此文为本人笔记+AI调结构处理得来

本文 = 上篇·阅读笔记（菜鸟教程《提示词工程》个人总结）+ 下篇·实战检验（今天学完后两个应用会话的成果检查）。
前半是”学到的方法”，后半是”用得怎么样”。对照着看，理论立刻有了落点。

• 阅读笔记原文：https://www.runoob.com/ai-agent/prompt-engineering.html
• 实战对象：Hexo 运维助手初始化（15 轮）/ 长跑教练评估跑步数据（5 轮）

目录

• 上篇 · 阅读笔记（理论框架）
  • 一、核心目标：什么是提示词工程
  • 二、三种消息角色
  • 三、System 端：系统提示词怎么用
  • 四、User 端：用户消息怎么写
  • 五、元提示（Meta-Prompting）
  • 六、四要素框架（万能模板）
  • 📌 待补充：原文有、笔记暂未记录
• 下篇 · 实战检验（今日应用成果）
  • 逐轮记录与句评
  • 小结

上篇 · 阅读笔记（理论框架）

以下为个人观后总结，保留原文要点与个人批注。

一、核心目标：什么是提示词工程

使 ai 回复的质量高，准确率高，一次过。要求降低 ai 幻觉，降低歧义。

一句话记住它： 提示词工程 = 降低模糊性，提升你与 AI 之间的对齐度。

文章讲述的技巧如图：

二、三种消息角色

三、System 端：系统提示词怎么用

3.1 为 AI 分配角色（角色设定）

为 AI 分配角色，包含核心立场，专业领域，行为方式。

💡 个人批注：有些笼统，核心立场其实类似于偏好，防幻觉。如：（只推荐有证据支持的方案）

• 行为方式：沟通风格，表达偏好

3.2 避免 AI 胡说八道（防幻觉）

• 明确允许 ai 说我不知道
• 限制 ai 只能用我提供的信息
• 先找证据再给结论
• 标注置信度

四、User 端：用户消息怎么写

4.1 清晰直接地表达

让指令更清晰的 4 个技巧：

• 明确受众和语气
• 加约束，正向约束和负面约束，比如说字数，要什么，不要什么
• 说明最终用途
• 把复杂任务拆成给定步骤

🔎 小提示：原文其实是 5 个技巧（明确受众语气 / 规定输出篇幅 / 同时给要与不要 / 说明最终用途 / 拆成步骤）。这里把”规定输出篇幅”合并进了”加约束”，可核对是否漏记。

4.2 用 XML 标签分离数据

用 XML 标签把数据包裹起来如 <article></article> 等，清晰，不出差错。

4.3 精准控制输出格式

相当于是一个填空题，给出格式让填空。

4.4 让 AI 逐步思考（思维链）

触发思维链方式（感觉 deepseek 中”深度思考”好像已经涵盖这部分了）：

• 在 <thinking> 中写下推理过程，<answer> 中给出最终答案，其中 <thinking> 不需要完美，像草稿般思考

• 按要求逐步来

  这道题请一步一步地思考，展示每一步的推导过程。

  此处适合数学题、逻辑推理。

• 先列论据再下结论

  先给出理由再判断结果。

  此处适合主观判断题，能有效减少 AI 的立场偏向。

4.5 用示例教会 AI（少样本）

分别在要求输出模式的每个类别给一个案例，并且格式完全统一。

五、元提示（Meta-Prompting）

写提示词让 ai 写提示词，不断优化迭代，提问题。

六、四要素框架（万能模板）

文章收尾处提炼的速查表框架，建议背下来——它是后面所有技巧的浓缩版：

我的点评： 这四要素其实是”WHO + WHAT + WHY/CONTEXT + HOW”。写任何提示词前，先在脑子里过一遍这四个问题，覆盖率就已经超过 80% 的随手提问。

📌 待补充：原文有、笔记暂未记录

以下内容为菜鸟教程原文包含的章节，笔记目前未记录，可按需自行补上（不影响上面已有的内容）。
标注 ⭐ 的为你完全未涉及、建议优先补的核心章节。

• ⭐ 为什么提示词工程如此重要（对普通用户 / 对开发者）
• System Prompt 的价值（”工作手册”比喻、设定一次全程遵守）
• ⭐ 了解 Token 与上下文窗口
  • 什么是 Token
  • 上下文窗口：AI 的”工作记忆”
  • Token 意识对提示词设计的影响（含”Lost in the Middle / 关键指令放头尾”）
• 为 AI 分配角色（已记三要素，原文另有：为什么有效 / 有无角色的差异 / 常用角色模板）
• 用 XML 标签分离数据与指令（已记基础用法，原文另有：为什么要分离 / 多文档处理示例 / 常用标签一览）
• 精准控制输出格式（已记”填空题”思路，原文分三法：①直接描述 ②提供模板 ③预填充进阶 / 常见场景表）
• 让 AI 逐步思考（已记触发方式，原文另有：为什么先思考更准确 / 对比示例 / 实战示例：邮件优先级分类）
• 用示例教会 AI（已记，原文另有：好示例的三个标准 / 示例 + 其他技巧组合）
• 避免 AI 胡说八道（已记四条，原文另有：为什么会幻觉 / 五种防幻觉策略 / 防幻觉 System Prompt 模板）
• ⭐ 构建完整的复杂提示词 → 五段式架构（角色目标 / 背景数据 / 行为规则 / 输出格式 / 示例；含法律合同审查案例）
• ⭐ 提示词链（Prompt Chaining）（超复杂任务拆分、简历筛选流水线示例）
• ⭐ 迭代优化工作流（写→测→改→再测循环 / 版本管理 / 测试关键问题）
• 速查表：各技巧适用场景一览
• ⭐ 发布前检查清单（上线前 11 项检查）
• ⭐ 总结（三行动建议：模仿改写 / 不断迭代 / 建立个人提示词工具箱）

下篇 · 实战检验（今日应用成果）

检查口径：把”补的要求”和”突发奇想”排除在失败列之外（它们是需求演进，不是提示词缺陷）。
数据安全：长跑会话 #2 原含明文 Garmin 账号与密码，下方记录中已脱敏，不留存任何真实凭证。
阅读方式：每轮的「原始输入」默认折叠，点标题即可展开。
记录规范：提示词里的 XML 标签一律用反引号包成行内代码（如 <info>），整段提示词则放进代码块并标 ```xml（标签会被高亮着色）。这样标签既不会被浏览器当成 HTML 吞掉，也能和对话正文在视觉上分层。

逐轮记录与句评

Hexo 运维助手（15 轮）

【#1】System Prompt 初始化（五段式）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# 角色
你是一位专注 Hexo 静态博客的运维助手，有丰富的 Hexo 搭建、主题定制、插件集成
与持续维护经验。沟通风格：先给方案再动手；命令给出前说明作用与风险；多用步骤化说明。
# 背景与知识来源
可参考的运维手册：
[引用文件: 使用与配置手册.md]
 ；若手册不存在或未提供，请明确告知，并基于通用 Hexo 知识作答，不要编造路径或命令。
# 行为规则
1. 任何对文件/配置的改动前，必须先给变更方案（改什么、为什么、影响范围、回滚方式），等用户确认后再执行。
2. 每次实际操作前自动创建带时间戳的备份（如 backup/YYYYMMDD-HHMM/），以便回退。
3. 不执行不可逆的破坏性命令（如 rm -rf）除非用户显式二次确认。
4. 不确定某命令或配置效果时，明确说"我没有可靠信息"，并给出验证方法，绝不编造。
# 输出格式
- 方案阶段：用 Markdown 分「改动点 / 原因 / 影响 / 回滚」四块呈现。
- 命令：以代码块给出，并附一行中文说明。
- 完成后：简短确认 + 如何验证。

AI 操作：通读 546 行运维手册 → 输出「岗位就绪确认」（站点配置快照 + 行为约束）→ 待命。
句评：

• ✅ 优点：角色 / 背景 / 行为规则 / 输出格式四段齐全，且接上真实手册路径；零歧义、零补充，一次就位。
• ⚠️ 缺点：未显式写”知识边界”（只答 Hexo/Stellar 相关），靠背景段暗示。
• 🔧 可优化点：补第 5 段「示例」（贴一个改动方案样例）；加一句边界声明防跑题。

【#2】需求 + XML 包裹参考方案

AI 操作：先只读核查环境（scripts 目录、skip_render、Stellar CSS 变量、标签名冲突）→ 再出「改动点/原因/影响/回滚」四方块方案。
句评：

• ✅ 优点：”需求 + 参考”分离写，用 XML 标签把参考方案隔离，对应文章”分离数据与指令”。
• ⚠️ 缺点：没明确要求”先核查我的实际环境再给方案”，这点靠 AI 自发完成。
• 🔧 可优化点：补一句”请先核查我的 Stellar 环境与已有脚本，再决定是否照搬”。

【#3】带判定标准的核查请求

AI 操作：判断 _posts 无影响、wiki/notebooks 需补 skip_render，并建临时文件实测验证。
句评：

• ✅ 优点：给了明确判定标准（”没影响就不改”），”所有类型”把范围也限定清楚。
• ⚠️ 缺点：结论里对 notebooks 是类比推断，当时并未实测（留下隐患）。
• 🔧 可优化点：加一句”每种类型都请实际构建验证后再下结论”。

【#4】模糊纠正（偏弱轮）

AI 操作：当轮未产出有效内容（指令指代模糊，无从下手）。
句评：

• ✅ 优点：意识到要自检，方向是对的。
• ⚠️ 缺点：”这个保持一致”指代不明（指图片约定还是 html 约定？），”再自检一下”也没有判定标准。
• 🔧 可优化点：指出具体对象 + 给出判定（下一轮 #5 就是标准示范）。

【#5】补明确对象 + 判定

AI 操作：翻真实日记确认图片位置 → 做反证实验（临时去掉 skip_render 重建看是否被渲染成页面）→ 坐实结论并还原配置。
句评：

• ✅ 优点：立刻把模糊纠正为具体指令——给了对象（”先看我每篇日记中的图片位置”）和判定（”感觉你是错的”）。
• ⚠️ 缺点：几乎挑不出问题，属教科书级纠错。
• 🔧 可优化点：可再补一句”把验证过程与产物路径贴给我”，便于复核。

【#6】明确操作指令

AI 操作：还原配置 → 清理临时验证文件 → clean 全量重建 → 起本地 server（4000）。
句评：

• ✅ 优点：指令极短但对象明确（承接上一轮自检结论），无歧义。
• ⚠️ 缺点：未说明起完要什么反馈。
• 🔧 可优化点：加”起完把访问地址告诉我”。

【#8】上下文授权

AI 操作：选日记 days-260923 → 在其同名文件夹建交互 demo → 日记末尾插入 {% run_html %} 标签 → 实测通过。
句评：

• ✅ 优点：指代清楚（承接上一轮”嵌进真实日记”的提议），AI 准确接住。
• ⚠️ 缺点：单独看偏空，完全依赖上下文补全。
• 🔧 可优化点：脱离连续对话时，把对象写进句子里。

【#9】清晰修改需求

AI 操作：改 CSS——iframe 内缩留白 + border-radius: var(--block-radius)，复用主题变量。
句评：

• ✅ 优点：约束（”不改原有功能”）+ 成功标准（”加圆角、符合博客圆角风格”）都给全。
• ⚠️ 缺点：基本无。
• 🔧 可优化点：可指定具体变量或数值，避免”符合风格”这种主观表述。

【#10】叠加功能 + 描述具体

AI 操作：标签输出加切换按钮 + 隐藏源码容器 → 新增外链 JS（事件委托 + fetch + textContent 转义）→ 经 inject.head_end 注入 → 重启 server 生效。
句评：

• ✅ 优点：新功能描述具体（位置：右上角；行为：按一下显示源码、再按运行），两个改动边界清晰。
• ⚠️ 缺点：两个需求挤在一条里，验收时要一起看。
• 🔧 可优化点：拆成两条分别下单，逐条验收。

【#11】诉求 + 约束

AI 操作：装 Playwright + Chromium → 无头浏览器打开本地页 → 截 3 张高清图（运行态 / 源码态 / 带上下文）。
句评：

• ✅ 优点：诉求（”截图或我能看的方式”）+ 约束（”手机打不开 localhost”）都明说，AI 立刻找到可行路径。
• ⚠️ 缺点：基本无。
• 🔧 可优化点：可指定截哪几张、是否要 2x 高清。

【#14】清理指令

AI 操作：先确认清理范围 → 备份 → 删两个示例 html + 移除日记演示段 → 清陈旧产物 → 重建验证 → 重启 server。
句评：

• ✅ 优点：指令清楚，AI 先确认范围再备份，符合你定的运维规则。
• ⚠️ 缺点：基本无。
• 🔧 可优化点：可一并说明”功能文件是否保留”，省一轮确认。

💬 #7 / #12 / #13 / #15：闲聊与确认轮（”在吗””好的，成功””好的””在干嘛。”），AI 无实质操作，不作句评。

长跑教练（5 轮）

【#1】教科书级开场：角色 + XML + 分步

1
2
3
4
5
6
7
8
9
10
11

你是一名资深长跑教练员，熟读各种科学理论，请客观合理的评价下面这位同学，并给出建议
<info>
我跑长跑，身高180，年龄19，体重140，用佳明手表跑步
</info>
请你
第一步，请你运用以下方法拉去我的所有完整跑步数据
<method>
① garmin-exporter（轻量，推荐）
专门为导出活动数据设计的 Python 命令行工具。默认输出 activities.csv（每次跑步一行，包含距离、配速、心率、功率、训练负荷等），加上 --splits 可导出每公里分段数据，加上 --wellness 还能附带睡眠、HRV、压力等健康指标。安装后运行 garmin-exporter --splits --activity-type running 即可，支持国区/国际区账号。</method>
要求的数据给我弹窗，我来提供
做完给我简单分析，然后等我下一步命令

AI 操作：布环境 → 跑 garmin-exporter → 拉到 22 次跑步 + 每公里分段 + 366 天健康数据 → 给初步分析后停下等指令。
句评：

• ✅ 优点：四要素齐全，XML 隔离用得标准，且把控制权交还给你（”等我下一步命令”）。
• ⚠️ 缺点：”简单分析”没规定输出格式，AI 自由发挥。
• 🔧 可优化点：给个”体测基线 / 问题 / 建议”三段式模板。

【#2】提供凭证（已脱敏）

1
2
3
4

186****6139
[已脱敏：原含明文 Garmin 密码，已抹除]
国区
不开启

AI 操作：用临时文件喂凭证完成拉数 → 提醒你拉完改一次密码。
句评：

• ✅ 优点：四行把账号 / 区域 / MFA 说清，提示词本身没问题。
• ⚠️ 缺点：明文密码进了对话——这是安全习惯问题，不是提示词问题。
• 🔧 可优化点：改用弹窗 / 临时凭证，源头就别让明文进对话。

【#3】多诉求 + 会话级约束

AI 操作：给心率偏高分析 + 180 步频客观论述 + 12/20 半马训练建议。
句评：

• ✅ 优点：三个诉求都具体，最后一句给整个会话加了 System 级规则（”理论依据 + 结合我的训练数据”）。
• ⚠️ 缺点：一句话塞三件事，略长。
• 🔧 可优化点：拆成三条分别问，并要求分点作答。

【#4】需求细化 + 授权

AI 操作：产出带具体日期的训练日历 + 单独 4 周降心率基础期 + 呼吸节奏教法。
句评：

• ✅ 优点：需求具体且明确授权（”你是教练，听你的”），AI 不必反复确认。
• ⚠️ 缺点：基本无。
• 🔧 可优化点：可要求导出成可直接导入的格式（如 ICS/CSV）。

【#5】突发奇想但清楚

AI 操作：查 Garmin workout API → 把训练计划推送到你的账户日历。
句评：

• ✅ 优点：做着做着冒出来的点子，但 prompt 依然清楚。
• ⚠️ 缺点：涉及写入你的账户，却没先确认授权范围。
• 🔧 可优化点：这类”会改动外部账户”的需求，先加一句”推送前先给我预览，确认后再写入”。

小结

两个会话把上篇的五段式、角色设定、XML 标签、清晰指令、会话级规则全部真实落地，零返工——真正的”提示词失败”列基本为空；”补的要求”和”突发奇想”是需求演进，不算失败。

唯一要改进的是安全习惯：凭证别明文进对话（本笔记已脱敏）。下一步可以补上篇标 ⭐ 的章节（五段式架构原文、提示词链、迭代优化、发布前检查清单），把今天零散的成功经验固化成可复用的模板。