中级测试题库 · 工程师培训结业考核
考察概念记忆与理解（Remember · Understand）——每题只有一个正确选项。
以下哪个不是 effective prompt 的标准组成部分？
正确答案：C
Temperature 是 API 调用层面的超参数，不属于 prompt 文本的组成部分。A、B、D 是 prompt 结构的三要素。
Few-shot prompting 中，"shot" 的具体含义是什么？
正确答案：B
Few-shot 的 "shot" 指代在 prompt 中提供的（输入，输出）示例对。Zero-shot 为 0 组示例，Few-shot 通常为 1-8 组。
以下关于 Chain-of-Thought (CoT) prompting 的说法，哪一项是错误的？
正确答案：C
CoT 并非万能——中间推理步骤本身可能引入错误，导致最终答案偏差。这在复杂多步推理中尤其明显（错误累积效应）。A/B/D 均为正确描述。
当需要 LLM 输出严格符合 JSON Schema 的响应时，以下哪种方式最不可靠？
正确答案：D
仅靠自然语言描述是最不可靠的方式——模型可能输出包裹在 markdown 代码块中、字段名不一致或遗漏字段。B（API 级约束）最可靠，A/C 次之。这是新手常见误区。
在支持 system / user / assistant 三角色消息的 API 中，以下哪项最适合放在 system message 中？
正确答案：C
System message 用于放置跨轮次共享的持久指令（角色、规则、安全约束）。A 应在 user message，B 在 assistant message，D 通常放在 user message 中效果更好。
以下哪种做法对防御 prompt injection 攻击效果最差？
正确答案：A
仅仅声明"忽略"是最弱的防御——攻击者可通过精心构造的指令覆盖或绕过。B/C/D 均为工程层面的多层防御手段，效果显著优于纯文本声明。
在 LLM 推理中，temperature = 0 的实际含义是什么？
正确答案：B
temperature=0 意味着确定性最高——模型在每个位置选择概率最大的 token（贪婪解码）。常用于需要稳定、可复现输出的场景。
以下哪项是使用 prompt template（如 Jinja2 模板）的核心价值？
正确答案：C
模板的核心价值在于工程化——将 prompt 升级为可参数化、可复用、可版本管理的资产。A/B/D 均不是模板的直接效果。
考察细节区分与分析能力（Analyze）——每题有多个正确选项，全对得 2 分，部分正确得 1 分，全错得 0 分。
设计 Few-shot 示例时，以下哪些是有效的做法？（多选）
正确答案：A, B, D
C 错误——过多示例可能超出 context window，且研究表明 3-8 个高质量示例通常已足够。E 错误——应把高质量示例放在末尾（recency bias），随机排列可能导致模型不稳定。
你精心设计的 prompt 在批量测试中准确率约 65%。以下哪些优化策略是合理的？（多选）
正确答案：A, C, D, E
B 错误——盲目增加复杂度是常见反模式，可能引入噪声或让模型更难遵循关键指令。A（根因分析）、C（反例）、D（自动化评估）、E（排除随机性）均为合理工程实践。
以下哪些属于业界公认的 Prompt Engineering 模式？（多选）
正确答案：A, B, C, D
E（梯度下降）是机器学习中的优化算法，不是 prompt engineering 模式。A-D 均出自 White et al. "A Prompt Pattern Catalog" 等权威文献。
在 RAG（检索增强生成）场景中设计 prompt 时，以下哪些做法是推荐的？（多选）
正确答案：A, B, D, E
C 错误——直接将所有检索结果拼接会导致噪声信息干扰模型推理，降低准确率。应先做相关性过滤和重排序。A/B/D/E 均来自 RAG 生产实践中的最佳实践。
考察理解与应用能力（Apply · Analyze）——需手写回答，按 rubric 评分。
请为一个「代码审查助手」编写 system prompt，要求包含角色定义、核心能力、输出格式三个要素。用中文写作，不超过 150 字。
参考答案：
你需要设计一个情感分析 prompt，将用户评论分为「正面」「负面」「中性」三类。请写出包含 3 组 few-shot 示例的完整 prompt。各示例需覆盖不同的情感类别。
参考答案：
某团队设计了一个 prompt 用于提取合同中的关键条款。运行 100 次后发现模型偶尔会将非条款文本（如背景说明、套话）误标为条款。请分析至少 3 个可能的原因，并为每个原因提供对应的改进方案。
参考答案：
原因 1：prompt 对"关键条款"的定义不够清晰。模型不知道什么是"条款"vs"非条款"。
改进：在 prompt 中明确定义条款类型（如违约责任、付款条件、保密义务等），提供正例（这属于条款）和反例（这不属于条款）。
原因 2：缺少输出格式约束，模型自由度太高。
改进：要求输出结构化格式（如 JSON），每个提取项需标注依据的原文片段，迫使模型做溯源验证。
原因 3：合同文本格式多样化（表格、列表、段落混杂），模型在跨格式阅读时产生混淆。
改进：预处理阶段对表格进行文本化转换，同时在 prompt 中增加格式提示（"如遇表格，按行列单元格逐项阅读"）。
原因 4：某些段落与条款文本模式相似（如 "甲方应……"），但实际是背景说明。
改进：在 prompt 中加入否定示例（明确标注"以下文字不属于条款，不要提取"），帮助模型学习区分边界。
你需要为客服机器人设计一套 prompt 策略，满足：(1) 礼貌拒绝不合理请求（如要求退款但已超过 30 天政策期限）(2) 同时保持客户满意度。请描述 prompt 设计思路（至少含 system prompt 关键要素和对话策略），限 200 字。
参考答案：
System Prompt 关键要素：
角色——专业客服代表，态度真诚友好；底线规则——30 天退款政策不可突破；核心策略——先共情 → 再解释 → 后给出替代方案；语气——温和坚定。
对话策略（5 步法）：
① 共情开头："我完全理解您的感受……"
② 清晰解释："根据我们的政策，退款窗口为订单完成后 30 天内……"
③ 替代方案：推荐换货 / 优惠券 / 升级服务
④ 降级路径："如需进一步沟通，我可为您转接主管处理"
⑤ 闭环收口："请问还有其他我可以帮您的吗？"
考察综合应用与评估能力（Evaluate · Create）——基于真实场景，需分析、修正或设计 prompt。
以下 prompt 用于生成产品描述——运行中发现三个问题：
发现的问题：
(1) 描述长度极不稳定（50-500 字不等）
(2) 部分描述过于夸张（"史上最强""颠覆行业"等）
(3) 有时遗漏关键卖点
请：(a) 分析每个问题的根本原因 (b) 给出修正后的完整 prompt (c) 解释你的修改如何解决问题。
参考答案：
(a) 根因分析：
① 长度不稳定 → 未指定输出长度范围
② 过于夸张 → 未约束语言风格，未禁止夸大用词
③ 遗漏卖点 → 未要求覆盖所有 features
(b) 修正后 prompt：
(c) 修改如何解决问题：
① 长度控制 → 明确指定 80-120 字范围
② 夸张用语 → 列出禁词清单，要求用事实说话
③ 遗漏卖点 → 明确要求"必须逐条覆盖"，并在 features 前加标注
设计一个用于技术面试模拟的多轮对话 prompt。角色扮演面试官（前端工程师职位），进行 3 轮技术问答后给出综合评价。
请写出完整的 system prompt 和第一轮对话的 user prompt。
参考答案：
System Prompt：
第一轮 User Prompt：
你需要构建一个 「长文档摘要 → 要点提炼 → PPT 大纲」的 3 步 prompt pipeline。
请为每一步编写对应的 prompt，并说明步骤间如何传递信息（数据格式和衔接逻辑）。
参考答案：
Step 1 — 长文档摘要：
Step 2 — 要点提炼：
Step 3 — PPT 大纲生成：
衔接逻辑：
Step 1 输出（结构化文本）→ 直接作为 Step 2 的 {step1_output} 输入。
Step 2 输出（分组列表）→ 直接作为 Step 3 的 {step2_output} 输入。
容错机制：如果 Step 1 输出「核心论点」不足 3 条，Step 2 的 prompt 触发降级——"文档信息不足，请人工确认后再生成"，防止 pipeline 在数据不完整时继续产出低质量结果。
你正在为一个法律咨询产品设计 LLM prompt。需求如下：
(1) 用户用自然语言描述问题
(2) 系统需判断是否属于法律范畴
(3) 如果不属于，礼貌引导用户到正确的咨询方向
(4) 如果属于，不能给出正式法律建议，只能提供法条参考
请写出完整的 system prompt（中文），并在 prompt 中体现以上所有约束。
参考答案：
总分 68 分 · 时长建议 90 分钟
单选题每题 1 分 · 多选题每题 2 分（部分正确 1 分）· 简答题每题 5 分 · 案例分析题每题 8 分
Bloom 认知层级覆盖：Remember 15% · Understand 15% · Apply 25% · Analyze 25% · Evaluate 10% · Create 10%