Prompt Engineering Iterative Refinement Process

---
name: prompt-engineering-iterative-refinement-process
description: 当已有初始提示但AI输出结果不理想，需要系统化地改进提示质量时
---

# prompt-engineering-iterative-refinement-process

## When to Use

当已有初始提示但AI输出结果不理想，需要系统化地改进提示质量时。description

## Core Logic

# 执行步骤

1.  **执行初始提示并获取输出**
    *   **输入**：初始提示。
    *   **操作**：将初始提示发送给AI，获取其生成的回答。
    *   **判断标准**：成功获得AI的响应。
    *   **输出**：AI的原始输出文本。

2.  **诊断输出问题**
    *   **输入**：初始提示、AI输出文本、任务目标。
    *   **操作**：对比AI输出与期望目标，识别具体缺陷（如：信息不全、格式错误、偏离主题、深度不够、包含不想要的内容等）。
    *   **判断标准**：能明确列出1个或多个具体的、可改进的输出问题点。
    *   **输出**：一个问题诊断列表（例如：[“缺少关键论据”， “未使用要点列表格式”， “包含了主观评价”]）。

3.  **确定优化策略**
    *   **输入**：问题诊断列表。
    *   **操作**：针对每个问题点，决定修改提示的哪个部分来修正它（例如：补充“说明”、增加“示例”、强化“约束”、明确“输出格式”）。
    *   **判断标准**：每个问题都有对应的、合理的提示修改策略。
    *   **输出**：一个优化策略列表，将问题映射到提示组件（例如：[“缺少关键论据” -> “补充说明步骤”， “未使用要点列表格式” -> “明确输出格式”， “包含主观评价” -> “增加约束禁止个人观点”]）。

4.  **实施提示修改**
    *   **输入**：初始提示、优化策略列表。
    *   **操作**：根据优化策略，具体修改初始提示的相应部分。这可能涉及添加、删除或重写文本。
    *   **判断标准**：修改直接针对诊断出的问题，且修改后的提示语句更清晰、具体。
    *   **输出**：优化后的新版本提示。

5.  **测试优化后的提示**
    *   **输入**：优化后的新提示。
    *   **操作**：将新提示发送给AI，获取新的输出。
    *   **判断标准**：成功获得AI对新提示的响应。
    *   **输出**：AI根据新提示生成的输出文本。

6.  **评估优化效果**
    *   **输入**：新提示、新的AI输出、旧版AI输出、问题诊断列表。
    *   **操作**：检查新的输出是否解决了步骤2中诊断出的问题。
    *   **判断标准**：
        *   **IF** 所有问题已解决，且输出质量达到预期 -> 流程结束，当前提示为优化后的稳定版本。
        *   **ELSE IF** 部分问题解决，但出现了新问题或仍有遗留问题 -> 将“新问题”和“未解决的旧问题”合并为新的问题诊断列表，返回步骤3。
        *   **ELSE IF** 优化无效或效果甚微 -> 重新评估诊断（返回步骤2）或考虑更换优化策略（返回步骤3）。

# 输出格式要求

流程的最终输出应为经过迭代优化后，能稳定产生高质量结果的提示文本，以及AI使用该提示生成的、符合要求的最终输出内容。在迭代过程中，输出为当前轮次的优化后提示和对应的AI输出。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 人工智能交互 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 已有一个初始提示（可以是简单提示或元提示）, AI根据该提示生成了一次或多次输出 |
| 来源 | 人工智能入门指南：3：学习新技能——提示工程 |