「提示词工程」（Prompt Engineering）听起来很高大上，核心其实很简单：把需求说清楚，让模型在有限步数内逼近你要的输出。下面四条是我日常用得最多、也最容易复制给新手的习惯。
1. 说清楚「你是谁、写给谁」
在开头用一两句定义角色与受众，输出风格会稳定很多。
例：你是一名技术博客编辑，读者是有 Python 基础的工程师，请用简洁中文解释什么是向量数据库，避免营销话术。
2. 用约束代替形容词
少说「写得好一点」，多说长度、格式、必须包含/禁止的内容。
例：不超过 300 字；分三点列出；每点不超过两行；不要出现「颠覆」「赋能」等空泛词。
3. 给一个「好例子」（Few-shot）
若格式复杂，与其长篇描述，不如贴一段你满意的样例，请模型「按同样结构」生成。
4. 迭代，而不是一次赌对
第一次不满意时，把问题具体化：「第二点太笼统，请补充一个具体场景」「把第三段改成更口语」。
没有万能模板；不同模型、不同温度设置下，同一提示词表现也会变。把上面四条当成检查清单，比收藏一百条「神提示词」更有用。
若你已经在用 IDE 里的 AI 补全，可以把「当前文件路径 + 相关函数签名」一并贴进对话，上下文越完整，胡编概率越低——这和写 RAG、写长对话是同一套逻辑：信息给够，模型才站得稳。