提示词工程
· 阅读需 4 分钟
- 什么是提示词工程 提示工程是一种用于设计和优化给大模型输入文本的技术，目的是引导模型生成更高质量的输出。
- 核心思想 类似于人与人沟通中的语言技巧，提问方式越清晰，输出质量越高。
五大核心原则
一、清晰明确
避免模糊词语，指令越具体，模型越理解意图
二、提供上下文
包括背景信息、产品特性、目标人群等，帮助模型更好理解情境
三、指定角色
让模型扮演特定角色（如资深文案、程序员、历史学家），影响输出风格和内容侧重点。
四、明确任务
说明任务类型，如总结、翻译、解释、生成代码、写文案等。
五、指定输出格式
如列表、JSON、Markdown、特定段落结构等。
实践技巧
基础技巧：明确指令与期望输出
- 反例 “告诉我关于人工智能的事情”，输出宽泛、不聚焦。
- 正例 “请解释什么是生成式人工智能？并列举三个其在创意产业中的应用案例，每个案例需包含简要描述。”
- 技巧要点
- 使用动词明确动作（如“解释”、“列举”）。
- 用限定词缩小范围（如“生成式人工智能”）。
- 规定数量和细节要求（如“三个案例”、“简要描述”）。
进阶技巧一：赋予模型角色
- 技术支持场景 “你现在是一位经验丰富的网络故障排除专家。我的电脑无法连接到WiFi，已重启路由器和电脑，问题依旧，请提供可能的诊断步骤。”
- 创意写作场景 “扮演一位生活在23世纪的星际探险家，写一篇日记，记录你第一次登陆一颗充满奇异植物的未知行星的经历，约300字。”
进阶技巧二：少样本提示（Few-Shot Prompting）
- 定义 提供几个输入输出示例，让模型学习期望的格式或行为模式。
- 示例
- 输入：“这家餐厅的食物太美味了。” 输出：“情感：正面”
- 输入：“我对这次的服务感到非常失望。” 输出：“情感：负面”
- 适用场景 任务新颖、小众，或输出格式特定。
进阶技巧三：思维链提示（COT）
- 定义 在提示中加入“请逐步思考并给出答案”等指令，引导模型分步骤推理。
- 示例
- 问题：“自助餐厅有23个苹果，午餐用了20个，又买了6个，现在有多少个？”
- 回答：“23 - 20 = 3，3 + 6 = 9，答案为9。”
结构化输出与格式要求
- 长度控制 如“写一段约100字的摘要，不超过三个自然段”。
- 格式要求
- 列表、JSON、Markdown、表格等。
- 示例：“将以下用户信息整理成JSON：姓名、邮箱、城市。”