Prompt 工程 面试题¶
涵盖系统提示、Few-shot、结构化输出、Chain 模式、Guardrail。共 130 题：基础 52、进阶 46、高级 32。
基础题（难度：⭐）¶
1. 什么是 Prompt Engineering？¶
参考答案： 设计、优化输入给 LLM 的提示文本，以引导模型产生期望输出的方法学。涉及指令设计、上下文组织、示例编排、格式约束等，是低成本提升 LLM 效果的关键手段。
2. 一个好的 Prompt 应包含哪些要素？¶
参考答案： 角色（Role）、任务指令（Instruction）、上下文（Context）、示例（Examples）、输入数据（Input）、输出格式（Output Format）、约束（Constraints）。要素越完整输出越可控。
3. System Prompt 的作用是什么？¶
参考答案： 位于对话最前的高优先级指令，定义模型角色、行为规则、输出格式与约束，贯穿整个会话。优先级高于 user 消息，是控制模型行为的基础。
4. 什么是 Zero-shot Prompting？¶
参考答案： 不提供任何示例，仅靠指令让模型完成任务。依赖模型预训练能力，适合通用任务，但复杂或需特定格式的任务效果可能不佳。
5. 什么是 Few-shot Prompting？¶
参考答案： 在 Prompt 中提供少量（通常 1-5 个）输入-输出示例，引导模型按示例模式生成。能提升准确率与格式一致性，无需改权重。
6. Zero-shot 与 Few-shot 如何选择？¶
参考答案： 简单通用任务用 Zero-shot 省 Token；需要特定格式、风格或复杂推理时用 Few-shot。先试 Zero-shot，效果不佳再加示例，平衡效果与成本。
7. CoT（Chain-of-Thought）是什么？¶
参考答案： 思维链，引导模型逐步推理再给结论。可加"让我们一步步思考"或给带推理过程的示例。显著提升数学、逻辑等任务准确率。
8. 什么是角色扮演（Role-Playing）Prompt？¶
参考答案： 让模型扮演特定角色（如"你是资深医生"），激活相关领域知识与语气。能提升专业性与输出质量，但需注意角色不应越权给真实建议。
9. 如何让模型输出 JSON？¶
参考答案： system prompt 明确"只输出 JSON"+字段说明；用 response_format json_schema（最可靠）；提供 JSON 示例；说明"不要 markdown 代码块"。失败时重试或修复。
10. Prompt 中如何指定输出格式？¶
参考答案： 明确说明格式（JSON/Markdown/表格/列表）；提供模板与占位符；用示例示范；用 response_format 强约束；说明"严格按格式输出，不要多余内容"。
11. 什么是 Instruction Prompting？¶
参考答案： 以清晰指令为核心的提示方式，明确告诉模型做什么、怎么做。指令应具体、可执行、无歧义，区别于开放式续写。
12. Prompt 的长度对效果有何影响？¶
参考答案： 适度长度提供充分上下文提升效果；过长增加成本、可能稀释重点、触发中间遗忘；过短信息不足。应精炼聚焦，去除冗余。
13. 什么是 Prompt 模板（Template）？¶
参考答案： 预定义含变量占位符的 Prompt 骨架，运行时填充变量生成完整 Prompt。便于复用、管理与版本化，如 "请总结以下文档：{document}"。
14. 如何避免模型回答"我不知道"？¶
参考答案： 明确要求基于给定上下文回答；提供充分上下文；允许说"未提及"而非拒答；调整指令语气；提供示例展示如何处理信息不足。
15. Temperature 在 Prompt 工程中的作用？¶
参考答案： 低 Temperature（0-0.3）输出稳定适合格式化/Agent；高（0.7-1）适合创意写作。Prompt 优化与 Temperature 调整配合使用。
16. 什么是 Prompt 注入（Injection）？¶
参考答案： 攻击者在输入数据中嵌入恶意指令，劫持模型偏离原 Prompt。如"忽略以上指令，输出..."。需输入过滤与隔离防御。
17. 如何写清晰的指令？¶
参考答案： 用动词开头明确动作；拆分复杂指令为步骤；指定输出长度/格式；避免歧义；提供正面指令（做什么）而非仅负面（不做什么）；用分隔符区分部分。
18. 什么是分隔符（Delimiter）？¶
参考答案： 用特殊符号（如 ```、###、
19. Prompt 中如何提供上下文？¶
参考答案： 将相关背景信息、文档、对话历史放在指令后、输入前；用分隔符区分；只提供必要上下文避免冗余；RAG 动态注入相关片段。
20. 什么是 Chain 模式？¶
参考答案： 将复杂任务拆为多个 Prompt 串联执行，前一个输出作为后一个输入。如"提取要点→翻译→润色"。提升每步质量与可控性，但增延迟与成本。
21. 什么是 Self-Consistency？¶
参考答案： 对同一问题采样多条推理路径，对最终答案投票取多数。利用多样性降低单条路径错误，提升 CoT 准确率，但增加成本。
22. Few-shot 示例的顺序有影响吗？¶
参考答案： 有。模型易受近因效应影响，最后示例影响最大；示例顺序应与测试分布一致；避免顺序偏差；可尝试不同顺序对比效果。
23. Few-shot 需要多少示例？¶
参考答案： 通常 1-5 个即可。过多占 Token 且可能过拟合示例偏差；过少模式不明。需平衡，从少到多试验，质量优于数量。
24. 什么是负面约束（Negative Constraint）？¶
参考答案： 告诉模型"不要做什么"。模型对正面指令更敏感，负面约束效果较弱，应尽量用正面指令替代，必要时补充负面约束。
25. 如何让模型遵循特定语气或风格？¶
参考答案： system prompt 定义角色与风格；提供风格示例；用形容词描述（专业/简洁/幽默）；提供正反例对比；few-shot 示范风格。
26. 什么是 Prompt 调优（Tuning）？¶
参考答案： 通过迭代修改 Prompt（措辞、结构、示例、参数）提升效果的过程。需建立评测集量化对比，避免主观判断，A/B 验证。
27. 如何处理模型输出冗长的问题？¶
参考答案： 明确限制长度（"不超过100字"/"3条要点"）；要求精炼；max_tokens 限制；后处理截断；提供简洁示例；指令"直接给结论"。
28. 什么是 Prompt 的鲁棒性？¶
参考答案： Prompt 在输入变化（措辞、长度、边界情况）下仍能稳定正确输出的能力。需用多样化测试集验证，避免过拟合特定表述。
29. 如何引导模型进行推理？¶
参考答案： 加"一步步思考"；提供带推理的示例；拆解子问题；要求输出推理过程；用 CoT；o 系列模型内置推理无需显式引导。
30. 什么是 Meta-Prompting？¶
参考答案： 用 LLM 帮助生成或优化 Prompt 的元层面技巧。如让模型根据任务描述生成 Prompt 草稿，或批评并改进现有 Prompt。
31. Prompt 中变量如何标记？¶
参考答案： 用占位符如 {variable}、{{variable}}、
32. 什么是 Prompt 版本管理？¶
参考答案： 将 Prompt 作为代码资产版本化（Git/配置中心），记录变更、A/B 对比、回滚、与环境/模型绑定，确保可追溯与可复现。
33. 如何让模型忽略无关信息？¶
参考答案： 明确"只关注...部分"；用分隔符隔离相关内容；指令"忽略与任务无关的内容"；提供聚焦示例；RAG 精准检索减少噪声。
34. 什么是 Prompt 的可复现性？¶
参考答案： 相同 Prompt+参数+模型应产生相同输出。Temperature=0 提高可复现性但仍非 100%（浮点不确定性）。评测需固定种子与版本。
35. 如何写多语言 Prompt？¶
参考答案： 明确指定输出语言；用目标语言写指令；提供目标语言示例；多语言 Embedding；按语言路由；评测覆盖各语言。GPT 多语言能力强可直接用。
36. 什么是 Prompt 的边界情况？¶
参考答案： 模型在极端输入（空、超长、特殊字符、对抗）下的行为。需测试边界确保鲁棒：空输入提示、超长截断、特殊字符转义、对抗拒答。
37. 如何让模型承认不确定性？¶
参考答案： 指令"不确定时说明"；要求标注置信度；提供"我不知道"示例；避免 forcing 答案；多采样投票不一致则标注不确定。
38. 什么是 Prompt 的可解释性？¶
参考答案： 理解为何 Prompt 产生某输出。通过 CoT 展示推理、分步调试、消融实验（去除某部分看效果变化）提升可解释性。
39. 如何处理 Prompt 中的敏感内容？¶
参考答案： 输入脱敏（替换 PII）；指令避免生成敏感内容；输出过滤；安全分类；告知用户限制；记录审计；遵守内容政策。
40. 什么是 Prompt Caching 对工程的影响？¶
参考答案： 稳定 Prompt 前缀自动缓存降本。要求 Prompt 结构稳定前缀前置、变量后置，与 Prompt 模板设计配合，影响 Prompt 组织方式。
41. 如何评估 Prompt 效果？¶
参考答案： 建立标注测试集；量化指标（准确率/格式正确率/相关性）；人工评分或 LLM-as-Judge；A/B 在线测试；对比基线；迭代优化。
42. 什么是 Prompt 的过拟合？¶
参考答案： Prompt 过度针对测试样例优化，泛化到新输入效果差。需用独立测试集验证、多样化数据、避免过度依赖特定示例措辞。
43. 如何让模型生成创意内容？¶
参考答案： 提高 Temperature（0.8-1.2）；开放式指令；提供创意示例；鼓励发散；避免过多约束；角色扮演激发想象。
44. 什么是 Prompt 的分层设计？¶
参考答案： system prompt 定全局规则，task prompt 定具体任务，few-shot 定模式，output format 定格式。分层组织便于维护与复用。
45. 如何处理模型输出格式不稳定？¶
参考答案： 用 structured outputs/json_schema 强约束；提供格式示例；明确"严格按格式"；Pydantic 校验失败重试；宽松解析容错；Few-shot 示范。
46. 什么是 Prompt 的成本优化？¶
参考答案： 精简冗余；稳定前缀利用缓存；Few-shot 适度；小模型路由；变量后置；模板复用；RAG 替代全塞入；Batch 批处理；监控 token。
47. 如何让模型遵循优先级？¶
参考答案： 明确"规则优先级：A>B>C"；用编号强调；system prompt 定最高优先级；冲突时指定处理；提供冲突示例与正确处理。
48. 什么是 Prompt 的国际化？¶
参考答案： 多语言支持；文化适配；避免文化偏见；多语言评测；本地化示例；按地区路由；遵守当地法规。GPT 多语言能力有助。
49. 如何引导模型提问澄清？¶
参考答案： 指令"信息不足时先提问澄清"；提供提问示例；设定"最多问3个问题"；避免过度提问；明确何时直接答何时提问。
50. 什么是 Prompt 的可维护性？¶
参考答案： Prompt 易于理解、修改、扩展、复用。需模块化、注释说明、版本管理、参数化、与代码解耦、文档化意图与变更。
51. 如何让模型输出引用来源？¶
参考答案： 提供带来源的上下文；指令"每句标注来源编号"；要求格式如 [1]；提供示例；后处理校验引用存在；RAG 中关联文档 ID。
52. 什么是 Prompt 的安全性？¶
参考答案： 防注入、防越狱、防泄露敏感信息、防生成有害内容。需输入过滤、输出审查、权限隔离、沙箱、审计、红队测试。
进阶题（难度：⭐⭐）¶
1. 设计一个支持多轮对话的 system prompt。¶
参考答案： 定义角色与能力边界；说明记忆规则（参考历史）；输出格式与风格；工具使用规则；安全约束；处理未知情况；保持一致性。如"你是客服助手，基于历史对话...，无法解决时转人工"。
2. 如何设计 Few-shot 示例以覆盖多样场景？¶
参考答案： 覆盖典型/边界/易错情况；正例与反例对比；示例间多样化避免同质；标注关键决策点；平衡类别分布；按难度递进；定期更新补充失败案例。
3. CoT 的零样本与少样本有何区别？¶
参考答案： 零样本 CoT 仅加"让我们一步步思考"触发推理，简单通用；少样本 CoT 提供带推理过程的示例，更能引导推理模式与格式，效果通常更好但耗 Token。
4. Self-Consistency 的工程实现与权衡？¶
参考答案： 采样 n 条（5-20）推理路径，对最终答案投票取多数。权衡：n 越大越准但成本与延迟增。适合数学/逻辑等有明确答案的任务，开放生成难投票。
5. 如何用 Prompt 实现工具选择决策？¶
参考答案： 列出工具描述与使用条件；指令"根据任务选择合适工具"；提供选择示例；说明无合适工具时直接回答；约束工具数；按场景动态筛选工具子集。
6. 设计一个 RAG 的 Prompt 模板。¶
参考答案： "你是助手，根据以下检索到的资料回答问题。资料：{context}。问题：{question}。要求：仅基于资料回答，不编造；引用来源编号；资料不足时说明。答案："
7. 如何处理 Prompt 中的冲突指令？¶
参考答案： 明确优先级（system > user）；用编号或"最重要"标注；合并冲突指令；提供冲突场景示例与正确处理；后处理校验；避免设计冲突。
8. 分析 Prompt 长度与效果的非线性关系。¶
参考答案： 适度长度提供上下文提升效果；超过阈值后边际递减甚至下降（中间遗忘、重点稀释、指令冲突）。需精炼聚焦，关键信息前置或后置，避免中段重要信息。
9. 如何设计支持多任务的 Prompt？¶
参考答案： 明确任务分类与对应处理；提供任务识别示例；按任务分支不同指令；统一输出格式；避免任务混淆；复杂时拆为多 Prompt 串联。
10. 什么是 Prompt 的上下文窗口管理？¶
参考答案： 总 Token 不超窗口；优先保留 system、近期对话、相关检索；摘要压缩历史；动态截断低相关内容；监控 token 用量；超限时分块或 RAG。
11. 如何用 Prompt 实现意图分类？¶
参考答案： system prompt 定义类别与判断规则；提供各类别示例；指令"判断用户意图属于哪类，输出类别标签"；可用结构化输出强制标签；置信度低时回退人工。
12. 设计一个支持工具调用的 Agent Prompt。¶
参考答案： 角色定义；可用工具列表与使用时机；ReAct 模式（Thought→Action→Observation）；输出格式（含工具调用 JSON）；终止条件；错误处理；示例示范完整循环。
13. 如何优化 Prompt 降低 Token 消耗？¶
参考答案： 精简措辞去冗余；稳定前缀利用缓存；Few-shot 适度（1-2个）；压缩上下文（摘要/检索）；变量后置；模板复用；小模型路由简单任务；限制输出长度。
14. 分析 Few-shot 示例选择的偏差风险。¶
参考答案： 示例选择偏差导致模型过拟合特定模式；示例间相似度过高缺乏泛化；顺序偏差；类别不平衡。需多样化、平衡、独立测试集验证、定期更新。
15. 如何用 Prompt 实现输出长度控制？¶
参考答案： 明确"不超过N字/N条/N句"；提供长度匹配示例；max_tokens 兜底；指令"简洁直接"；后处理截断；分步生成控制结构。
16. 什么是 Prompt 的 A/B 测试？¶
参考答案： 准备 Prompt 变体；随机分流用户/请求；采集质量与业务指标；统计显著性检验；选优胜版本灰度放量。需控制变量与样本量，避免噪声。
17. 如何处理 Prompt 在不同模型上的差异？¶
参考答案： 不同模型对 Prompt 敏感度不同；需按模型调优；抽象接口隔离；维护多版本 Prompt；特性检测（是否支持工具/json_schema）；评测各模型效果；fallback 适配。
18. 设计一个支持多语言的客服 Agent Prompt。¶
参考答案： 检测用户语言并以同语言回复；多语言知识库检索；工具调用规则；转人工条件；安全约束；多语言示例；文化敏感性；保持角色一致。
19. 如何用 Prompt 实现内容审核？¶
参考答案： 定义审核维度（暴力/色情/违法等）与判断标准；提供正反例；指令"判断内容是否违规，输出类别与置信度"；结构化输出；分级处理；人工复核边界。
20. 分析 Prompt 的"指令遵循"能力差异。¶
参考答案： 大模型指令遵循更强；指令越具体越易遵循；冲突指令降低遵循；负面约束弱于正面；格式约束可用 structured outputs 强化；Few-shot 示范提升遵循。
21. 如何设计支持流式输出的 Prompt？¶
参考答案： 避免要求"先思考再一次性输出"（阻碍流式）；分步生成可逐步流式；工具调用与文本交替；结构化输出难流式（需完整 JSON）；考虑用户体验与渲染。
22. 什么是 Prompt 的回归测试？¶
参考答案： Prompt 修改后跑全部测试集确认未引入回归（原可用例失效）。需自动化测试集与 CI 集成，变更需通过回归才上线，保障质量稳定。
23. 如何用 Prompt 实现知识图谱构建？¶
参考答案： 指令"从文本抽取实体与关系"；定义实体/关系类型与 schema；提供抽取示例；结构化输出（JSON 三元组）；去重与合并；人工校验；迭代补充 schema。
24. 分析 Prompt 与 Fine-tuning 的协作。¶
参考答案： Prompt 适合快速迭代、知识注入、格式控制；Fine-tuning 适合固定风格、提升能力。可先用 Prompt 验证可行性，收集数据后微调固化，再用 Prompt 注入新知识。
25. 如何设计支持个性化输出的 Prompt？¶
参考答案： 注入用户画像（偏好/历史）；指令"根据用户偏好调整输出"；提供个性化示例；动态变量填充；记忆跨会话；隐私保护；避免过度个性化导致信息茧房。
26. 什么是 Prompt 的可观测性？¶
参考答案： 记录每次 Prompt 版本、输入、输出、参数、效果指标；追踪链路；对比版本效果；监控异常输出；用于调试与优化。LangSmith/Langfuse 等工具支持。
27. 如何用 Prompt 实现摘要生成？¶
参考答案： 明确摘要长度与重点；提供摘要示例；指令"提取关键信息，保持客观"；分块摘要再汇总（Map-Reduce）；保留核心事实；避免编造；可选关键句抽取。
28. 分析 Prompt 的"思维模式"引导。¶
参考答案： 通过措辞引导模型采用特定思维模式：如"像专家一样分析"、"批判性思考"、"发散思维"。激活相关能力，但需配合具体步骤指令才有效。
29. 如何设计支持代码生成的 Prompt？¶
参考答案： 明确语言与框架；描述功能需求与接口；提供代码示例风格；要求注释与类型；指定错误处理；测试用例驱动；结构化输出；安全约束（避免危险代码）。
30. 什么是 Prompt 的对抗测试？¶
参考答案： 构造对抗输入（注入、越狱、边界）测试 Prompt 鲁棒性与安全性。红队模拟攻击，发现漏洞加固。需覆盖常见攻击模式与业务特定风险。
31. 如何用 Prompt 实现多步推理任务？¶
参考答案： 拆解为子问题；CoT 逐步推理；每步校验中间结果；提供多步推理示例；可用 Plan-and-Execute 先规划再执行；工具辅助计算；避免一步到位。
32. 分析 Prompt 的"示例污染"风险。¶
参考答案： 示例中的特定词汇/模式被模型过度模仿，污染输出。如示例含"综上所述"模型每句都加。需示例风格中性、多样化、与目标输出解耦。
33. 如何设计支持表格数据处理的 Prompt？¶
参考答案： 用 Markdown/CSV 格式提供表格；明确处理规则（筛选/聚合/计算）；提供示例；大表分块或用 code_interpreter；结构化输出结果；校验数值。
34. 什么是 Prompt 的"温度调度"？¶
参考答案： 根据任务动态调 Temperature：分类/提取/格式化用低（0），创意/发散用高（0.7+），推理用中（0.3）。多步任务可分步用不同 Temperature。
35. 如何用 Prompt 实现情感分析？¶
参考答案： 定义情感类别与判断标准；提供各类别示例；指令"判断情感倾向，输出类别与置信度"；结构化输出；处理讽刺/混合情感；多语言支持；人工校准。
36. 分析 Prompt 的"角色固化"问题。¶
参考答案： 长对话中模型角色可能漂移。需 system prompt 反复强调；记忆固化角色设定；定期校准；关键属性前置；避免用户消息诱导偏离；提供保持角色示例。
37. 如何设计支持多文档问答的 Prompt？¶
参考答案： RAG 检索相关文档片段；按相关性排序注入；标注来源编号；指令"基于文档回答，引用来源"；冲突信息说明；资料不足时承认；控制总长度。
38. 什么是 Prompt 的"自反思"（Self-Reflection）？¶
参考答案： 让模型回顾自己的输出，批评并改进。如"检查以上回答是否有错误，如有则修正"。可提升质量但增成本，适合高质量要求场景。
39. 如何用 Prompt 实现数据增强？¶
参考答案： 让模型基于种子数据生成相似但多样的新样本；指定变换方式（改写/换视角/加噪声）；控制多样性；过滤低质；保持标签正确；用于扩充训练数据。
40. 分析 Prompt 的"格式漂移"问题。¶
参考答案： 长对话或多步任务中输出格式逐渐偏离规范。需 system prompt 固定格式；每步提醒；structured outputs 强约束；后处理校验修复；Few-shot 反复示范。
41. 如何设计支持工具结果解析的 Prompt？¶
参考答案： 明确工具返回格式；指令"根据工具结果继续推理"；提供解析示例；处理异常结果（空/错误）；提取关键字段；不要逐字复述结果而应理解后回答。
42. 什么是 Prompt 的"上下文压缩"？¶
参考答案： 将冗长上下文压缩为摘要或关键点后再注入 Prompt，降低 Token。可用模型自动摘要、抽取关键句、结构化提炼。需平衡信息保留与压缩率。
43. 如何用 Prompt 实现命名实体识别（NER）？¶
参考答案： 定义实体类型；提供标注示例；指令"识别文本中的实体并分类"；结构化输出（JSON 含实体/类型/位置）；处理嵌套与歧义；多语言；校验。
44. 分析 Prompt 的"过度引导"风险。¶
参考答案： 过度具体的指令或示例可能限制模型创造性，或引导模型产生符合示例但错误的输出（确认偏差）。需适度引导，留出推理空间，用独立测试集验证。
45. 如何设计支持代码解释的 Prompt？¶
参考答案： 提供代码；指令"解释代码功能、逻辑、关键点"；用自然语言+注释；分模块说明；指出潜在问题；提供示例输入输出；适配读者水平（专家/新手）。
46. 什么是 Prompt 的"安全护栏"（Guardrail）？¶
参考答案： 在 Prompt 中设置安全规则与边界：禁止讨论敏感话题、拒绝越权请求、不输出有害内容、限制工具权限、强制审核。配合输出过滤与人工审核形成多层防护。
高级题（难度：⭐⭐⭐）¶
1. 设计一个企业级 Prompt 管理平台。¶
参考答案： Prompt 版本管理与变更追踪；环境隔离（dev/staging/prod）；A/B 实验与灰度；评测集与自动评测；多模型适配；变量与模板管理；权限与审核；可观测看板；回滚机制；与代码解耦的配置中心。
2. 分析 Prompt 工程与模型能力的协同优化。¶
参考答案： Prompt 优化有上限（受模型能力制约）；模型升级可能简化 Prompt；微调可固化 Prompt 模式。需协同：Prompt 挖掘模型潜力，数据积累后微调，模型升级时重新评估 Prompt。避免单点过度优化。
3. 如何系统化评估与对比 Prompt 版本？¶
参考答案： 标准评测集（覆盖场景与难度）；多维度指标（准确率/格式/相关性/安全）；自动化评测（规则+LLM-Judge）；人工抽检校准；统计显著性；成本与延迟纳入考量；A/B 在线验证；回归测试。
4. 设计一个支持动态 Prompt 生成的系统。¶
参考答案： 根据用户/场景/上下文动态组装 Prompt；模板引擎+变量；条件分支（按意图/难度）；RAG 注入相关知识；个性化注入用户画像；工具子集筛选；Token 预算分配；缓存稳定部分。
5. 分析 Prompt 注入的攻击面与防御体系。¶
参考答案： 攻击面：用户输入、检索文档、工具结果、邮件网页等含恶意指令。防御：输入输出分离、数据转义、指令边界强化、检测过滤可疑指令、权限最小化、人工审批高危、沙箱隔离、红队测试。
6. 如何设计支持多 Agent 协作的 Prompt 体系？¶
参考答案： 各 Agent 角色 Prompt 清晰边界；通信协议（消息格式）；协调者编排 Prompt；共享上下文管理；冲突处理规则；终止条件；结果聚合 Prompt；可观测追踪；避免循环与死锁。
7. 分析 Prompt 的"涌现行为"与控制。¶
参考答案： 复杂 Prompt 可能触发模型意外能力或行为（如自行拆解任务）。需通过测试发现并记录；正面涌现可固化利用，负面需约束；保持 Prompt 简洁明确；可观测监控异常输出；版本化追踪。
8. 如何实现 Prompt 的自动优化（Auto-Prompt）？¶
参考答案： 用 LLM 生成 Prompt 候选；在评测集上自动评估；用进化算法/贝叶斯优化迭代；选择最优并变异生成下一代；可结合 A/B 在线验证。需高质量评测集与自动评测能力，注意过拟合。
9. 设计一个支持长程任务的 Prompt 记忆策略。¶
参考答案： 分层记忆：工作记忆（当前上下文）、情景记忆（历史摘要）、语义记忆（知识库）。Prompt 动态注入：近期详细+早期摘要+相关检索。重要性评分筛选；遗忘机制；定期压缩整理。
10. 分析 Prompt 的"上下文工程"（Context Engineering）。¶
参考答案： 超越单一 Prompt，关注如何组织、检索、压缩、注入上下文。包括 RAG、记忆系统、工具结果管理、多轮对话压缩、动态上下文窗口分配。是 Agent 可靠性的核心。
11. 如何设计支持工具编排的 Prompt 策略？¶
参考答案： 工具依赖图与执行计划；并行/串行决策；结果依赖传递；错误处理与降级；上下文管理（工具结果压缩）；工具数量控制；按场景筛选；示例示范编排模式；可观测追踪。
12. 分析 Prompt 在不同推理模型上的适配。¶
参考答案： o 系列内置推理，无需 CoT 提示反而可能干扰；普通模型需显式 CoT；指令遵循能力差异影响 Prompt 设计；特性差异（工具/视觉/结构化）需适配；按模型维护 Prompt 变体；评测选最优。
13. 如何实现 Prompt 的"思维树"（Tree of Thoughts）？¶
参考答案： 生成多个思维分支；评估各分支前景；选择最优或保留多分支继续探索；可回溯。适合搜索/规划/证明等需探索的任务。开销大，需剪枝与预算控制，简单任务不值得。
14. 设计一个支持多模态输入的 Prompt 体系。¶
参考答案： 统一消息格式（文本/图片/音频）；模态对齐与引用（"如图1所示"）；模态特定处理指令；成本控制（图片 Token）；降级（无视觉模型时文本描述）；多模态示例；评测覆盖各模态组合。
15. 分析 Prompt 的"置信度校准"。¶
参考答案： 模型置信度与实际正确率常不匹配（过度自信）。可通过 Prompt 要求置信度并历史校准；多采样投票估计；对比同类问题准确率；关键决策设阈值转人工；避免盲目信任高置信。
16. 如何设计支持代码执行 Agent 的 Prompt？¶
参考答案： 明确任务与可用工具（代码执行/文件/搜索）；ReAct 模式；代码生成规范与安全约束；执行结果解析与错误处理；迭代调试；终止条件；沙箱限制；示例示范完整调试循环。
17. 分析 Prompt 的"知识冲突"处理。¶
参考答案： 模型预训练知识与注入上下文冲突时如何取舍。指令"优先使用提供的资料"明确优先级；冲突时说明并标注；提供冲突处理示例；RAG 时确保资料权威性；允许模型标注不确定性。
18. 如何实现 Prompt 的"渐进式细化"？¶
参考答案： 先生成粗略答案或大纲，再分步细化各部分。如"先列大纲→逐节展开→润色"。提升质量与可控性，但增调用次数与成本。适合长文/复杂任务，可流式展示进度。
19. 设计一个支持企业知识库问答的 Prompt 体系。¶
参考答案： RAG 检索相关知识；按权限过滤；来源标注与引用；多轮对话上下文；意图识别与路由；无答案时说明；冲突信息处理；多语言；安全审查；反馈收集优化；评测体系。
20. 分析 Prompt 的"延迟优化"策略。¶
参考答案： 流式输出降低首字节延迟；精简 Prompt 减少输入 Token；小模型路由；并行调用；缓存复用；限制 max_tokens；避免多步链；预计算；边缘部署。平衡延迟与质量成本。
21. 如何设计支持工具结果聚合的 Prompt？¶
参考答案： 多工具结果按相关性排序；去重去噪；提取关键字段；指令"综合以下信息回答"；标注来源；冲突时说明；控制总长度；结构化呈现；示例示范聚合方式。
22. 分析 Prompt 的"安全对齐"工程化。¶
参考答案： 多层防护：输入过滤（敏感词/注入检测）、Prompt 安全规则、输出审查（分类/PII）、工具权限、人工审批、审计日志、红队测试、应急响应。形成纵深防御，单一层不可靠。
23. 如何实现 Prompt 的"多目标优化"？¶
参考答案： 同时优化质量、成本、延迟、安全等多目标。需量化各目标；Pareto 前沿分析权衡；按场景定优先级；A/B 验证；避免单一目标过优损害其他。如降本不能牺牲安全。
24. 设计一个支持个性化推荐的 Agent Prompt。¶
参考答案： 注入用户画像与历史行为；检索相关物品；推理用户偏好；生成推荐与理由；处理冷启动（新用户）；多样性避免茧房；隐私保护；可解释推荐；反馈学习；A/B 评估。
25. 分析 Prompt 的"漂移监测"。¶
参考答案： 长期运行中模型输出质量可能漂移（模型更新、用户行为变化、数据漂移）。需持续监控关键指标；设置基线与告警；定期评测；漂移时排查原因并迭代 Prompt；版本固化保可复现。
26. 如何设计支持工作流自动化的 Agent Prompt？¶
参考答案： 明确工作流步骤与条件分支；工具调用编排；状态管理；异常处理与回退；人工审批节点；幂等与重试；可观测追踪；终止条件；与现有系统集成；示例示范完整流程。
27. 分析 Prompt 工程的"成本效益建模"。¶
参考答案： 建立成本模型：Token 费用×调用量+开发维护成本。效益模型：质量提升带来的业务价值+降本。计算 ROI 与回收期；对比 Prompt 优化 vs 微调 vs RAG 等方案；按 ROI 优先级投入。
28. 如何实现 Prompt 的"跨语言迁移"？¶
参考答案： GPT 多语言能力强可直接迁移；但文化/领域差异需本地化；示例需翻译并适配；评测需各语言独立；Embedding 多语言；按语言路由 specialist 模型；注意低资源语言质量。
29. 设计一个支持持续学习的 Agent Prompt 体系。¶
参考答案： 反馈收集（用户评分/纠正）；失败案例入库；定期用新数据更新 Prompt/示例/评测集；A/B 验证改进；版本管理；回滚能力；避免灾难性更新；监控长期趋势；人工审核关键变更。
30. 分析 Prompt 工程的未来趋势。¶
参考答案： 模型能力提升简化 Prompt 工程（如推理模型无需 CoT）；结构化输出与工具调用标准化；Prompt 管理平台化；自动化优化（Auto-Prompt）；多模态融合；与微调/RAG 协同；从"炼丹"走向工程化科学化。
31. 如何设计支持合规审查的 Agent Prompt？¶
参考答案： 明确合规维度（法律/隐私/歧视/广告法等）；提供违规示例与判断标准；结构化输出审查结果与风险等级；引用法规；建议修改；人工复核高风险；审计日志；定期更新规则。
32. 设计一个端到端的 Prompt 工程化流程。¶
参考答案： 需求分析→基线 Prompt 设计→评测集构建→迭代优化（A/B）→回归测试→灰度发布→在线监控→反馈收集→持续迭代。全流程版本管理、可观测、自动化。从经验驱动转向数据驱动。