主题
多版对比
结构：JavaGuide 给四要素框架——Role / Task / Context / Format，核心判断是「好 Prompt 交代任务边界，不等于堆资料」；二哥给三大技术（Zero-shot、Few-shot、CoT）加两个实战技巧（角色设定、结构化输出），开场用反例话术制造记忆点。深度差距明显：任务分解、链式提示、结构化降级链、回归集维护都是 JavaGuide 独有。
Few-shot 数量直接冲突：二哥说 2-5 个示例，JavaGuide 说 1-3 个、超过 3 个收益下降。数字没有权威定论（跟任务和示例质量有关），面试答「少量、高质量、有代表性」的判断，别报区间。
CoT 的时效判断，两边一致且都值钱：推理模型已把深度思考内置，显式 CoT 的边际价值在下降；但非推理模型和「要求展示过程」的场景仍然需要。二哥补的判断好：PE 不会消失（就像 Java 工程师没消失），但已经是 Context Engineering 的子集——PE 管「这句话怎么说」，CE 管「该给模型哪些信息」。
安全维度只有 JavaGuide 有：区分 Prompt Injection（诱导模型偏离指令，间接注入藏在网页、邮件、工具返回里）和 Jailbreak（绕过安全对齐），Agent 场景因为要读外部内容风险更高——这是传统八股和 Agent 八股的分水岭考点。
小林：few-shot 数量上站 JavaGuide 一边（1-3 个），但给了第三条工程路线：不设数量圣数——大示例池（10-50 组）用于锁格式，配 Prompt Caching 和 LLMLingua 类压缩治理成本。四个增量点：①五要素把 Format 单独拎出（「最容易被忽略、但对程序解析影响最大」）；②CoT 的四条局限讲全——token 贵、对简单问题适得其反、推理链错误会累积传导、对纯记忆任务无帮助；③推理链不必展示给用户（费 token 且可能不稳定），只展示可核查的简要依据；④回归集给到具体规模（30-50 条、每次只改一处）。
结论：四要素框架、CoT 边际递减、回归集纪律三方一致；few-shot 答判断（少量、有代表性），示例池 + 压缩作为「量大锁格式」的进阶答案备用。
最优题解
Prompt 工程就是把模型输出当函数行为来约束：结构上四要素——角色、任务、上下文、输出格式，任务是边界清晰的动词句，不是一段背景介绍。核心技巧三个：少样本示例（少量、有代表性，多了边际收益归零）、思维链引导（注意推理模型已内置深度思考，显式 CoT 主要用在非推理模型和需要展示过程的场景）、任务分解（复杂任务拆成带中间产物的小步，错了好定位）。
抑制幻觉的写法是「先引用再分析」——要求答案基于给定材料并允许它说不知道。另外 Prompt 要当代码维护：攒 10-30 条真实样例做回归集，每次只改一个变量，改完跑回归，否则调一次好一处坏三处。
和上下文工程的关系：Prompt 是「怎么说」，Context 是「给什么」，前者是后者的子集——模型再强，喂错信息也答不对。
追问链
追问：Prompt 注入和越狱是一回事吗？ 参考答：不是。越狱是用户主动绕安全对齐，注入是把恶意指令藏进模型要读的外部内容里骗它执行——Agent 会读网页、邮件、工具返回，间接注入是 Agent 时代的 主风险，防线在输入隔离和工具权限，不在提示词措辞。
追问：怎么科学地迭代一条 Prompt？ 参考答：把 Prompt 当代码——建真实样例的回归集，改动只动一个变量，跑回归看通过率，用版本记录每次改动，避免凭感觉改。
我的理解
这题的层次分界：背「三大技术」是及格线，说得出「CoT 边际价值在下降」和「PE ⊂ CE」是良好，主动讲注入安全和回归集维护是优秀——后两个证明写过真 Prompt 而不是看过教程。Few-shot 数量冲突的处理原则同 CLAUDE.md 行数：数字会漂，判断不会。