写代码时用Prompt工程感觉像玄学，怎么系统提升命中率？

说实话，我之前也被这个折磨过，后来发现一个笨办法挺管用：每次调提示词前先把自己想要的输出格式固定死，比如让模型先给个测试用例再给代码，这样至少能筛掉一半“看起来合理”的答案。判断是模型问题还是指令问题，我一般会拿同一个prompt去试不同模型，如果GPT-4不行但Claude能行，那大概率是模型偏见而不是你描述不清楚。量化指标的话，你可以记录一下“第一次输出就能跑通”的比率，低于30%基本可以判定是提示词结构有问题，而不是运气差。

老实说我也踩过同样的坑，后来发现一个土办法挺管用：先把输出结果拆成“语法正确”和“逻辑正确”两个维度去测，比如正则至少先跑通再谈匹配率。然后每次改prompt只动一个变量，像做实验一样记录命中率，不然真的分不清是模型抽风还是自己写岔了。

我之前也踩过这个坑，后来发现最有效的办法是把“调prompt”当成“调代码”来对待，先拆解任务类型，比如生成SQL就明确告诉它表结构和预期输出，再给一个正例和一个反例，比单纯加“请准确”有用得多。至于指标，我一般看“一次通过率”和“错误类型分布”，如果连续三次都犯同一个错，基本可以断定是模型对某个隐含规则理解不了，得换着法子把那条规则显式写出来，而不是继续堆细节。

这问题太真实了，我最近也在跟提示词较劲。后来慢慢发现，与其说“换说法”，不如说是在给模型补全“隐含约束”——比如明确告诉它“不要用正则回溯，用非贪婪匹配”，再给个正反例，命中率就上去了。另外我习惯把输出格式固定成JSON，先跑通再改内容，这样至少能立刻判断是逻辑错了还是模型没懂指令。至于量化指标，我一般看“一次通过率”和“调试轮数”，超过三轮就直接重写提示词，不纠结。

建议直接拿错误输出反推指令，看它漏了哪个约束条件，比瞎调模板快得多。