干活之前，先给它一个身份。比如你要写技术方案，别直接说"帮我写个方案"，而是说"你是一个有10年经验的云架构师，请帮我设计一个高可用方案"。就这么一个角色设定，输出的专业度和细节程度立马不一样。百炼平台上的应用编排里，第一步就是设系统角色，道理一样。
第二个，少样本学习。你光描述需求，模型有时候理解不到位。给它看几个例子，它就懂了。比如你要它做文本分类，给它3到5个"输入-输出"的示例，准确率能提升40%以上。这个在通义千问的API调用里通过messages参数传几轮对话就能实现。
第三个，思维链（Chain of Thought）。遇到复杂问题，别让模型直接给答案，而是让它一步步推理。你在提示词末尾加一句"请一步一步分析"，或者更具体地引导它"先分析需求，再列方案，最后给结论"。这招在逻辑推理和数学计算类任务上效果特别明显，阿里云PAI平台上的模型评测里也验证过这一点。如果你对PAI机器学习平台感兴趣，可以看看这篇百炼平台搭建AI助手的实操，里面有相关内容。
第四个，结构化输出。你要模型返回结构化数据，就得明确告诉它格式。比如"请以JSON格式返回，包含字段：title、summary、keywords"。模糊指令只会得到模糊结果。通义千问支持json_object和json_schema两种模式，后者能严格约束字段类型，在对接下游系统时特别有用。
第五个，迭代优化。提示词不是一次写好的，得测了改、改了再测。你拿同一批测试用例跑不同版本的提示词，对比输出效果，不断微调。百炼平台提供了Prompt评估功能，可以批量测试提示词效果，省去手动一个个验的功夫。
这5个技巧看着简单，但真正在项目里用起来，组合效果非常明显。做AI应用开发，提示词工程是最基础的功夫，后面还有RAG、Agent编排这些更高级的玩法。
如果你打算系统学大模型开发，考个认证也是个不错的路径。大模型ACA和ACP认证怎么选这篇分析得比较细，可以参考一下。
更多阿里云认证资讯，请关注公众号：摩尔狮云证通