AI 回复的质量不仅取决于模型，更关键地取决于提示词（prompt）。精心构建有效的提示词可显著提升回复质量，通过优化 token 使用降低费用，并提高推理速度。具体性至关重要：模糊的请求会导致模糊的回答，而目标明确的详细提示词则能产生更相关、更准确的输出。为 AI 分配角色并提供上下文有助于界定其专业领域与语气，从而增强回复的深度。包含示例（即少样本提示，few-shot prompting）可引导 AI 朝向期望的结果和特定格式发展。将复杂任务分解为顺序步骤（类似于思维链提示，chain-of-thought prompting）可提升 AI 的推理能力。明确定义期望的输出格式可避免冗长表述，并确保结果可解析。高级模式如 STAR 和 ReAct 可促进更结构化且可解释的 AI 推理。常见错误包括：假设 AI 具备理解力、不当使用非正式语言、缺乏清晰的验收标准、忽视上下文限制，以及未能对提示词进行迭代优化。掌握提示工程是一项高投资回报率（ROI）的技能，可带来 AI 应用效率与效果的显著提升。