某条提示词在一篇文章上表现很好，不代表它能稳定处理下一篇。本文把 Prompt Engineering Guide 作为继续阅读入口，设计一套可在表格中完成的原创练习。你不需要写自动评测程序，也能有依据地选择提示词。
把“效果好”变成明确任务
选择一个固定用途，例如从软件教程里提取软件名、系统要求和安装步骤。不要把写广告、翻译和分类混在同一次测试。为每条材料手动写出应当提取的内容，缺失项的正确答案也要写清楚。
准备 10 条有差异的输入
- 四条正常材料：长短不同，但信息完整。
- 三条缺失材料：分别不写系统、版本或步骤。
- 两条干扰材料：同时提到旧版本和新版本。
- 一条无关材料：完全没有软件使用信息。
这些数量只是本站练习规模，不是通用评测标准。每条记录标一个编号，修改提示词时保持材料不变。
建表并比较两个版本
记录编号 | 提示词版本 | 工具/模型 | 事实正确 | 缺失项处理 | 格式正确 | 备注
T01 | A | 实际名称 | 是/否 | 是/否 | 是/否 | 错误原句- 用最简单的版本 A 跑完十条，保留原始输出。
- 只针对最常见的问题改一个条件，保存为 B。
- 用同一批材料测试 B，比较逐条结果。
- 隔一次对话再测容易出错的条目，观察波动。
若工具允许调整生成参数，尽量保持设置一致；工具升级或模型改变后，应当注明时间，不能把差异全部归因于提示词。
不要只看总通过数
假设 B 多答对一条，却把“没有价格”变成了虚构价格，仍可能不适合发布场景。把事实编造、格式错误和语气问题分别记录。优先修复会误导读者的错误，再处理表达。这个判断是练习中的取舍，不是对任何模型的性能承诺。
常见问题
能让 AI 给自己的答案打分吗？
可以辅助定位疑点，但关键字段仍要对照人工参考答案。否则同一种误解可能同时出现在生成和评分环节。
十条够不够？
适合入门比较；实际业务应加入真实错误案例，并留出从未用于调提示词的材料，检查是否只适应了旧题。
动手做一张可以打分的表
新建表格，第一行填“编号、材料、参考答案、A 输出、B 输出、事实错误、格式错误”。复制以下三条作为第一轮样例，先跑通，再自己扩充到十条。
01：软件 A 支持 Windows，免费版每周备份一次。
参考：系统 Windows；频率每周；价格未说明。
02：软件 B 支持 macOS；材料未提供备份频率。
参考：系统 macOS；频率未说明；价格未说明。
03：旧版支持 Windows；新版支持 Windows 和 macOS。问题只问新版。
参考：新版支持 Windows、macOS；频率未说明。提示词 A：从材料提取系统、备份频率、价格。提示词 B：从材料提取系统、备份频率和价格，缺失时写“未说明”，不要根据软件常识猜测；区分新旧版本。用相同工具和模型分别发送 A、B，填写每条输出。
怎样记录一次通过
对样例 02，如果回答“每天备份”，标记事实错误；如果频率写“未说明”但漏了价格，标记格式错误。每题按字段逐项比对，最终分别统计事实错误数和格式错误数。若一次对话可能继承上下文，每次新建对话，避免上一条材料影响下一条。
再写一条不参与修改的新材料，测试最终提示词是否适用于新输入。这里比较的是具体任务下的表现，不等于模型通用能力排名。
项目来源与许可
原项目：dair-ai/Prompt-Engineering-Guide。许可说明：MIT，详见原仓库许可与说明。仓库与许可核验于 2026-10-31。本文为本站编写的中文导读与练习设计，不是原教程逐字翻译；未在读者环境执行，运行结果需自行核对。