【大语言模型】【个人知识库正式内容】提示工程：如何设计模型的提示语

知识库条目：提示工程，如何构建提示词。

🏖️ 当人人都能使用AI时，你如何才能变得更出彩？……让 AI 带有自己的Tag ——

一、简介

1. 什么是提示语 (Prompt)： 提示语是用户输入给AI系统的指令或信息, 简单来说就是我们与AI“对话”时所使用的语言,它可以是一个简单的问题，一段详细的指令，也可以是一个复杂的任务描述。

2. 提示语的本质： 设计提示语的目的就是为了架起人类与AI之间沟通的桥梁让AI更好的理解自己的需求；为AI提供必要的背景信息，让AI明确知道需要完成的任务，并引导AI使用特定的能力或技能以指定形式或格式输出结果

二. 提示语的设计思路

提示语的设计思路概览：

1. 选择合适的基础大模型2. 设计相关的提示词3. 依据模型的反馈修改提示词

1. 选择合适的基础大模型： 优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用模型）

1. 模型类别：

   • 推理大模型

     1. 特点： 强化推理、逻辑分析和决策能力

     2. 优势： 擅长数学推导、逻辑分析、代码生成、复杂问题拆解**，**

     3. 劣势： 不适用于发散性任务（如诗歌创作）

     4. 提示词策略：

        5. 使用简洁指令；

        6. 提问时明确任务目标和需求；

        7. 信任模型内化能力。不过度干涉模型。

   • 通用大模型

     1. 特点： 侧重于语言生成、上下文理解和自然语言处理的模型

     2. 劣势： 不适用于需要严格逻辑链的任务（如数学证明）

     3. 优势： 擅长文本生成、创意写作、多轮对话、开放性问答

     4. 提示词策略：

        5. 需要使用结构化的提示词引导推理步骤（如通过CoT提示），否则可能跳过关键逻辑

        6. 依赖提示语上下文来补偿能力短板（如要求分步思考、提供示例）

        7. 分布验证结果，多轮交互调整提示词。

2. 设计相关的提示词： 提示词的结构包括指令、上下文和期望。

1. 指令（Instruction)： 这是提示语的核心，明确告诉AI你希望它执行什么任务。

   • 设计思路

     1. 明确的任务核心问题，使用精确与简介的指令，去除多余的、模糊的指令信息 。

2. 上下文（Context)： 为AI提供背景信息，帮助它更准确地理解和执行任务。

   • 设计思路：

     1. 简单的指令直接提问即可；复杂的内容需要先明确核心内容，再适当的拆解任务，并确保内容连贯性（逻辑性）。不用拘泥于框架；

     2. 控制提示语的长度，避免嵌套过于复杂的指令；多使用分步简洁的提示**，**确保生成的准确性

     3. 提出具体问题或设定明确限制，要求AI给出精准回答。

3. 期望（Expectation)： 明确地表达你对AI输出的要求和预期。

   太过微管理的方式指挥AI，只会扼杀AI的创造力

   • 设计思路：

     1. 约束AI，给与AI合理的约束条件，并允许AI根据多个角度进行分析。

     2. 改善语言表达，通过观察AI的思考方式来理解原因，微调提示词。评估整体质量

🔖 依据模型的反馈修改提示词：分析模型生成的结果，或者模型的思考方式，反推提示词的不足，修改提示词内容。

三、提示语的设计模型与实践案例

1. 指令型提示词设计场景：明确需求，使用简洁的指令提问。

1. 场景一： 完成简单的代码编写任务

   2. 提示词公式模版： 编程语言 + 模块（可选） + 功能需求 + 期望（可选）

   3. 提示词案例

      案例一： 使用Python编写一个快速排序的方法，输出需包含注释。

2. 场景二： 向AI提出具体需求，询问解决方案

   2. 提示词公式模版： 需求 + 背景补充（可选）+ 期望

   3. 提示词案例

      案例一： 我需要优化用户登录流程，请分析当前瓶颈并提出3种方案.

3. 场景三： 创意写作 ， 编写小说。

   2. 提示词公式模版： 小说主题 + 补充角色/风格/内容 + 约束

   3. 提示词案例

      案例一： 设计一篇穿越到异世界轻小说的大纲，要求包含魔法、冒险、迷宫等元素，且字数控制在2000字以内。

4. 场景四： 与AI沟通，通过提问引导模型主动思考；探索性问题、并参考模型的解释逻辑来调整提示词。

   • 提示词案例

     案例一： 你觉得人工智能的未来会怎样？

     案例二（情感化提问）：“你害怕AI吗？”

2. 结构化提示词设计场景：尽量使用简洁明了的语言描述任务，避免复杂的结构化模板。

• 决策需求模版：适用于直接建议，依赖模型经验归纳

  需求表达式： 目标 + 选项 + 评估标准

  提示词案例：

     任务目标：为降低物流成本，现有以下两种方案：1.  自建区域仓库（初期投入高，长期成本低）2. 与第三方合作（按需付费，灵活性高） 评估标准：请根据ROI计算模型，对比5年内的总成本并推荐最优 解。"
  

• 分析需求模版：适用于表层总结或分类

  需求表达式： 问题 + 数据/信息 + 分析方法

  提示词案例：

     问题：分析近三年新能源汽车销量数据（附CSV）说明：1. 增长趋势与政策关联性； 2. 预测2025年市占率，分析方法：需使用ARIMA模型并解释参数 选择依据。
  

• 创造性需求模版：适用于自由发散，依赖示例引导

  需求表达式： 主题 + 风格/约束 + 创新方向

  提示词案例：

     主题：设计一款智能家居产品约束条件如下：1. 解决独居老人安全问题；2. 结合传感器网络和AI预警；3. 提供三种不同技术路线的原型草图说明。
  

• 验证需求模版：适用于简单确认，缺乏深度推演

  需求表达式： 结论/方案 + 验证方法 + 风险点

  提示词案例：

     结论/方案：参考某论文结论：'神经网络模型A优于传统方法B' 请验证以下几点： 1. 实验数据是否支持该结论；2. 检查对照组设置是否存在偏差；3. 重新计算p值并判断显著性。"
  

• 执行需求模版：适用于严格按指令执行，无自主优化

  需求表达式： 任务 + 步骤约束 + 输出格式

  提示词案例：

    任务目标：将C语言代码转换为Python，步骤约束： 1. 保持时间复杂度不变2. 使用numpy优化数组操作 输出格式：输出带时间测试案例的完整代码
  

3. 提示词进阶设计思路：有用的不是提示词，而是你的思维与表达方式。

1. 提示语的实用技巧一：角色扮演型提示语

   设计思路如下：

    1. **立角色**：通过设定角色，激活模型的特定能力包，简化任务描述。2. **述问题**：清晰描述任务的具体问题，确保模型能够理解任务需求。3. **定目标**：明确任务的目标，确保模型的输出符合预期。4. **补要求**：对任务进行补充要求，如格式、长度限制等。
   

2. 提示语的实用技巧二： 深津氏泛用Prompt提问方法，建立回答规则(告诉它你会丢什么内容给它，以及它要按什么格式回答)

   设计思路如下： 使用符号#用来区隔信息；将Constraints 约束语用子弹符号列表的方式呈现；使用MECE(不遗漏不重复)将内容分类

    1. **提问格式：**2. `#Instructions`：**设定脚色特征及背景:**赋予ChatGPT明确的特征，让其产生符合你预期的回应3. `#Constraints`4. **设定回应限制:**设定AI回答的方式以满足你的需求5. 加上指定动作6. **给予参考例子:**尝试更具体的指示来让ChatGPT 更准确地理解需求7. **调整风格和语气:**在指示中加入风格和语气的资讯，来让ChatGPT 生成更符合你要求的回应8. `#Input` : **输入文本:**放入文本，让ChatGPT 能根据Constraints 的指示，来对Input 编辑。例如: {文章} = “放入文章内容”9. `#output`：空白，不用填东西
   

   案例一

    `#Instructions：` 你是专业的编辑。 根据以下规范和输入的句子来输出最佳摘要。 `#Constraints:` 字符数约为300个字符。 小学生也能轻松理解。 保持句子简洁。`#innput:` （填入文本） `#output:`
   

   案例二

    `#Instructions：`你是专业的编辑。根据以下规范和输入的句子来输出最佳摘要。 `#Constraints:` 字符数约为300个字符。 小学生也能轻松理解。 删除任何无关紧要的文本。无关紧要的文本示例：“嗯”、“你能听到我说话吗，好吗？” 修正任何明显的拼写错误 将大块文本分成较小的段落以使其更易于阅读 使用markdown结构化信息输出文档。使用标题、副标题、项目符号和粗体来组织信息 一步一步地思考 如果你不理解，就告诉我；如果你理解了，也要回答我；如果你需要我补充什么信息，也告诉我 `#Input:` 地球是我们的家，每个人都有责任去保护它。从小事做起，如垃圾分类、节约用水、用环保产品等等，都可以让地球变得更好。 此外，植树也是一个不错的方法，因为树木可以吸收二氧化碳，让我们呼吸到更干净的空气。 我们也应该尊重每一种生物，因为每一种生物都对地球有重要的贡献。只有我们全力以赴，地球才能变得更美好`#Output:`