AI Prompt Engineering · 课时

页眉—正文—页脚提示模式

Q: 「页眉—正文—页脚提示模式」这节课中我会学到什么？

采用可扩展到复杂多任务提示的一致提示结构 你通过在浏览器中直接运行的动手代码来练习 AI Prompt Engineering，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

采用可扩展到复杂多任务提示的一致提示结构

页眉—正文—页脚提示模式 是 CoddyKit 上的免费 AI Prompt Engineering 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Prompt Engineering 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Prompt Engineering 课程共包含 4 节课。

将提示词视为文档

长篇文档——报告、文章、电子邮件——采用标头/正文/页脚结构，因为这种结构便于认知和导航。读者知道每个区域应包含什么内容。

同样的原则也适用于提示词。当提示词超过几句话时，标头/正文/页脚结构可以让提示词更易浏览、更易维护，也更一致。

这种模式适用于不同模型，并且可以从简单提示词扩展到高度复杂的提示词。

标头部分

标头回答两个问题：您是谁？以及任务是什么？

它设定模型的身份（角色或职责），并说明提示词的主要目标。其他所有内容都建立在这个基础之上。

优秀的标头应当简洁——通常为2到4句话。其中不包含示例、约束或输出规则。

header = '''
<header>
You are an expert technical writer specializing in API documentation.
Your task is to write clear, developer-friendly documentation
for the API endpoint described in the body of this prompt.
</header>
'''

print(header)

正文部分

正文包含模型完成任务所需的内容或上下文。这是主要的数据区域：

要处理的源文档
对话历史
结构化数据（JSON、CSV 片段）
参考材料
用户的实际输入

正文是最大的部分，而且最常在运行时动态注入。

def build_body(endpoint_spec):
    return f'''
<body>
<endpoint_specification>
{endpoint_spec}
</endpoint_specification>
</body>
'''

spec = 'POST /api/v2/users\nRequest body: {email: string, role: admin|user}\nReturns: {id: string, created_at: ISO8601}'
print(build_body(spec))

页脚部分

页脚包含格式指令和输出模式。它之所以放在最后，是因为：

模型从上到下阅读，并将格式规则应用于刚刚处理的内容
靠近末尾的格式指令不太容易被忽略
对于输出类型相同的提示词，页脚通常可以重复使用

页脚应当明确：返回一个包含这些字段的 JSON 对象，而不是格式美观。

footer = '''
<footer>
Format your response as a JSON object with these fields:
{
  "endpoint": "string",
  "summary": "string (one sentence)",
  "parameters": [{"name": "string", "type": "string", "required": true|false, "description": "string"}],
  "response_example": "string (JSON)",
  "error_codes": [{"code": "number", "meaning": "string"}]
}
Do not include any text outside the JSON object.
</footer>
'''

print(footer)

组合完整模式

将标头、正文和页脚组合成完整且可复用的提示词函数：

def build_api_doc_prompt(endpoint_spec):
    header = '<header>\nYou are an expert technical writer. Document the API endpoint in the body.\n</header>'
    body = f'<body>\n<endpoint>\n{endpoint_spec}\n</endpoint>\n</body>'
    footer = '<footer>\nReturn JSON: {"summary": str, "parameters": [...], "response_example": str}\nNo text outside JSON.\n</footer>'
    return '\n\n'.join([header, body, footer])

spec = 'GET /api/products/:id\nReturns product details by ID'
print(build_api_doc_prompt(spec))

这种顺序为何有效

标头/正文/页脚的顺序反映了模型处理上下文的方式：

首先是标头 — 建立身份和目标，为模型理解后续内容做好准备
其次是正文 — 模型现在会通过已确定的角色和任务来处理内容
最后是页脚 — 格式指令紧接在模型生成响应之前，从而最大限度地影响输出结构

将格式指令放在标头中（最前面），会导致模型在写出响应时已经部分遗忘这些指令。

扩展到复杂提示词

当提示词变得复杂时，页眉/正文/页脚模式可以自然扩展：

def build_complex_prompt(persona, task, context_docs, constraints, output_schema):
    header = f'<header>\n{persona}\nTask: {task}\n</header>'

    docs = '\n'.join(f'<document id="{i+1}">\n{d}\n</document>' for i, d in enumerate(context_docs))
    body = f'<body>\n{docs}\n</body>'

    constraint_list = '\n'.join(f'- {c}' for c in constraints)
    footer = f'<footer>\n<constraints>\n{constraint_list}\n</constraints>\n<output_schema>\n{output_schema}\n</output_schema>\n</footer>'

    return '\n\n'.join([header, body, footer])

复用页脚模板

由于页脚定义了输出结构，它是最容易复用的部分。常见的页脚模板包括：

FOOTER_JSON = '<footer>\nReturn a valid JSON object. No text outside JSON. No markdown code fences.\n</footer>'

FOOTER_MARKDOWN = '<footer>\nFormat your response as markdown.\nUse ## for section headers.\nUse bullet points for lists.\nMaximum 500 words.\n</footer>'

FOOTER_STRUCTURED = '<footer>\nRespond using this exact structure:\n1. Summary (1 sentence)\n2. Key Findings (bullet list)\n3. Recommendation (1 paragraph)\n</footer>'

print('Footer templates ready for reuse.')

在正文中注入动态内容

正文通常是在运行时动态构建的部分。动态注入正文的最佳实践：

始终将注入的内容包裹在带名称的 XML 标签中
在注入前清理用户输入，以防止提示词注入
截断过长的文档，并在正文中注明已截断
清晰标记每一段注入的内容（文档_1、用户查询、聊天历史）

def safe_inject(user_content, max_chars=3000):
    safe = user_content.replace('<', '&lt;').replace('>', '&gt;')
    if len(safe) > max_chars:
        safe = safe[:max_chars] + '... [TRUNCATED]'
    return f'<user_input>\n{safe}\n</user_input>'

raw = 'User provided text here. Could be very long.'
print(safe_inject(raw))

在整个代码库中保持一致的结构

当您的整个应用程序始终一致地使用同一模式时，页眉/正文/页脚模式才能真正发挥作用。优点包括：

新团队成员可以立即理解任何提示词
在代码审查中更容易审查提示词——审查者确切知道应该查看哪里
自动化测试可以分别验证每个部分
在不同模型之间迁移提示词非常直接——只需更改内容，而不必更改结构

页眉/正文/页脚中的常见错误

会破坏该模式有效性的常见错误：

将格式说明放在页眉中——距离生成响应太远；模型会部分忽略它们
将任务描述埋在正文中——模型可能会把它当作要处理的数据，而不是指令
将约束拆分到不同部分——难以审查，并会导致矛盾
没有页脚——随着提示词复杂度提高，输出结构会变得不可预测

快速检查

在页眉/正文/页脚模式中，输出格式说明应放在哪里？为什么？

页眉/正文/页脚——要点回顾

页眉/正文/页脚模式将文档结构规范带入了提示词工程：

页眉：您是谁以及任务是什么——为后续所有内容设定框架
正文：内容和上下文——动态注入，并包裹在具有语义的 XML 标签中
页脚：格式说明和输出模式——放在最后，以最大程度影响输出结构
该模式可以自然地从简单提示词扩展到高度复杂的提示词
对于输出类型相同的提示词，页脚模板可以复用
在整个代码库中保持一致性，可以让提示词更易于审查、测试和维护

常见问题解答

「页眉—正文—页脚提示模式」课时是免费的吗？

是的 — 「页眉—正文—页脚提示模式」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Prompt Engineering 课程的其余内容，请升级到 CoddyKit PRO。 AI Prompt Engineering 课程共包含 4 节课。

「页眉—正文—页脚提示模式」这节课中我会学到什么？

采用可扩展到复杂多任务提示的一致提示结构你通过在浏览器中直接运行的动手代码来练习 AI Prompt Engineering，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Prompt Engineering 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Prompt Engineering 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 4 节。

「页眉—正文—页脚提示模式」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Prompt Engineering 课中编写并运行代码吗？

能。每节 AI Prompt Engineering 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Prompt Engineering