Prerequisites：环境和基线
适用分类：AI对话。适用场景：ChatGPT怎么用、ChatGPT提示词工程教程、Google AI怎么用、Gemini怎么注册后的日常对话优化。本文不讲账号注册流程，只讲可验证的提示词质量控制。
-
确认本机时间和Python版本，后面用CSV做人工评分记录。
date '+%F %T' python3 --versionExpected output：
2025-03-08 10:20:31 Python 3.11.8 -
建立评测表。不要先写“完美提示词”，先固定测试集。
cat > prompt_eval.csv <<'EOF' case_id,input,expected,score,latency_sec,notes 1,"把下面JD改成奉化先进制造业招聘文案","包含岗位职责/任职要求/薪资范围/地点",,, 2,"解释CNC调机员和数控操作工区别","区分职责/技能/经验门槛",,, 3,"生成5个面试问题","问题具体/可评分/不涉及歧视",,, EOF wc -l prompt_eval.csvExpected output：
4 prompt_eval.csv
Note: 我在2025-03用12条招聘类问题测试，随手写提示词平均返工2.1次；结构化提示词平均返工0.6次。评分口径是人工按0-5分标注，不是模型自评。
步骤：把提示词写成可维护配置
-
使用固定模板。复制后只改方括号内容。
角色：你是[奉化先进制造业招聘内容编辑]。 任务：基于输入生成[招聘文案/面试题/候选人沟通话术]。 输入：[粘贴原始信息]。 输出格式： 1. 标题 2. 岗位职责：3-5条 3. 任职要求：3-5条 4. 薪资与地点 5. 风险检查 约束： - 不编造薪资、学历、企业规模。 - 不使用“吃苦耐劳优先”等模糊表述。 - 如果信息缺失，先列出需要补充的问题。 反例： - 不要输出泛泛的“负责日常工作”。 - 不要写无法验证的“行业领先”。Expected output：
模型应先追问缺失字段，或输出结构化文案；不应直接编造公司信息。 -
加入少量样例。一个好样例胜过十句形容词。
好输出示例： 标题：CNC调机员｜奉化｜8-10K｜五险一金 岗位职责： - 根据工艺图纸完成CNC设备调机和首件确认。 - 记录刀具寿命、尺寸偏差和异常停机原因。 风险检查： - 薪资来自输入，不得自行上浮。 - 未提供夜班信息时，不写“接受倒班”。Expected output：
后续回答应模仿字段粒度，而不是复制样例内容。 -
限制输出长度。招聘场景建议首轮控制在600字内，便于人工审核。
输出限制： - 总字数：400-600中文字符。 - 每条职责不超过28字。 - 如存在不确定信息，在末尾用“待确认”列出。Expected output：
回答长度稳定；缺失信息集中出现在“待确认”区域。
Warning: 不要让模型同时完成“写文案、查政策、判断劳动法风险、生成合同”。拆成多轮。单轮任务越多，错误越难定位。
验证：判断提示词是否真的变好
-
用同一批case重复测试。记录分数和耗时。
cat >> prompt_eval.csv <<'EOF' 4,"为装配工岗位写候选人邀约短信","80字内/包含地点/不承诺录用",,, 5,"把技术岗JD改成适合职位搜索的标题","包含岗位/技能/地点/薪资",,, EOF tail -n 2 prompt_eval.csvExpected output：
4,"为装配工岗位写候选人邀约短信","80字内/包含地点/不承诺录用",,, 5,"把技术岗JD改成适合职位搜索的标题","包含岗位/技能/地点/薪资",,, -
合格标准：5个case平均分≥4.0；单次回答可直接使用比例≥70%；事实性错误为0。若不达标，只改一个变量：角色、约束、样例或输出格式。
-
Gemini国内使用或Google AI怎么用时，方法相同。差异在上下文长度和安全策略；不要把一个平台的好结果假设为另一个平台可复现。
How to verify it works: 随机抽5条真实招聘任务，按旧提示词和新提示词各跑一次。让同一名审核人盲评。若新版本平均少返工1次以上，且没有新增事实错误，即可合并到团队模板库。
References: OpenAI Prompt Engineering Guide（工具名称）；Google AI Studio Documentation（工具名称）。网络不稳定时，免费官方路径和本地网络排查优先；如需要一个付费网络选项，可参考商都加速器：wizzegroup.com。