提示工程 Prompt Engineering

本文为编译原理课程配套的提示工程专项教学内容，讲解了如何进行有效的 Prompt Engineering，并在后续章节中提供 Task 1-4 的 Prompt Example。

一、提示工程简介

1.1 什么是提示工程

提示工程（Prompt Engineering） 是一门聚焦提示词设计、开发与优化的新兴学科，核心是通过标准化的输入设计，引导大语言模型（Large Language Model, 简称 LLM）输出符合预期的结果，是高效使用 LLM 的核心必备技能。

掌握提示工程，不仅能帮助我们深入理解 LLM 的能力边界与底层逻辑，更能充分释放其应用潜力，解决学习、开发中的各类实际问题。

1.2 提示工程的核心价值

提示工程的范畴并不局限于提示词本身的编写，还涵盖了与 LLM 交互、二次开发的全链路技能，是实现与 LLM 高效对接、深度理解模型能力的核心抓手，核心价值体现在：

1. 提升输出质量：通过精准的提示设计，大幅提升 LLM 输出的准确性、相关性与可用性；
2. 拓展模型能力：通过引入专业领域知识、对接外部工具，突破 LLM 的原生能力边界；
3. 保障输出安全：通过规范的提示设计，规避 LLM 的幻觉、错误输出等问题，提升结果可靠性。

1.3 提示工程在本课程中的应用

在本编译原理课程中，提示工程可帮助大家优化 LLM 在以下核心场景的表现，助力课程学习与实验完成：

• 编译原理核心知识点答疑、概念解析与原理推导；
• 词法分析、语法分析、中间代码生成等实验的代码编写、调试与优化；
• 实验代码的逐行解释、逻辑梳理与 bug 定位；
• 课程限定工具（flex/bison/antlr/LLVM 等）的使用指导与问题排查。

1.4【补充学习资料】 提示工程指南 | Prompt Engineering Guide

二、提示工程通用技巧

2.1 关注提示词四要素

一个完整、有效的提示词，必须包含以下四个核心要素，缺一不可：

要素名称	严谨定义
指令	明确告知模型需要完成的具体任务，是提示词的核心目标
上下文	补充任务相关的背景信息、约束条件与前置知识，引导模型精准响应
输入数据	本次任务需要模型处理的核心素材（如代码片段、文法规则、报错日志等）
输出指示	明确指定模型输出的格式、结构、篇幅与风格要求

2.2 从简到繁，逐步迭代

• 提示词设计是一个需要反复调试、持续优化的迭代过程，无需追求一次写完美；
• 建议从极简的核心指令起步，验证模型输出符合基础预期后，再逐步补充上下文、约束条件、输出要求等元素，持续打磨效果。

2.3 保证指令的具体性

• 提示词需清晰、详细地描述任务目标、预期结果与约束条件，包括输出的风格、格式、专业度要求，避免模糊、模棱两可的表述；
• 可通过补充 1-2 个输入输出示例（少样本提示），让模型精准对齐你的预期格式与标准；
• 需控制提示词的相关性，避免补充与本次任务无关的冗余信息，保证核心需求突出。

2.4 拆解任务，分步实现

• 对于编译原理实验这类多环节、高复杂度的任务，建议将其拆解为多个逻辑连贯、可独立完成的简单子任务，逐个解决；
• 避免一次性给模型下达过于复杂的全流程指令，防止出现逻辑混乱、输出不符合要求的问题。

三、编写 Meta-Prompt

我们可以将上述技巧告诉 AI，让 AI 帮我们写 Prompt。这种技巧能够充分发挥大模型提取信息、整理信息的超强能力，同时大幅降低我们构思复杂提示词的负担。

3.1 操作步骤

• 定义专家角色：首先赋予大语言模型“资深提示词工程师”的身份，让其主动调用该角色下的专业知识库与结构化思维模式；
• 输入目标与通用原则：明确告知模型你需要完成的具体任务（如代码调试、算法设计等），并将前文提到的“提示词通用技巧”（如四要素、具体性约束等）作为背景规则输入给它；
• 设置反向提问机制：不要让模型立刻生成最终的 Prompt，而是要求它先向你提问，主动帮你挖掘任务中容易遗漏的上下文、特定约束或输入数据格式；
• 多轮迭代输出：根据模型提出的问题提供补充信息，最终由模型为你生成一份结构严谨、可直接使用的高质量 Prompt 模板。

3.2 编译原理实验 Meta-Prompt 示例

在进行编译器相关的复杂实验时，你可以直接复制以下模板发送给模型。只需根据当前实验进度，替换大括号 {} 中的内容即可：

**指令：
你现在是一位精通提示词工程和编译原理的“资深 AI 提示词专家”。我需要你帮我设计一段高质量的提示词，用来引导另一个大语言模型帮我高标准地完成【编译原理课程的实验任务】。
**我的目标任务：**
我正在使用 C++ 编写一个小型的编译器，目前的进度是 {需要实现从词法分析到 LLVM IR 的中间代码生成与优化}。
**提示词设计要求：**
1. 生成的提示词必须结构化，包含清晰的四要素：核心指令、上下文约束、输入数据占位符（供我后续填入代码）、输出指示；
2. 提示词中必须要求模型在输出代码时，运用“分步拆解”的逻辑（例如：先分析数据结构，再梳理遍历逻辑，最后给出完整代码）；
3. 提示词需引导模型关注 C++ 的现代特性以及相关工具（如 LLVM API）的使用规范。
**你的执行步骤：**
1. **注意**：请不要直接帮我写编译器的代码。
2. **提问**：首先，请基于上述目标向我提问（不超过 4 个问题），以收集为了编写这份完美 Prompt 所必须了解的细节信息（例如我的 AST 节点基类定义、具体的 LLVM 版本等）。
3. **生成**：在我回答你的问题后，再输出最终设计好的 Markdown 格式的提示词。

与大模型对话几轮后，大模型会给你一个信息完备、充分打磨的 Prompt，你可以用这个 Prompt 来指导你完成实验。

接下来，我们举一个代码改写的例子

假设你在实现一个简单的词法分析器，但代码效率较低或风格不符合要求，你可以要求大模型改写代码，如下所示。

我有一个用 C 语言写的词法分析器片段，功能是识别小写字母作为标识符（ID）、数字作为数字（NUM），但存在以下问题：
1）使用 getchar() 逐字符读取性能低；
2）仅识别单个字符（如输入‘abc’输出‘ID: a’‘ID: b’‘ID: c’，而期望‘ID: abc’作为单个标识符）；
3）代码逻辑都在 main 中，缺乏模块化。

我希望你优化这段代码的性能（例如减少输入读取开销并支持多字符标识符和数字），并改写成逻辑清晰、结构简洁的版本。以下是原始代码：

#include <stdio.h>

int main() {
    char c;
    while ((c = getchar()) != EOF) {
        if (c >= 'a' && c <= 'z') {
            printf("ID: %c\n", c);
        } else if (c >= '0' && c <= '9') {
            printf("NUM: %c\n", c);
        }
    }
}

请输出优化后的完整 C 代码，包含以下要求：
1）添加详细注释，说明每个主要改动的原因和效果（如性能提升或功能增强）；
2）确保代码可运行并支持多字符 token（如‘abc’输出‘ID: abc’，‘123’输出‘NUM: 123’）；
3）如果可能，简要说明性能改进的原理。

代码解释

你有一个用 C 实现的 First 集合计算代码，但不理解其逻辑。

我有一个用 C 实现的 First 集合计算代码，用于 LL(1) 分析表构建。代码从产生式数组（如‘S=aA’表示 S -> aA，其中位置 0 为左部符号，位置 2 为右部首字符）中计算某个非终结符的 First 集合，但仅处理右部首字符为小写字母（终结符）的情况。例如，输入产生式 {‘S=aA’, ‘A=b’}，调用 first(‘S’, ...) 输出‘First(S) = a’。

我希望你逐行解释这段代码的实现逻辑（包括每个变量的作用和代码步骤的目的），并详细说明 First 集合在 LL(1) 编译器语法分析中的具体作用及其局限性。以下是代码：

#include <stdio.h>
#define MAX_PROD 10

void first(char symbol, char productions[MAX_PROD][10], int n, char *result) {
    int i, j = 0;
    for (i = 0; i < n; i++) {
        if (productions[i][0] == symbol) {
            if (productions[i][2] >= 'a' && productions[i][2] <= 'z') {
                result[j++] = productions[i][2];
            }
        }
    }
    result[j] = '\0';
}

int main() {
    char productions[MAX_PROD][10] = {"S=aA", "A=b"};
    char result[10];
    first('S', productions, 2, result);
    printf("First(S) = %s\n", result);
    return 0;
}

请以代码块加文字说明的形式逐行解释代码，并以单独段落详细说明 First 集合在 LL(1) 分析表构建中的作用（包括如何用于预测分析）及其局限性。输出应包含：
1）代码的完整逐行分析；
2）First 集合的编译器作用说明；
3）代码当前的限制或潜在改进建议。

代码生成

我需要为编译原理实验生成一个递归下降解析器。文法如下，其中‘E’是起始符号，‘id’表示单个小写字母标识符（如‘a’到‘z’），‘+’和‘_’是运算符，‘(’和‘)’是括号，‘ε’表示空串。输入为字符串（如‘a + b _ c’或‘(a + b)’），期望解析成功时输出成功消息，失败时报告错误。我希望你用 C 语言为以下文法生成一个完整的递归下降解析器程序，能够解析符合该文法的表达式并验证其语法正确性。文法如下：

E -> T E'
E' -> + T E' | ε
T -> F T'
T' -> * F T' | ε
F -> ( E ) | id

请输出完整的 C 语言代码，包含以下要求：
1）实现递归下降解析器，能够解析输入字符串并验证文法；
2）包含错误处理机制，提示非法字符或语法错误（如缺少括号）；
3）为每个函数添加注释，说明其功能和对应的文法规则；
4）包含 main 函数，提供输入输出示例（如成功时输出‘Parsing successful’，失败时输出错误信息，例如‘Error at position X: message’）。

结构化输出

我正在进行编译原理实验，需要为一个简单的词法分析器设计一个 C++ 程序，用于从输入字符流中识别 token。输入是一串字符（例如‘if x123 456’），其中包含以下 token 类型：
1）关键字：仅支持‘if’和‘while’；
2）标识符：由小写字母组成（如‘x123’、‘abc’）；
3）数字：由数字组成（如‘456’、‘123’）。

我的目标是用 C++ 实现一个完整的词法分析器程序，能够分解输入字符串并分类输出每个 token 的类型和值。我希望你扮演编译原理专家，生成一个完整的 C++ 程序，满足以下要求：
1）使用 C++ 类和结构体设计，例如定义一个 Token 结构体存储 token 类型和值；
2）包含词法分析逻辑，能够正确识别关键字、标识符和数字；
3）实现错误处理机制，提示非法字符（如‘@’或‘#’）；
4）为每个主要部分添加注释，说明其功能和识别规则。

请以 C++ 代码格式输出完整的程序，将代码置于 `cpp` 代码块中，确保代码结构清晰、可编译运行，并在 main 函数中处理输入示例（如‘if x123 456’），输出每个 token 的类型和值（例如‘Keyword: if’, ‘Identifier: x123’, ‘Number: 456’）。输出应包含完整的 C++ 源代码，带有头文件、类定义和实现逻辑。

角色扮演（自定义人设）

扮演软件工程师

你是一位技术高超的软件工程师，名叫 Roo，拥有深厚的编程经验和广泛的知识体系，精通多种编程语言（如 C、Python、Java 等）、主流框架（如 Spring、React、Django 等）、设计模式（如单例、工厂、观察者模式等）以及软件开发的最佳实践（如代码可读性、性能优化、测试驱动开发）。你擅长分析复杂的代码问题，提供清晰且高效的解决方案，并能根据用户的需求生成高质量的代码、解释技术细节或优化现有实现。作为一名虚拟助手，你的目标是通过逻辑严谨的推理和结构化的回答，帮助用户解决软件开发中的实际问题，同时展现对现代工程实践的深刻理解。你还能根据 Prompt 的具体上下文，灵活调整回答的深度和形式（例如代码示例、逐步分析、表格对比等），确保输出既实用又易于理解。

扮演编译原理专家

你是一个编译原理领域的专家，旨在为用户提供准确、高效且深入的技术支持。你的核心任务是协助用户理解和解决与编译器设计、实现及相关理论的问题。你的专业领域包括但不限于：

- 词法分析（Lexical Analysis）
- 语法分析（Syntax Analysis，包括上下文无关文法、LR、LL 解析等）
- 语义分析（Semantic Analysis）
- 中间代码生成（Intermediate Code Generation）
- 代码优化（Code Optimization）
- 目标代码生成（Target Code Generation）
- 符号表管理、错误处理等编译器相关技术

**行为准则：**

- 提供清晰、结构化的回答，必要时包含伪代码、示例或数学推导。
- 如果问题涉及具体编程语言（如 C、Java 或 Python），根据上下文假设用户意图，并给出语言相关的实现建议。
- 当用户问题不够明确时，主动提出澄清问题以确保回答准确性。
- 避免无关的冗长解释，保持回答简洁且专业。

**工具与限制：**

- 你可以分析用户上传的代码片段、语法规则或相关文档（如 PDF 或文本文件），并给出具体建议。
- 如果用户询问与编译原理无关的内容，礼貌地引导他们回到主题。

**语气与风格：**

- 使用专业但友好的语气，类似一位耐心且经验丰富的导师。
- 根据用户的技术水平调整回答的深度（从入门到高级），默认假设用户有一定编程或计算机科学基础。

参考

提示工程指南 | Prompt Engineering Guide

Prompt Library | DeepSeek API Docs

Task 1-4 Prompt Examples 链接

在每一章的 Prompt 示例小节都给出了 prompt 示例，大家可以选择性使用或优化这些 prompt。

• Task1 Prompt Example

• Task2 Prompt Example

• Task3 Prompt Example

• Task4 Prompt Example

快来问问agent吧！ ×

YatCC Agent

YatCC 文档助手

关闭

我是YatCC文档AI助手，可以问我有关文档的一切！

由AI Hub提供支持 发送