Prompt Engineering Secrets 🧠 1.3 Prompt Engineering：给机器的说明书

•

🧠 1.3 Prompt Engineering：给机器的说明书 "The hottest new programming language is English." —— @karpathy 在开发早期，很多人觉得 Prompt 是玄学。但在 BibiGPT 的生产实践中，它是一门严谨的上下文工程学科。今天揭秘让 AI 从“能用”变“好用”的三大核心武器。👇 Thread x.com/Jimmy_JingLv/status/2004030112677949751

1/ 🎯 Few-Shot Prompting：举一反三的力量 LLM 本质是模式补全引擎。 Don't tell, show. (不要只说，要演示) 给 AI 1 到 3 个 Input/Output 示例，比写 100 行繁琐规则更有效。它能教会 AI 你的标准、语气和输出格式。

2/ 🛠️ BibiGPT 实战：ASR 纠错处理视频字幕时，AI 容易过度修正。我们用 Few-Shot 告诉它： • 修正 React Hooks 大小写 ✅ • 保留口语化的 "gonna" ✅ • 去除 "um, uh" 冗余词 ✅ 规则不需要写死，AI 自己会领悟模式。

3/ 🎞️ Chain of Thought (CoT)：让 AI 慢下来思考 AI 逐个 Token 生成，就像人说话一样，不思考容易“嘴瓢”。强迫模型先生成推理过程（Internal Thought），再给结论。在 BibiGPT 中，深度摘要通过 Analyze -> Extract -> Synthesize 路径生成。拒绝流水账，直击重点。

4/ 🕵️ ReAct (Reason + Act)：推理与行动的闭环这是 AI Agent 的基石。 AI 不再是被动回答，而是主动调查： • 发现信息过期？-> 调用搜索工具。 • 需要实时数据？-> 查询数据库。让 AI 具备时效性和真实性。

✅ 总结：Prompt 是与模型的协议 • Few-Shot：解决“懂不懂” • CoT：解决“深不深” • ReAct：解决“准不准” 下节课：**1.4 Structured Output**。我们将探讨如何让 AI 乖乖吐出 JSON 数据，真正接入业务系统。 #BibiGPT #PromptEngineering #AI #FullStack #IndieHacker