大模型提示工程入门：如何写出更稳定的 Prompt

大模型提示工程学习笔记：从清晰指令到文本总结与转换

一、提示工程是什么

提示工程，也叫 Prompt Engineering，可以理解为：在不修改大模型参数、不重新训练模型的情况下，通过设计输入指令来引导模型输出更符合人类意图的结果。

简单说，大模型本身很强，但它并不知道我们真正想要什么。Prompt 的作用就是把任务目标、上下文、输出格式、约束条件说清楚，让模型更容易给出稳定、可控、可用的答案。

提示工程的价值主要体现在三个方面：

• 控制输出方向：让模型知道要做什么，不要做什么。
• 提升输出质量：通过上下文、步骤和样例减少跑偏。
• 降低试错成本：不用训练模型，只需要不断优化提示词。

我对提示工程的理解是：它不是“写一句神奇咒语”，而是一种面向大模型的任务表达能力。

二、提示工程的两个核心原则

课件中把提示工程的核心原则归纳为两个：

1. 给模型清晰的指令 2. 让模型有充足的思考时间

这两个原则看似简单，但实际写 prompt 时非常关键。

1. 给模型清晰的指令

很多时候模型回答不好，不是模型不会，而是我们的需求表达太模糊。

比如只写：

帮我总结一下这段话。

模型确实会总结，但它不知道：

• 要总结成多长？
• 面向谁总结？
• 要保留哪些重点？
• 输出成段落、列表还是 JSON？
• 是否需要过滤无关信息？

更好的写法是：

请将下面用三个反引号包裹的文本总结成 3 条要点。 要求： 1. 每条不超过 30 个字。 2. 保留核心结论，不要加入原文没有的信息。 3. 用 Markdown 列表输出。 文本： ```这里放原文```

清晰的 Prompt 不一定短。很多时候，更长的 Prompt 反而能给模型更多上下文，让输出更稳定。

2. 让模型有充足的思考时间

复杂任务不要让模型直接给结论，而是让它按步骤处理。

例如判断一个计算题答案是否正确时，如果只让模型“判断对不对”，它可能跟着学生错误答案走。更稳的方式是：

请按以下步骤判断学生解法是否正确： 1. 你先独立解题。 2. 写出你的计算过程。 3. 将你的答案与学生答案对比。 4. 判断学生答案是否正确，并说明原因。

这种写法的本质是：让模型先建立自己的推理链路，再做判断，而不是直接迎合已有答案。

三、写清晰 Prompt 的四个技巧

1. 使用分隔符

分隔符可以把“指令”和“待处理内容”分开，避免模型混淆。

常见分隔符包括：

“”"
…

示例： ```text 请把三个反引号中的内容总结成一句话： ```待总结文本```

这样做的好处是：模型能明确知道哪部分是任务说明，哪部分是输入材料。

2. 要求结构化输出

如果输出后续还要被程序读取，最好让模型返回 JSON、表格、Markdown 或 HTML。

例如：

请生成 3 本虚构书籍，并以 JSON 数组返回。 每本书包含以下字段： - book_id - title - author - genre

结构化输出适合这些场景：

• 批量生成数据
• API 自动解析
• 自动写入表格或数据库
• 工作流节点之间传递信息

3. 提供参考示例

这就是 Few-Shot Prompting，也就是在正式任务前给模型一两个样例，让它模仿格式和风格。

示例：

请模仿下面的风格回答问题。 示例： 用户：请教我何为耐心。 回答：挖出深谷的河流，也源自最初的一滴水。 现在请回答： 用户：请教我何为韧性。

当我们希望模型保持固定风格、固定格式、固定语气时，示例非常有效。

4. 让模型扮演角色

角色设定可以帮助模型进入更专业的回答模式。

例如：

你是一名 AI 算法面试官。 请一次只问我一个面试题。 我回答后，你再点评并继续问下一题。 题目范围：机器学习、深度学习、大模型基础。

角色提示适合：

• 面试练习
• 客服机器人
• 写作助手
• 产品经理助手
• 代码审查助手
• 教学辅导助手

四、让模型思考的两个方法

1. 指定步骤

如果一个任务包含多个动作，最好明确拆成步骤。

例如：

请处理下面的文本： 1. 先用一句话总结。 2. 再翻译成英文。 3. 提取英文摘要中的人名。 4. 最后输出 JSON，字段为 english_summary 和 num_names。

相比“帮我处理一下这段话”，指定步骤能显著降低模型漏做、乱做、顺序错的问题。

2. 要求模型先自行求解

在判断、计算、推理类任务中，不要让模型直接评判别人的答案。可以让模型先自己做一遍，再比较。

模板：

请判断下面的解法是否正确。 要求： 1. 先独立完成题目。 2. 写出你的解题步骤。 3. 再与学生解法对比。 4. 最后判断学生解法是否正确。 输出格式： - 我的解法： - 学生解法： - 差异： - 结论：

这类 Prompt 对数学题、逻辑题、代码分析、合同条款检查都很有帮助。

五、Prompt 需要迭代优化

很多人以为 Prompt 一次写好就结束了，但真实开发里，Prompt 往往需要多轮调整。

课件中给出的迭代流程可以整理为：

初步想法 -> 输入模型 -> 检查结果 -> 分析问题 -> 优化 Prompt -> 再次测试

迭代优化的常见方向

例如，生成产品营销文案时，第一版可能只是：

请根据产品说明书写一段营销文案。

优化后可以变成：

你是家具零售网站的文案编辑。 请根据下面的产品技术说明，写一段面向家具零售商的产品描述。 要求： 1. 不超过 80 个中文字符。 2. 重点突出材料、结构和适用场景。 3. 结尾列出产品 ID。 4. 使用 Markdown 输出。

这就是从“泛泛生成”变成“面向场景生成”。

六、文本概括：从总结到信息抽取

文本概括是大模型最常见的能力之一，适合处理评论、文章、会议纪要、客服记录、报告等内容。

1. 限制输出长度

请将下面的商品评论总结成 30 个字以内：

评论内容

限制长度可以让摘要更适合标题、卡片、报告摘要等场景。

2. 指定总结角度

同一段评论，不同部门关心的重点不同。

例如：

请总结下面的商品评论，重点关注物流服务，最多 30 个字。

或者：

请总结下面的商品评论，重点关注产品质量和价格，最多 30 个字。

这个技巧非常适合电商评论分析、用户反馈分析、竞品调研。

3. 区分“概括”与“抽取”

这是一个很重要的区别：

• • 概括：压缩原文，可能保留多类信息。
• • 抽取：只提取指定信息，过滤其他内容。

如果只想要物流信息，应该写：

请只提取评论中与物流相关的信息，不要总结其他内容。

而不是：

请侧重物流总结。

因为“侧重”不等于“只要”。

七、文本转换：大模型的高频实用能力

文本转换包括翻译、语气调整、格式转换、拼写纠错等。

1. 文本翻译

大模型翻译相比传统翻译工具，优势在于更懂上下文、语气和表达习惯。

示例：

请将以下中文翻译成西班牙语： ```您好，我想订购一个搅拌机。```

也可以让模型识别语种：

请判断下面文本是什么语种： ```Combien coûte le lampadaire ?```

还可以一次翻译成多语种：

请将以下文本分别翻译成中文、英文、法语和西班牙语。

2. 语气与写作风格调整

同一句话，发给朋友和发给领导，表达方式完全不同。

例如把口语改成商务邮件：

请把下面这句话改写成正式、礼貌的商务邮件表达： ```小老弟，上回你说咱部门要采购的显示器是多少寸来着？```

可用于：

• 邮件润色
• 客服话术优化
• 小红书/知乎/CSDN 风格转换
• 简历表达优化
• 商务沟通改写

3. 文件格式转换

大模型很适合做结构转换，例如：

• JSON 转 HTML 表格
• 文本转 Markdown
• 会议纪要转待办清单
• 商品参数转表格
• API 文档转说明书

示例：

请将下面 JSON 转换为 HTML 表格。 要求保留表格标题和列名。

4. 拼写和语法纠正

对于英文写作、论文、邮件、论坛发帖，模型可以快速做校对。

示例：

请校对并更正下面英文文本。 要求： 1. 保持原始语种。 2. 如果没有错误，输出“未发现错误”。 3. 不要解释，只输出更正后的句子。

八、综合 Prompt 模板

下面是一个我整理后的通用 Prompt 模板，适合大多数学习和工作场景。

你是一个【角色】。 任务： 请完成【具体任务】。 背景： 【补充上下文、目标受众、使用场景】。 输入： ```【待处理文本或数据】``` 要求： 1. 【输出长度要求】 2. 【重点关注内容】 3. 【禁止事项或边界】 4. 【需要保留的信息】 输出格式： 请使用【Markdown / JSON / 表格 / HTML】输出。 处理步骤： 1. 先理解输入内容。 2. 再按要求提取或转换。 3. 最后检查格式是否符合要求。

这个模板的关键不是固定照抄，而是提醒自己：角色、任务、背景、输入、约束、格式、步骤都要尽量说清楚。

九、我对提示工程的学习总结

通过这份课件，我认为提示工程可以拆成四种能力：

1. 表达任务的能力

把“我想要什么”变成模型能理解的指令。

2. 拆解步骤的能力

复杂任务不要一次丢给模型，要拆成可执行步骤。

3. 设计输出格式的能力

如果结果要给人看，可以用 Markdown； 如果要给程序读，可以用 JSON； 如果要展示在网页里，可以用 HTML。

4. 迭代优化的能力

好的 Prompt 很少一次成型。观察输出问题，再调整提示词，是提示工程真正重要的部分。

十、结尾

提示工程不是单纯“问 AI 问题”，而是一种把任务结构化表达给大模型的能力。

清晰的指令能减少歧义，分隔符能隔开上下文，结构化输出能方便后续处理，示例能统一风格，角色设定能增强专业性，而步骤化思考能提高复杂任务的准确性。

如果把大模型看成一个能力很强的助手，那么 Prompt 就是我们给它写的"工作说明书"。说明书越清楚，助手越容易交付我们真正想要的结果。

十一、Prompt 三层结构：Role + Task + Constraint

第八章的"综合模板"虽然已经涉及角色、任务、格式，但还停留在"把要素堆在一起"。真正稳定的 Prompt，应该有清晰的三层结构：

[Role] —— 你是谁，你有什么能力，你的边界在哪里 [Task] —— 要做什么，做成什么样子，交付物是什么 [Constraint]—— 必须遵守的规则、禁止做的事、不能越的界

1. Role（角色层）

角色层不只是"你是一名老师"这么简单，至少要包含 4 个要素：

2. Task（任务层）

任务层要用一个清晰的"动词 + 对象 + 产出物"句式来表达。

反例（动词模糊）：

帮我弄一下这份教案。

正例（动词 + 对象 + 产出物）：

请为"牛顿第一定律"这一节设计一份 45 分钟的课堂教案。 产出物：包含教学目标、重难点、教学流程（导入/讲授/练习/小结）、课堂提问 5 个。

任务层还要回答三个问题：

• 输入是什么：给学生什么材料/题目？
• 处理动作是什么：是生成、批改、总结、追问、转换？
• 输出长什么样：Markdown 列表？表格？JSON？字数？

3. Constraint（约束层）

约束最容易写错，常见有 3 类：

[硬约束] —— 不满足就直接重写 例：不超过 200 字；必须用 JSON 输出；不能出现英文 [软约束] —— 优先满足，但可灵活调整 例：尽量用生活类比；优先考虑初二学生认知水平 [禁止项] —— 明确划红线 例：不要直接给答案；不要出现超纲知识点；不要批评学生

4. 坏 Prompt vs 三层结构 Prompt

一句话总结：好 Prompt = 角色清楚 + 任务具体 + 约束明确。

十二、教育六大模板

把三层结构落到教育场景，可以沉淀出 6 个高频模板。每个模板都给出：适用场景、Prompt 完整示例、关键约束。

1. 教案模板

适用场景：教师备课、新教师培训、跨学科融合课设计。

[Role] 你是一名有 10 年教学经验的【学科】老师，熟悉【学段】学生的认知水平。 [Task] 请围绕【课题名称】设计一份 45 分钟的课堂教案。 [Constraint] 1. 教案必须包含：教学目标（知识/能力/素养三维）、教学重难点、教学流程 （导入 5 分钟 / 讲授 20 分钟 / 练习 15 分钟 / 小结 5 分钟）、 板书设计、课堂提问（至少 3 个，分梯度）。 2. 导入环节必须用一个生活案例或故事。 3. 重点内容处要设计至少 1 个师生互动。 4. 输出使用 Markdown 标题分级，结构清晰。 5. 不要照搬教材原文，要用教师自己的语言重新组织。

2. 试题模板

适用场景：单元测试、期中/期末命题、课后练习。

[Role] 你是一名【学科】命题老师，熟悉【学段】考试题型与难度分布。 [Task] 请围绕【知识点/章节】命制一套试卷，题量与分值如下： - 选择题 5 道（每题 3 分） - 填空题 3 道（每题 4 分） - 解答题 2 道（每题 15 分） [Constraint] 1. 试卷必须配套参考答案与评分标准。 2. 难度分布：基础 60% / 进阶 30% / 拔高 10%。 3. 解答题要有分步给分点。 4. 不要出现超纲知识点。 5. 试题内容原创，避免与市面真题雷同。 6. 输出使用 Markdown，试卷与答案分两块。

3. 评语模板

适用场景：作业批改、考试点评、学期综合评语。

[Role] 你是一名善于鼓励学生的【学科】老师，评语风格真诚、具体、有温度。 [Task] 请根据下面这位学生本次作业/考试的表现，写一段 80~120 字的评语。 学生信息： - 姓名：{{name}} - 学段：{{grade}} - 本次表现：{{performance}} [Constraint] 1. 必须包含 1 句具体表扬（指出做得好的一道题或一个习惯）。 2. 必须包含 1 条可执行的改进建议（不要说"再认真点"这种空话）。 3. 禁止出现负面贬低词汇。 4. 禁止使用反问句、讽刺语气。 5. 结尾用一个鼓励性短句收束。 6. 输出纯文本，不要 Markdown 标题。

4. 反馈模板

适用场景：课堂整体反馈、给家长的学情反馈、给同行的教学反馈。

[Role] 你是一名教学经验丰富的【学科】老师，擅长基于数据看学生整体表现。 [Task] 请根据以下班级学情数据，生成一份给【班主任/家长/教研组】的反馈报告。 班级学情数据： {{data}} [Constraint] 1. 反馈必须包含 3 个部分：整体表现、典型问题、改进建议。 2. 用数据说话，避免主观感受式表达。 3. 改进建议必须可执行，落到具体教学动作。 4. 字数 300~500 字。 5. 语气专业但不冰冷，避免夸张词。 6. 输出 Markdown，使用二级标题分块。

5. 总结模板

适用场景：章节知识总结、错题归纳、考前复习提纲。

[Role] 你是一名擅长知识结构化的【学科】老师，习惯用思维导图和对比表帮学生梳理。 [Task] 请对【章节/主题】做一份系统总结，包含： 1. 知识框架（用 Markdown 列表呈现层级关系） 2. 核心概念清单（带一句话解释） 3. 易错点 TOP 5（每点配 1 个反例） 4. 典型题型与方法套路（至少 3 类） [Constraint] 1. 不要简单复述教材，要有自己的归纳逻辑。 2. 易错点必须是学生真实会犯的错误，不是"计算要细心"这种空话。 3. 输出使用 Markdown，配合表格或代码块增强可读性。 4. 字数 600~1000 字。

6. 追问模板（Socratic 式引导）

适用场景：课堂提问、辅导答疑、自学引导。

[Role] 你是一名擅长启发式教学的【学科】老师，从不直接给答案，而是用问题引导学生自己思考。 [Task] 针对学生提出的问题："{{question}}" 请生成 3~5 个递进式的追问，把学生引向答案。 [Constraint] 1. 第一个问题必须建立在学生已知信息上，不能跳步。 2. 后一个问题的答案要包含前一个问题的答案（递进）。 3. 追问要具体，避免空泛提问。 4. 禁止直接给出最终答案，只能用问题引导。 5. 如果学生连续 3 次答错，可以给一个关键提示词，但仍以问题形式呈现。 6. 输出 Markdown 列表，每条追问一行。

使用提示：六个模板都可以保存为.md文件，下次直接填空{{}}变量即可调用。

十三、优化四步法：基线 → 迭代 → 评估 → 固化

第五章只讲了"迭代方向"，但在工程化场景下，Prompt 优化必须是一个可重复的闭环。完整的四步法如下：

第 1 步：基线（Baseline）

目标：得到一个"可用但不够好"的 v1.0。

1. 先写一个最朴素的 Prompt（哪怕只有一句话）。 2. 准备 5~10 个真实测试用例（覆盖典型场景 + 边界场景）。 3. 跑一遍，记录每个用例的输出。 4. 不要急着改 Prompt，先观察"基线烂在哪"。

基线阶段常见的 4 类问题：

• 输出格式不稳定（有时列表有时段落）
• 内容深度不够（太浅或太泛）
• 风格不一致（时而严肃时而口语）
• 出现幻觉（编造信息）

第 2 步：迭代（Iterate）

针对基线暴露的问题，逐条修，不贪多。

迭代原则： - 一次只改一个变量（角色、任务、约束分别调） - 改完跑同样 5~10 个用例 - 用"差分对比法"看新版本相对基线好在哪、差在哪

错误案例归类表（推荐维护一份）：

第 3 步：评估（Evaluate）

凭感觉优化不可持续，必须用 rubric 评分。

一份 5 分制 rubric 示例（针对教案模板）：

A/B 对比法：

• 把同一组用例分别喂给 v1.0 和 vN.0
• 邀请 2~3 位老师盲评打分
• 取平均分对比，避免单一视角偏差

第 4 步：固化（Solidify）

跑通测试后，把 Prompt当作代码一样管理。

固化四件套： 1. 版本号：v1.0, v1.1, v2.0（重大改动升大版本） 2. 变更日志：每次改了什么、为什么改、效果如何 3. 场景标签：注明适用于"高中物理 / 单元复习"等 4. 复用库：放进 Prompt Library（Notion / GitHub / 飞书均可）

模板文件命名建议：

teach_plan_physics_v2.0_高一_牛顿定律.md test_maker_math_v1.3_初二_一元二次方程.md

一句话总结：好 Prompt 不是写出来的，是测出来、迭代出来、管理出来的。

十四、AI 教案实战：一份完整案例走完四步法

以"初中物理 · 牛顿第一定律"为例，把三层结构 + 教育模板 + 四步法串起来。

1. 场景与目标

课题：牛顿第一定律 学段：初中三年级 课时：45 分钟 班级：40 人，普通班 教师：青年教师，有 3 年教龄

2. 基线版 v1.0（朴素 Prompt）

帮我写一份牛顿第一定律的教案。

v1.0 跑 5 个测试用例后的问题清单：

1. 输出一会长一会短，200~1500 字浮动
2. 经常直接照搬教材原文
3. 缺少课堂提问
4. 导入环节没有生活案例
5. 没有板书设计

3. 迭代到 v2.0（三层结构 + 教案模板）

[Role] 你是一名有 10 年教学经验的初中物理老师，熟悉初三学生的认知水平， 课堂语言幽默，擅长用生活现象做类比。 [Task] 请为"牛顿第一定律"设计一份 45 分钟的课堂教案。 [Constraint] 1. 教案结构必须包含：教学目标（知识/能力/素养三维）、 教学重难点、教学流程（导入 5 分钟 / 讲授 20 分钟 / 练习 15 分钟 / 小结 5 分钟）、 板书设计、课堂提问（至少 3 个，分梯度）。 2. 导入环节必须用一个生活案例（例如刹车时身体前倾、推购物车）。 3. 重点是"力不是维持运动的原因"，要通过对比亚里士多德和伽利略的观点引出。 4. 课堂提问必须包含 1 个开放性问题。 5. 板书设计要突出"实验 → 推理 → 结论"的逻辑链。 6. 输出使用 Markdown 二级标题分块，字数 800~1200 字。 7. 不要直接照搬教材原文，要用教师自己的语言重新组织。

v2.0 输出节选（实际跑出来的）：

## 一、教学目标 ### 知识目标 理解牛顿第一定律的内容，知道它是在伽利略理想实验基础上推理得出。 ### 能力目标 能区分"生活经验"和"科学结论"，会用控制变量思想分析运动与力的关系。 ### 素养目标 体会科学家从现象到本质的推理过程，培养理性思辨的科学态度。 ## 二、教学重难点 - 重点：力不是维持运动的原因 - 难点：从生活直觉到科学结论的思维跨越 ## 三、教学流程 ### 导入（5 分钟） 生活案例：推购物车——松手后车会慢慢停下，是不是没推力就一定停？ 引出思考：运动的物体如果不受力，会一直运动下去吗？ ### 讲授（20 分钟） 1. 回顾亚里士多德观点：力是维持运动的原因 2. 伽利略理想斜面实验：减小摩擦 → 球滚得更远 → 推理无摩擦时永远运动 3. 笛卡尔补充：若无外力，运动方向也不会改变 4. 牛顿总结：一切物体在没有受到外力作用时，保持静止或匀速直线运动状态 ### 练习（15 分钟） 思考题 1：足球停下是不是因为没有力了？ 思考题 2：航天器在真空中关闭发动机后，做什么运动？ 小组讨论：为什么生活中运动的物体会停下？ ### 小结（5 分钟） 口诀记忆："有力不一定动，无力不一定停" 强调：牛顿第一定律描述的是理想情况，现实中由于摩擦无法达到 ## 四、板书设计 牛顿第一定律 ↑ 伽利略理想实验 → 笛卡尔补充 ↓ 实验 → 推理 → 结论 亚里士多德观点 ← 批判 ## 五、课堂提问 1. 基础题（回忆）：牛顿第一定律的内容是什么？ 2. 进阶题（应用）：滑冰运动员停止用力后会一直滑下去吗？为什么现实中会停？ 3. 开放题（思辨）：如果完全无摩擦，世界会变成什么样？

4. 评估（5 分制 rubric 评分）

5. 固化

文件命名：teach_plan_physics_v2.0_初三_牛顿第一定律.md 适用场景：初三物理新授课 测试用例：5 个（不同班级反馈稳定） 变更日志： v1.0 (2026-07-15) 朴素 Prompt，平均 1.0 分 v2.0 (2026-07-15) 加入三层结构 + 教案模板，平均 4.4 分 复用建议：可直接套用同章节其他定律（牛顿第二/第三定律）

实战结论：从 1.0 到 4.4 分，Prompt 优化不是改一句话，而是补齐角色、拆细任务、加硬约束。

十五、Meta-Prompt 设计：用 Prompt 生成 Prompt

当你有十几个、几十个 Prompt 模板后，就会发现：每个模板的"结构"其实是固定的，变的只是变量。这就引出了 Meta-Prompt：用一条 Prompt，让模型自动生成你想要的 Prompt。

1. 什么是 Meta-Prompt

普通 Prompt ：你帮我做 XXX Meta-Prompt：你帮我写一条 Prompt，让别人可以用它做 XXX

Meta-Prompt =Prompt 的 Prompt，是"提示工程"的工业化能力。

2. 教案生成器的 Meta-Prompt

[Role] 你是一名资深教学设计专家，擅长把教师的自然语言需求转化为结构化 Prompt。 [Task] 教师会告诉你：学段、学科、课题、课时、学生情况、特殊需求。 你要根据这些信息，生成一条【可直接使用】的 Prompt， 要求这条 Prompt 遵循"角色 + 任务 + 约束"三层结构， 并自带"教育六大模板"中对应场景的字段。 [Constraint] 1. 生成的 Prompt 必须包含： - Role：身份 + 能力 + 语气 + 边界 - Task：动词 + 对象 + 产出物 - Constraint：硬约束（数量/格式/字数）+ 软约束（风格/重点）+ 禁止项 2. 必须使用 {{变量名}} 标记所有可替换字段，方便教师复用。 3. 末尾输出"使用说明"和"测试用例建议（3~5 个）"。 4. 生成的 Prompt 默认中文输出。 5. 不要直接给教案内容，只给"如何生成教案"的 Prompt。

3. 实际效果演示

教师输入：

我是一名小学数学老师，要教三年级的"分数的初步认识"， 第一节课，40 分钟，普通班，孩子数学基础一般。

Meta-Prompt 输出：

—— 下面是可直接复用的 Prompt —— [Role] 你是一名有 8 年经验的小学数学老师，熟悉三年级学生的认知特点， 课堂语言生动，擅长用"分蛋糕""分披萨"这类生活情境帮助孩子建立抽象概念。 [Task] 请围绕"分数的初步认识"设计一份 40 分钟的课堂教案。 [Constraint] 1. 教案结构必须包含： - 教学目标（知识/能力/素养三维） - 教学重难点 - 教学流程（导入 5 分钟 / 讲授 15 分钟 / 练习 15 分钟 / 小结 5 分钟） - 板书设计 - 课堂提问（至少 3 个，分梯度） 2. 导入环节必须用"分蛋糕"或"分披萨"生活情境。 3. 重点是"几分之一"的意义，难点是"平均分"的概念。 4. 课堂提问必须有 1 个开放题（例：生活中还有哪些地方能见到分数？）。 5. 输出 Markdown 二级标题分块，字数 800~1200 字。 6. 第一次出现分数时必须用"分数线上面/下面"替代"分子分母"等术语。 —— 使用说明 —— - {{}} 变量可按需修改 - 适合：小学数学三年级新授课 - 建议测试用例：基础班 / 实验班 / 乡镇小班 各一个 —— 测试用例建议 —— 1. 普通班，40 人，第一次接触分数 2. 实验班，30 人，部分孩子已知道"一半" 3. 乡镇小班，20 人，教材版本不同

4. Meta-Prompt 的更高阶用法

1. Prompt 库自维护：写一条 Meta-Prompt，让它定期根据新案例优化已有 Prompt 2. 跨学科迁移：把"数学教案 Prompt"自动改写成"物理教案 Prompt" 3. 个性化适配：根据学生错题数据，Meta-Prompt 反推出"针对某生的辅导 Prompt" 4. 教学反思：让 Meta-Prompt 帮你分析"为什么这条 Prompt 效果不好"

一句话总结：会写 Prompt 是手艺，会写 Meta-Prompt 是工程。当你能用 Prompt 批量生产 Prompt 时，提示工程才真正进入工业化阶段。

十六、整体学习路径回顾

把整份笔记串起来，从基础到高阶的递进关系是：

1. 两个原则（清晰指令 + 思考时间） —— 地基 2. 四个技巧（分隔符/结构化/示例/角色） —— 工具 3. 两个思考方法（指定步骤/自行求解） —— 套路 4. 三层结构（Role + Task + Constraint） —— 骨架 5. 教育六大模板 —— 场景化复用 6. 优化四步法（基线/迭代/评估/固化） —— 工程化闭环 7. AI 教案实战 —— 端到端贯通 8. Meta-Prompt 设计 —— 工业化能力

最核心的一句话：
Prompt 不是一句话，是一个带角色、带任务、带约束、带测试、带版本的小型工程交付物。
把"写 Prompt"当成"写一个微型产品"，你就会越写越稳。