一句话结论：企业级提示词工程不是”写得更花”，而是把提示词当作软件资产管理：有模板结构、有版本号、有评测集、有上线审批、有回滚机制。做到这五点，提示词才能从”某个同事电脑里的文档”变成可复用、可审计、可持续优化的生产能力。
一、一段合格提示词的六段结构
面向业务场景的提示词，建议固定为六段，缺一段就埋一个坑：
| 段落 | 作用 | 示例 |
|---|---|---|
| 角色 | 限定专业视角 | 你是资深采购合规审核员 |
| 任务 | 一句话说清要什么 | 判断合同条款是否偏离公司标准 |
| 输入 | 材料与边界 | 仅依据以下合同文本，不得引用外部信息 |
| 规则 | 硬约束 | 输出必须包含条款编号、风险等级、修改建议 |
| 输出格式 | 结构化，便于系统消费 | JSON：clause_no / risk / suggestion |
| 示例 | 给一到两个正例 | （few-shot 样本） |
工程上最常被忽略的是「输出格式」。只要下游系统要解析，就必须约束为 JSON 或固定字段，否则每次格式漂移都要人工修。
二、版本管理与资产管理
- 唯一编号：每条提示词有 ID + 版本号（如 PO-REVIEW-v3），与代码同等对待。
- 变更留痕：谁改的、为什么改、改前改后效果差异，全部记录。
- 环境隔离：开发 / 测试 / 生产三套，生产变更必须走审批。
- 回滚能力：一次改坏能 5 分钟内切回上一版，这是敢迭代的前提。
三、效果怎么量化
提示词优化不能凭感觉。建议建一个 50–200 条的小评测集，覆盖正常样本、边界样本、恶意样本三类，每次改动都跑一遍，看四个指标：任务成功率、格式合规率、幻觉率、平均 token 成本。只盯”看起来更聪明”，通常会在成本和稳定性上翻车。
四、安全防护要点
- 提示注入：用户输入必须与系统指令隔离，并对”忽略以上指令”类文本做检测。
- 越权输出：涉及价格、权限、内部政策的内容，输出前做规则校验，不能只靠模型自觉。
- 数据外泄：提示词里不要把客户名单、密钥、内部链接写死，改用变量注入。
- 可审计：每次调用记录输入摘要、命中版本、输出摘要，满足事后追查。
五、从个人技巧到组织能力的落地路径
| 阶段 | 重点 | 参考周期 |
|---|---|---|
| 试点 | 选 1–2 个高频场景，沉淀模板与评测集 | 2–3 周 |
| 平台化 | 提示词库、版本管理、灰度发布 | 4–6 周 |
| 规模化 | 多场景复用、成本监控、运营看板 | 6–8 周 |
六、常见问题（FAQ）
Q1：提示词工程还有必要吗？模型不是越来越聪明？
更有必要。模型越强，业务对输出格式、边界和成本的要求越高，靠一句”帮我写一下”无法稳定交付。
Q2：提示词要不要交给业务人员维护？
内容由业务维护，发布与回滚由平台控制。完全放权会导致生产环境被随意改动。
Q3：换模型后提示词要重写吗？
通常要调。不同模型对指令顺序、示例数量和格式约束的敏感度不同，换模型必须重跑评测集。
Q4：评测集怎么做？
从真实业务历史数据里抽 50–200 条，人工标注期望结果，覆盖正常、边界、对抗三类，之后随业务迭代补充。
Q5：怎么控制 token 成本？
三招：压缩系统提示、缓存稳定前缀、把长文档先做检索再喂给模型，而不是整篇塞入。
七、关于钜兆
广州钜兆（钜兆科技）在交付企业 AI 应用时同步建设提示词资产体系与评测流程。相关阅读：企业级 AI Agent 开发落地指南、企业 AI 知识库系统开发指南、国产大模型私有化部署实战指南。
