如何使用本教材
本书适合谁
本书是一本面向 AI 产出质量负责人的教材。具体对象包括：每周用模型制作相同格式报告的策划人员、需要批量润色品牌文案的营销人员、必须从长篇资料中提取依据的研究人员、管理团队共用提示词模板的负责人，以及即将通过 API 接入功能、在接入前负责设计工作的从业者。这些人有一个共同点：他们必须做出的，不是“某一次表现出色的结果”，而是“每一次都能保持相近质量的结果”。
提示词与上下文工程师（PCE）属于黄带课程。学习本课程的前提是具备白带（AI 素养）水平的基本功，并且已经在实际工作中使用生成式 AI 至少三个月。本书的写法力求让不懂代码的人也能读懂，不过，在出现 API 名称和参数的地方，会先解释概念，再附上官方文档中的准确写法。这样做是为了让非开发人员也能用与开发人员相同的语言，交流有关设计的决策。本书不涉及模型训练和基础设施搭建。
通读本书并完成实操后，你应当能够做到以下五点。
- 设计明确写出任务目标、约束和成功标准的指令。
- 用示例、结构化标签和输出格式提高结果的一致性。
- 在上下文预算内编排长文档、对话和工具结果。
- 用评估标准和测试集验证提示词的修改。
- 诊断并修正遗漏指令、格式错乱、过度泛化等失败模式。
本书结构
正文共五章，顺序与考试领域一致。第 1 章讲指令，第 2 章讲示例与格式，第 3 章讲指令以外的资料，第 4 章讲一次调用无法完成的任务，第 5 章讲如何确认修改是否真正带来改善。各章可以单独阅读，但也会相互引用，例如第 1 章的成功标准会衔接到第 5 章的评分量表。
每章都由相同的十节组成。
| 章节单元 | 作用 |
|---|---|
| 学习目标 | 学完本章后应当能够做到的事 |
| 引言 | 用一个小故事说明本章为何必要 |
| 核心概念 | 逐一解释考试范围内的知识与技能 |
| 深入阅读 | 分析取舍、例外和失败 |
| 工作场景 | 虚构组织解决问题的过程 |
| 易错点 | 看似合理却错误的想法 |
| 要点速览 | 全章汇总表 |
| 查阅官方文档 | 可以阅读原文的地方 |
| 自测 | 6～8 道检查理解的题目 |
| 实操练习 | 两项 30～60 分钟的实操 |
附录 A 是术语表，附录 B 是自测答案与解析，附录 C 是考试当天指南，附录 D 是本书引用的官方文档列表。
考试概览
| 项目 | 晋级考核 | 免费练习题组 |
|---|---|---|
| 题数 | 30 题 | 10 题 |
| 时限 | 45 分钟 | 20 分钟 |
| 合格标准 | 原始分 70 分以上 | 无 |
出题比例为：
| 章 | 领域 | 比例 |
|---|---|---|
| 第 1 章 | 指令设计 | 25% |
| 第 2 章 | 示例与结构化 | 20% |
| 第 3 章 | 上下文工程 | 25% |
| 第 4 章 | 推理与多步骤任务 | 15% |
| 第 5 章 | 评估与改进 | 15% |
题目有五种形式。所有形式都按整题计分，部分答对不得分。
| 形式 | 作答说明 | 计分 |
|---|---|---|
| 单选 | 从 4～5 个选项中选出一个正确答案 | 选对才得分 |
| 多选 | 从 5～6 个选项中选出 2～3 个 | 必须选全正确项且不选任何错误项才得分 |
| 陈述判断 | 对 3～4 条包含判断及其理由的陈述分别选择 Yes/No | 只有判断和理由均正确才选 Yes，所有陈述均答对才得分 |
| 排序 | 将 4～5 个步骤按顺序排列 | 整体顺序准确才得分 |
| 匹配 | 将左侧项目与右侧选项配对 | 所有配对均正确才得分，可能有一个多余选项 |
题目是这样的
每道题都从一家虚构公司或团队遇到的具体情境开始。情境描述之后是一个问题，不能遗漏的条件以粗体标出。例如，如果附有“只改变指令方式”这一条件，那么后处理或更换模型这类指令之外的解决办法，即使效果很好，也不可能是正确答案。如果附有“不增加延迟”，那么只提高质量却很耗时的方案就会被排除。一半以上的题目都属于这种需要权衡两个及以上条件的判断型题目。题目的设计是：加粗的某个条件一旦改变，正确答案也随之改变。因此，与其死记关键词，更应能清楚解释“为什么在这个条件下要做这个选择”。
错误选项并不是随手编造的句子，每一个都包含实际工作中常见的一种误解：以为强调了模型就会遵守，以为上下文窗口大就可以什么都往里放，以为同一个答案反复出现就是事实，以为平均分上升就代表改善，等等。各章的“易错点”汇集的就是这些误解。只要能说清错误选项错在哪里，同一类的新题也能答对。完成练习题组后，复习界面可以查看每个选项的解析和依据文档，即使是答对的题目，也请读一读解析，检查自己的判断依据。
六周学习计划
以每天 40 分钟、每周 5 天为准。只用聊天界面和电子表格即可完成实操；如果可以使用 API，建议再通过 API 重复同样的练习。
| 周次 | 阅读范围 | 实操 | 检查 |
|---|---|---|---|
| 第 1 周 | 使用方法，第 1 章核心概念 | 第 1 章实操练习 1 | 第 1 章自测 1～4 |
| 第 2 周 | 第 1 章其余部分，第 2 章 | 第 1 章实操练习 2，第 2 章实操练习 1 | 完成第 1 章自测，做一次免费练习题组 |
| 第 3 周 | 完成第 2 章，第 3 章前半部分 | 第 2 章实操练习 2，第 3 章实操练习 1 | 第 2 章自测 |
| 第 4 周 | 第 3 章其余部分 | 第 3 章实操练习 2 | 第 3 章自测 |
| 第 5 周 | 第 4 章，第 5 章前半部分 | 第 4 章两项实操练习 | 第 4 章自测，第二次免费练习题组 |
| 第 6 周 | 第 5 章、附录、全面复习 | 第 5 章两项实操练习 | 第 5 章自测、附录 C、模拟考核 |
要点
每次实操后，把成果收集到同一个文件夹或文档中。各项练习前后衔接，第 1 章修改的提示词可以成为第 5 章实操的评估对象。六周结束后，你会留下一套自己的提示词，以及验证它的测试集。
表述与出处原则
- 核对日期。 产品功能、参数、限制和支持时间表，已于 2026 年 10 月 20 日根据各公司的官方文档重新核对。附录 D 按供应商列出了核对过的全部页面。
- 原则优先。 AI 产品的名称和功能变化频繁。本书尽量避开模型版本号、价格等很快过时的信息，以多年后依然适用的设计原则为重点。只在特定模型上成立的内容会用“在部分最新模型中”等表述标明范围。
- 保留原名。
output_config.effort、reasoning.effort、max_tokens等产品与 API 名称不翻译，保留原始写法。概念术语首次出现时会同时给出中文含义。 - 虚构组织。 工作场景和实操中出现的公司与机构均为虚构，与真实企业或客户无关。
- 地址变更。 Anthropic 开发者文档的现行地址为
platform.claude.com/docs，OpenAI 开发者文档为developers.openai.com/api/docs。旧地址也会跳转至新地址，但本书所有链接均采用新地址。