Prompt优化3步迭代法：从7.25分到9.75分的实战经验

背景

在日常使用大语言模型的过程中，Prompt 的质量直接决定了输出结果的好坏。但大多数人在优化 Prompt 时往往凭感觉——觉得”不够好”就改一些措辞，缺乏系统性的方法。

本文分享一种经过实战验证的 Prompt 优化三步骤迭代方法，通过结构化评分驱动迭代，将基线从 7.25 分提升到 9.75 分。这套方法来源于真实项目 R338，在 prompt_optimization_loop_sop 的实战中验证有效。

核心思想：先外后内

我们的核心发现是：Prompt 优化应该先修结构、再修内容。结构不对时，花再多时间优化内容也是事倍功半。

什么叫”结构”？指 Prompt 的格式框架：

是否有清晰的标签/角色定义（tags, role_id）？
是否有明确的边界条件（输入为空、超长截断）？
占位符是否一致（{input} vs ）？
规则段是否完整（必须做什么、禁止做什么）？

什么叫”内容”？指 Prompt 的语义层面：

指令是否具体可执行？
示例是否贴切？
约束条件是否合理？

类比写代码：函数签名错了（参数/返回类型不对），实现再漂亮也无法调用。Prompt 的结构就像函数签名，内容是函数体——签名不对，内容再好也没用。

评分体系

我们使用 5 维度的评分体系，每项 1-10 分：

维度	说明	权重
格式（Format）	Prompt 结构是否清晰，标签是否完整	20%
规则（Rules）	边界条件是否完整，约束是否明确	20%
角色（Role）	角色定义是否明确且一致	20%
内容（Content）	指令是否具体，是否覆盖所有场景	20%
示例（Examples）	是否提供示例，示例是否贴切	20%

总分 = 各维度加权平均。

三步骤迭代法

Step 1: 基线评估（v1 → 7.25分）

初始 Prompt 如下：

1 2	你是一个有用的AI助手。请回答用户问题。回答要准确、简洁、完整。

初次评分结果：

维度	得分	问题
格式	2/10	无结构化标签，纯文本格式
规则	5/10	无边界条件，输入为空或复杂时行为未定义
角色	8/10	角色基本明确，可接受
内容	9/10	指令简洁明确，但缺乏具体性
示例	6/10	无示例，用户需自行理解

综合得分：7.25/10

5 个弱项主要集中在格式和规则维度。

Step 2: 修复结构维度（v2 → 8.75分，+1.50）

目标：提升格式和规则维度的得分。此阶段不修改任何内容相关的部分，只调整框架。

修改后的 Prompt：

# Role: AI助手
你是一个专业、准确的AI助手，负责回答用户的问题。

## Rules
1. 如果用户输入为空，请友好提示用户输入问题
2. 如果用户输入过长（超过2048 tokens），请主动摘要后回复
3. 如果用户问题包含敏感内容，请礼貌拒绝并引导至合适话题
4. 每次回复必须引用相关信息来源（如果有）

## Output Format
- 使用 Markdown 格式
- 复杂问题分点回答
- 代码使用代码块标注语言

评分变化：

维度	v1得分	v2得分	变化原因
格式	2	8	+6：增加标签分段（#Role, ##Rules, ##Output Format）
规则	5	9	+4：补充4条完整的边界规则
角色	8	8	0：保持原样
内容	9	9	0：未修改
示例	6	6	0：未修改

综合得分：8.75/10（+1.50）

关键收获：仅通过调整结构框架，就获得了 1.5 分的提升。验证了”先外后内”的正确性。

Step 3: 修复内容+示例维度（v3 → 9.75分，+1.00）

目标：在稳固的结构基础上优化语义内容。

修改后的 Prompt（在 v2 基础上增加）：

# Role: AI助手
（v2 的结构保留不变）

## Rules
（v2 的规则保留）

## Content Guidelines
1. 对于技术问题，必须提供：概念解释 + 代码/命令示例 + 注意事项
2. 对于开放性问题，必须提供：多角度分析 + 个人立场 + 论据支撑
3. 禁止使用模糊表述（如"可能"、"大概"），除非确实存在不确定性
4. 每条回答结束后，提供1-3条相关阅读建议

## Examples

用户问题：如何用Python读取CSV文件？

正确回答：
```python
import pandas as pd
df = pd.read_csv('file.csv')
print(df.head())
```
注意事项：如果文件编码非UTF-8，需指定encoding参数。

用户问题：什么是机器学习？

正确回答：
机器学习是人工智能的核心分支，通过数据训练模型来进行预测或决策。
### 主要类型
- 监督学习：数据有标签（分类、回归）
- 无监督学习：数据无标签（聚类、降维）
- 强化学习：通过奖励信号学习（游戏、机器人）

### 实际应用
- 推荐系统（抖音/Netflix）
- 图像识别（自动驾驶）
- 自然语言处理（ChatGPT）

评分变化：

维度	v2得分	v3得分	变化原因
格式	8	8	0：保持
规则	9	9	0：保持
角色	8	8	0：保持
内容	9	10	+1：增加 Content Guidelines，覆盖不同场景
示例	6	10	+4：增加具体的问答示例，覆盖不同问题类型

综合得分：9.75/10（+1.00）

关键经验总结

1. 先外后内 —— 最重要的原则

这是整套方法中最核心的教训。格式和规则错了，内容再好也没用。

我们的数据清晰展示了这一点：

修复格式+规则（结构维度）→ +1.50分
修复内容+示例（语义维度）→ +1.00分

结构的 ROI 比内容高 50%。如果你觉得 Prompt “不好用”，先检查结构和规则是否完整，而不是急着改文字措辞。

2. 评分驱动，消除主观偏差

每次迭代都通过评分来驱动，而不是凭”感觉”。评分体系的优势：

可量化：7.25→8.75→9.75 的进步清晰可见
可定位：知道哪个维度是弱项（如格式只有2分）
可比较：不同迭代的效果可以横向对比

3. 小步快跑，每次只改 1-2 个维度

一次改太多会导致无法判断哪个变更有效。推荐节奏：

第1轮：只改结构（格式+规则）
第2轮：只改内容（内容+示例）
第3轮：微调（如果还需要的话）

4. 保留版本历史，形成可复用经验

每次迭代都保存 Prompt 版本和评分记录。这样能：

回溯每个修改带来的提升
形成组织级的 Prompt 优化知识库
新人可以快速上手最佳实践

适用场景

这套方法适用于以下场景：

场景	适用性	说明
系统 Prompt 设计	⭐⭐⭐	需要稳定输出的生产环境
Agent 指令编写	⭐⭐⭐	需要精确控制 Agent 行为
任务模板优化	⭐⭐⭐	需要批量使用的标准化 Prompt
API 调用配置	⭐⭐	需要控制成本和输出质量
一次性对话	⭐	简单的场景可能过度工程