Prompt 提示词的基本结构包括哪些部分？
- 标签：Prompt、提示词结构
🏛 业务架构师
提示词的基本结构，业界共识是六段式（可按需裁剪）：
- 角色（Role）："你是一位资深税务顾问"——锚定知识域、语气与视角。价值：缩小模型的"人格空间"，输出更聚焦；
- 指令/任务（Instruction）：要做什么、判断标准是什么——提示词的核心，要像需求文档一样无歧义（输入是什么、输出要什么、按什么标准）；
- 上下文（Context）：业务背景、受众、渠道约束——模型不懂你的业务，背景给足才不会"通用化跑偏"；
- 示例（Examples/Few-shot）：输入-输出样板——锁格式、示范边界行为（含拒答样例），比文字描述更有效；
- 输入数据（Input）：本轮要处理的变量内容，用分隔符与指令隔离（防注入+防混淆）；
- 输出格式（Output Format）：结构要求（JSON Schema、Markdown 结构、长度限制）——下游程序解析的契约。
结构设计的两个原则：稳定部分在前、动态部分在后（配合 Prompt Caching 省钱）；每段用分隔符（XML 标签）划界（模型遵循更稳）。
业务视角的认知：提示词结构本质是"给 AI 的工作说明书"——与人打交道中沉淀的"岗位说明书怎么写"（职责清晰、标准明确、有样例参考）经验完全通用。我建议团队维护统一的提示词模板（六段式骨架+分隔符规范），业务变化的只是 2、3、5 段内容——模板化后提示词质量下限大幅抬升，这是提示词工程"组织能力化"的关键一步。
🏗 系统架构师
Prompt 基本结构 = 六个功能分区，顺序有讲究（attention 对首尾敏感）：
- 角色定义（Role）：设定身份与专业域——"你是资深数据库专家"。作用：激活相关知识与语气，收敛行为边界；
- 任务指令（Task/Instruction）：明确做什么——核心动词前置（分析/生成/抽取），量化标准（"200 字内"、"输出 JSON"）。这是 Prompt 的宪法，放最前；
- 上下文/背景（Context）：任务依赖的背景信息、领域知识、对话历史、检索资料——数据类内容用分隔符包裹（安全 + 结构清晰）；
- 约束条件（Constraints）：禁止事项、边界（"不要编造数据"、"仅依据资料回答"）——负面约束配合正面指令双保险；
- 输出格式（Output Format）：结构契约——JSON Schema、Markdown 模板、示例。格式示例比文字描述有效（模型模仿示例的能力强于理解描述）；
- 示例（Few-shot Examples，可选）：输入输出对，钉住格式与判断标准——放末尾靠近输出位置（示例与输出相邻，模仿效应最强）。
布局的 attention 逻辑：关键指令放开头（首部高注意力）+ 重要约束在结尾重申（尾部高注意力）——首尾是"注意力高地"，中部放资料等可检索内容。
架构提醒：稳定分区放前缀吃 Prompt Cache（角色+格式+示例），动态内容（上下文+用户输入）后置；模板字段化（变量注入）而非手拼——这六个分区就是我团队的标准模板 schema。
💻 全栈开发专家
我按功能把 Prompt 拆成六个标准部分（生产模板结构）：
1. 角色定义 —— 你是谁：身份、专业领域、服务对象
2. 任务指令 —— 做什么：明确的动作动词（分析/生成/抽取/改写）
3. 上下文 —— 依据什么：背景资料、数据、检索文档（不可信内容隔离标记）
4. 约束条件 —— 边界在哪：禁止事项、长度限制、安全红线、优先级规则
5. 输出格式 —— 长什么样：结构模板、JSON schema、示例格式
6. 示例 —— 照着谁学：few-shot 1~3 个，覆盖正常+边界情况各部分要点（工程经验）：
- 角色不是装饰——角色激活对应的语域和知识分布（「你是资深 DBA」和「你是客服」对同一问题的答法完全不同）；
- 指令要单句可执行（「抽取以下字段并输出 JSON」），一 prompt 一任务，多任务拆链；
- 上下文放中后段、指令相关的放靠前/靠后（首尾注意力高，中段易丢）；不可信内容强制标签包裹；
- 约束用动词短语可校验（「不得超过3条」），形容词（「简洁」）效果差；
- 格式给「字面模板」比描述强一百倍；结构化需求直接上 JSON Schema 约束解码；
- 示例是最强杠杆：一个边界示例（拒答/异常）胜过三条约束。
裁剪原则：不是每条 prompt 都六件全配——简单任务「指令+格式」即可，要素按需增加；但顺序保持稳定（角色→指令→上下文→约束→格式→示例），稳定结构本身提升服从度，也利于前缀缓存。