实验简介:
提示词工程(Prompt Engineering)是与AI模型交互的艺术与科学。好的提示词能让AI生成更准确、更符合需求的内容。本实验先看对比示例，再把两条提示词真实地发给同一个模型比较结果，展示如何优化提示词获得更好的结果。
学习目标: 掌握提示词设计的原则和技巧，提升AI使用效率。
问题: 太模糊，没有明确主题、长度、风格等要求
优点: 明确了主题、受众、长度、风格、结构要求
问题: 缺少细节描述，生成结果不可控
优点: 详细描述了品种、颜色、姿态、光照、风格、质量
问题: 没有指定语言、算法、输入输出格式
优点: 明确语言、算法、代码规范、测试要求
选一组示例或自己改写，点击后两条提示词会分别发送给同一个 AI 模型（文字用语言模型，图像用文生图模型，图像使用相同随机种子），并排比较结果。
技巧: 让AI扮演特定角色
示例:
"你是一位有20年经验的资深Python开发工程师，请帮我..."
效果: AI会以该角色的视角回答，更专业准确
技巧: 提供几个输入输出示例
示例:
"将动物名转为emoji:
狗 →
猫 →
鸟 → ?"
效果: AI学习模式后准确输出
技巧: 要求AI展示推理过程
示例:
"请一步步思考并解释：如果一个披萨8片需要30分钟烤熟，那么16片需要多久？"
效果: 提升复杂问题的准确率
技巧: 将复杂任务拆分成子任务
示例:
"第一步：列出主要论点
第二步：为每个论点找支持证据
第三步：撰写完整文章"
效果: 结构更清晰，质量更高
技巧: 明确限制和要求
示例:
"要求：1) 不超过500字 2) 使用三段式结构 3) 避免专业术语 4) 包含至少2个类比"
效果: 输出更符合预期
技巧: 指定输出的格式
示例:
"以JSON格式输出，包含name、age、skills字段"
效果: 便于程序化处理
技巧: 明确不想要什么
示例:
"不要包含：重复内容、专业术语、超过800字"
效果: 避免常见错误
技巧: 基于输出不断改进提示词
示例:
"根据上一次生成的内容，增加更多细节描述"
效果: 逐步接近理想结果
技巧: 提供必要的背景信息
示例:
"背景：这是一个面向儿童的教育App。基于这个背景，设计..."
效果: AI理解场景，输出更贴合
"请为[产品/服务]创作[类型]，要求风格[风格描述]，目标受众是[受众特征]，核心信息是[关键点]，字数[数量]，格式[格式要求]"
"用[编程语言]实现[功能描述]，技术栈[框架/库]，需求：[具体要求列表]，请包含：1) 完整代码 2) 注释说明 3) 使用示例 4) 错误处理"
"分析以下[内容类型]，从[角度1][角度2][角度3]三个维度进行分析，每个维度提取[数量]个关键点，最后给出[结论类型]"
"请用[难度等级]的语言解释[概念]，面向[目标群体]，包含：1) 简单定义 2) 通俗类比 3) 实际例子 4) 常见误区 5) 延伸阅读"