MENTAL MODEL · M10036
提示工程
Prompt Engineering
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
设计有效的提示词(Prompt)以获得更好的AI输出：- 清晰的指令- 适当的上下文- 示例引导- 约束条件
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
与AI有效沟通。提示的质量决定输出的质量，提示工程是新时代的核心技能。（合并：提示词工程、提示词框架、提示链）
anchor
锚定快速决策
LLM是条件生成：输出分布由prompt强烈塑造。清晰指令、上下文、示例（few-shot）、约束共同收窄“意图空间”，使模型更可能采样到目标输出。质量取决于把模糊需求翻译为模型可执行的明确条件。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Prompt_engineeringverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型