mafeifan 的编程技术分享

Appearance

提示词的基本结构 ​

一个完整的高质量 Prompt 通常包含 4 个部分：

角色 + 背景 + 任务 + 输出格式

你是一名资深 DevOps 架构师。

背景：
公司使用 GitLab + AWS + Kubernetes。

任务：
设计一套 GitLab CI/CD pipeline，实现：
1. build
2. security scan
3. deploy

要求：
给出 YAML 示例。

输出格式：
1. 架构说明
2. pipeline 示例
3. 注意事项

技巧 ​

1. 技巧：固定模板（强约束输入结构） ​

角色：
背景：
任务：
约束：
输出格式：

举例

角色：你是资深 DevOps 工程师

背景：GitLab + AWS EKS

任务：生成 CI/CD pipeline

约束：
- 必须包含 build / scan / deploy
- 使用 helm

输出格式：
1. 架构说明
2. gitlab-ci.yml
3. 风险点

2. 技巧：强制结构化输出 ​

请严格按 JSON 输出：
{
  "steps": [],
  "risk": [],
  "yaml": ""
}

为什么有效

  • 模型本质是“补全文本”，不限制就会发散
  • 结构化可以直接接 API / 自动化

3. 技巧：显式步骤分解 ​

请按以下步骤执行：

  1. 分析需求
  2. 设计方案
  3. 输出代码

为什么有效

  • 强化中间推理链（降低错误传播）
  • 对复杂问题显著提升正确率

4. 技巧：用例驱动 ​

示例：

输入：部署 nginx
输出：<yaml>

输入：部署 redis
输出：<yaml>

现在输入：部署 mysql

为什么有效

  • 模型是“模式匹配器”
  • 示例 > 抽象规则

5. 技巧：显式边界 ​

如果不确定，请回答“不知道” 不要编造

为什么有效

  • 默认模型倾向“编合理答案”
  • 明确允许“不知道”可降低幻觉

6. 技巧：角色 + 经验年限 + 场景 ​

你是一名拥有10年经验的 Kubernetes 架构师

为什么有效

  • 激活更专业的语料分布
  • 输出更偏“专家风格”

7. 技巧：把杂乱输入转结构 ​

❌ 原始：

帮我看看这个系统有问题，AWS EC2 CPU很高然后服务不稳定

✅ 优化：

问题：
- EC2 CPU 持续 90%+
- 服务间歇性超时

环境：
- AWS
- Kubernetes

目标：
定位原因并给解决方案

为什么有效

  • 减少模型“理解成本”
  • 提升分析质量

8. 技巧：限制范围 ​

只回答与 Kubernetes 相关内容 不要扩展到其他领域

  • 请给出最标准答案（不要发散）
  • 请提供多个不同方案 （想要更发散）

为什么有效

  • Transformer 容易“联想扩散”
  • 约束能提高聚焦度

9. 技巧：让模型自己 review ​

请检查你的答案：

  1. 是否有错误
  2. 是否遗漏步骤

为什么有效

  • 相当于“二次推理”
  • 实测能减少低级错误

10. 分层 Prompt（工程级最佳实践） ​

  • System Prompt（全局规则）
  • Developer Prompt（业务逻辑）
  • User Prompt（用户输入）
System
你必须输出结构化 YAML，不允许解释性废话

Developer
生成 Kubernetes deployment

User
部署 nginx，2副本

总结 ​

Prompt 工程本质是：把“模糊问题”变成“结构化指令”

可以记住这 4 个关键词：

结构化 + 约束 + 分步 + 示例

常见问题 ​

为什么很多模型将提示词分为系统提示词（system prompt）和用户提示词（user prompt） ​

类型作用优先级
System Prompt定义行为规则最高
User Prompt当前任务中
历史对话上下文低

区分 system 和 user，本质是把“模型控制权”从用户手里拿回来，交给系统。

高级技巧 ​

11. 链式思考（Chain of Thought） ​

请一步步思考：
1. 首先分析问题
2. 然后列出可能的方案
3. 最后给出推荐方案和理由

为什么有效

  • 强制模型展示推理过程
  • 提高复杂问题的准确率
  • 便于发现逻辑错误

12. 负面提示（Negative Prompting） ​

请设计 CI/CD 方案

不要：
- 使用已废弃的工具
- 包含硬编码密钥
- 忽略安全扫描

为什么有效

  • 明确禁止项比隐含要求更有效
  • 避免常见错误

13. 温度控制建议 ​

不同任务适合不同温度参数：

任务类型推荐温度说明
代码生成0.2-0.3需要精确性
架构设计0.5-0.7需要创造性
文档翻译0.1-0.2需要准确性
头脑风暴0.8-1.0需要多样性

14. 上下文窗口管理 ​

当对话过长时：

总结前面的讨论：
- 已确定使用 GitLab CI
- 目标环境是 AWS EKS
- 需要集成 Trivy 安全扫描

现在继续：设计 deployment 策略

为什么有效

  • 避免上下文丢失
  • 保持对话聚焦

实战案例 ​

案例1：生成 Kubernetes 配置 ​

❌ 低质量提示：

帮我写个 k8s 配置

✅ 高质量提示：

角色：Kubernetes 配置专家

任务：生成 production 级别的 nginx deployment

要求：
- 3个副本，资源限制 CPU 200m，内存 256Mi
- 健康检查：HTTP /health，端口 80
- 滚动更新策略：maxSurge 1，maxUnavailable 0
- 添加必要的 labels 和 annotations

输出：完整的 YAML，包含注释

案例2：故障排查 ​

❌ 低质量提示：

pod 起不来怎么办

✅ 高质量提示：

问题：Pod 一直处于 CrashLoopBackOff

环境：
- Kubernetes 1.28
- AWS EKS
- 应用：Java Spring Boot

现象：
- kubectl logs 显示 OOMKilled
- 当前资源限制：memory 512Mi

请提供：
1. 可能的原因分析
2. 排查步骤
3. 解决方案（包含 YAML 配置调整）

案例3：代码审查 ​

角色：资深 DevOps 代码审查员

任务：审查以下 Dockerfile

审查维度：
1. 安全性（基础镜像、用户权限）
2. 性能（层缓存、镜像大小）
3. 最佳实践（多阶段构建、.dockerignore）

输出格式：
- 问题列表（严重程度：高/中/低）
- 优化建议
- 改进后的 Dockerfile

Dockerfile：
[粘贴代码]

常见陷阱 ​

陷阱1：过度依赖模型 ​

❌ 错误做法：

直接把生成的 YAML 用于生产环境

✅ 正确做法：

1. 生成配置
2. 人工审查
3. 在测试环境验证
4. 逐步推广到生产

陷阱2：提示词过于复杂 ​

保持简洁：

  • 一次只问一个核心问题
  • 避免嵌套多层条件
  • 复杂任务拆分为多轮对话

陷阱3：忽略版本差异 ​

请明确版本：
- Kubernetes 1.28（不是 1.20）
- Helm 3.x（不是 Helm 2）
- GitLab CI 最新语法

提示词模板库 ​

模板1：技术方案设计 ​

角色：[技术领域]架构师，[X]年经验

背景：
- 技术栈：[列出关键技术]
- 规模：[用户量/数据量/并发]
- 约束：[成本/时间/合规要求]

目标：设计[具体系统/功能]

必须包含：
1. 架构图（文字描述）
2. 技术选型及理由
3. 关键风险点
4. 实施步骤

输出格式：Markdown，包含代码示例

模板2：故障诊断 ​

问题：[一句话描述]

环境：
- 基础设施：[云平台/版本]
- 应用栈：[语言/框架/版本]
- 监控数据：[CPU/内存/日志关键信息]

已尝试：
- [操作1]：[结果]
- [操作2]：[结果]

请提供：
1. 根因分析（按可能性排序）
2. 验证步骤（可执行的命令）
3. 解决方案（临时 + 长期）

模板3：代码生成 ​

语言/框架：[Python/Go/Shell/YAML]

功能：[具体描述]

输入：[数据格式/参数]
输出：[期望结果]

约束：
- 必须包含错误处理
- 添加必要注释
- 遵循[PEP8/Go规范]风格

请提供：
1. 完整代码
2. 使用示例
3. 测试用例（如适用）

工具推荐 ​

Prompt 管理工具 ​

  • LangChain：Prompt 模板管理和链式调用
  • PromptLayer：Prompt 版本控制和 A/B 测试
  • OpenPrompt：开源 Prompt 工程框架

测试和优化 ​

bash
# 使用不同 Prompt 对比效果
for prompt in prompt_v1.txt prompt_v2.txt; do
  echo "Testing: $prompt"
  cat $prompt | llm-cli --model gpt-4 --temperature 0.3
done

其他 ​

提示词市场 ​

https://promptbase.com/

https://prompthero.com/

  • 提供图像和视频的提示词

学习资源 ​

  • OpenAI Prompt Engineering Guide：官方最佳实践
  • Anthropic Prompt Library：Claude 优化提示词集合
  • Learn Prompting：系统化教程网站

持续改进 ​

建立 Prompt 知识库：

project/
├── prompts/
│   ├── k8s-deployment.md
│   ├── ci-cd-pipeline.md
│   └── troubleshooting.md
└── README.md  # 记录哪个 Prompt 效果最好