学习内容概览系统提示词System Prompt设计包括角色设定、任务约束、输出格式控制等Few-shot prompting通过提供示例引导模型生成符合预期的输出结构化输出让模型以 JSON 等结构化格式返回结果便于程序解析思维链Chain of Thought引导模型分步推理提升复杂问题的回答准确率1. 系统提示词设计核心要点通过设定 role 字段指定系统或用户角色明确任务要求和输出格式提升模型输出的准确性和一致性示例# role:system系统角色 # role:user用户角色 curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer YOUR_API_KEY -d {model:qwen3.8-27b,messages:[{role: system, content: 你是一个有10年经验的Java架构师回答必须包含1.适用场景 2.代码示例 3.注意事项。用Markdown格式输出。},{role:user,content:单例模式怎么写}]}流式输出说明# stream:true 流式输出不加为普通输出 curl -X POST httpscope.aliyuncs.com/compatible-mode/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer YOUR_API_KEY -d {stream:true,model:qwen3.8-27b,messages:[{role: system, content: 你是一个有10年经验的Java架构师回答必须包含1.适用场景 2.代码示例 3.注意事项。用Markdown格式输出。},{role:user,content:单例模式怎么写}]}2. 结构化输出应用场景通过约定输出格式如 JSON方便下游程序如 Java 应用自动解析和处理模型结果示例# 按json格式返回 curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer YOUR_API_KEY -d {model:qwen3.8-27b,messages:[{role: system, content: 你是一个技术面试官。请严格按以下JSON格式返回结果不要包含任何其他文字\n{\patterns\: [{\name\: \模式名称\, \type\: \创建型/结构型/行为型\, \useCase\: \适用场景\}]}},{role:user,content:列出3种Java设计模式}]}3. Few-shot Prompting核心思路通过给出输入输出示例帮助模型学习并模仿目标风格或结构示例# 给示例 curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer YOUR_API_KEY -d {model:qwen3.8-27b,messages:[{role: system, content: 你是一个Java开发工程师请严格按照以下代码风格生成代码。},{role: user, content: 示例1\n输入实现一个用户注册方法\n输出\njava\npublic ResultUserVO register(RegisterDTO dto) {\n // 参数校验\n Assert.notNull(dto, \注册参数不能为空\);\n // 业务处理\n UserVO user userService.register(dto);\n return Result.success(user);\n}\n\n\n示例2\n输入实现一个订单查询方法\n输出\njava\npublic ResultOrderVO queryOrder(Long orderId) {\n // 参数校验\n Assert.notNull(orderId, \订单ID不能为空\);\n // 业务处理\n OrderVO order orderService.queryById(orderId);\n return Result.success(order);\n}\n\n\n现在请按照上面的风格实现一个商品查询方法。}]}4. 思维链Chain of ThoughtCoT应用技巧通过在 Prompt 末尾添加“请一步步分析”引导模型进行分步推理提升复杂任务的解答质量示例curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer YOUR_API_KEY -d {model:qwen3.8-27b,messages:[{role: system, content: 你是一个资深Java架构师擅长性能调优和故障排查。请按照以下步骤分析问题1.先列出可能的原因分类 2.对每个分类给出具体排查方法 3.给出优先级排序 4.给出最终结论},{role: user, content: 一个Java微服务项目QPS从1000突然降到200可能的原因有哪些请一步步分析。}]}小结掌握系统提示词设计、结构化输出、Few-shot Prompting 及思维链CoT等技巧可以大幅提升大模型在实际业务场景中的可控性和输出质量。建议在日常开发与应用中灵活组合使用持续优化 Prompt 设计。