英文：Prompt 分类：foundation
用户输入给大模型的指令文本，包含任务描述、上下文、示例与格式要求等，是人与模型交互的接口。提示词的质量直接决定输出质量，"如何提问"本身就是一项重要的工程能力，衍生出提示工程（Prompt Engineering）这一实践领域。
提示词经分词与嵌入进入模型，激活预训练学到的能力。有效的提示通常包含：明确的角色设定、清晰的任务目标、必要的约束条件（长度、格式、语气）、示例（少样本）与思考引导（如"请一步步分析"）。系统提示词在 API 中独立于用户消息，用于设定长期行为边界。
2021-2022 年随 ChatGPT 普及，"提示工程"成为大众与行业热点；随后发展出思维链、自我一致性、ReAct 等高级提示方法，并被封装进 Agent 框架（如 Function Calling 声明、工具描述提示）。
覆盖日常问答、内容创作、代码、数据分析与自动化流程；企业通过精心设计的系统提示词固化客服、写作、审核等场景的模型行为，是上线大模型应用最直接的成本杠杆。
相关词条：Transformer · 注意力机制 · 自注意力 · 少样本学习 · 潜在空间