当前位置: 首页 > article >正文

Prompt Engineering:怎么跟 AI “好好说话“

Prompt Engineering怎么跟 AI “好好说话”说白了Prompt Engineering 就是怎么跟 AI 好好聊天的技术。同样一个问题换个说法问AI 给你的答案可能天差地别。这篇文章咱们就来聊聊这玩意儿到底是啥以及怎么写出好使的 Prompt。一、Prompt 是啥先整明白这个你可以把 Prompt 理解为你给 AI 的指令或者问题。比如你跟 ChatGPT 说帮我写首诗。这就是个 Prompt简单直接。但 AI 给你的诗可能跟你想要的差了十万八千里——它不知道你要写啥主题、啥风格、多长、给谁看。所以 Prompt Engineering提示工程干的就是这件事研究怎么写 Prompt能让 AI 更懂你给出更靠谱的回答。注意啊这不是什么高深莫测的黑科技不需要你会编程。它更像是一门沟通艺术——怎么把话说清楚让 AI get 到你的点。二、为啥 Prompt 这么重要你可能会想AI 不是挺聪明的吗咋还挑我怎么问这里有个核心道理你得明白AI 本质上是在做文字接龙。它看你前面说了啥然后猜下一个词最可能是啥一个个词往外蹦直到凑出一整段回答。所以你给的上下文越清晰、越具体AI 猜的方向就越对。打个比方你的 PromptAI 的理解结果“写个方案”啥方案给谁看多长可能写出一堆废话“帮我写个 500 字的产品推广方案面向大学生推广一款背单词 App语气活泼”主题、受众、长度、风格全齐了基本能直接用看出来了吧好 Prompt 给 AI 足够的线索让它少猜、猜对。三、写好 Prompt 的核心套路好了道理懂了那具体怎么写我给你总结了一套实用心法我管它叫“4W1H 法则”1. What — 你要啥说清楚任务别含糊直接告诉 AI 你要它干啥。❌ 不太好讲讲 Python ✅ 更好用 Python 写一个函数输入一个列表返回去重后的列表保持原有顺序2. Who — 扮演啥角色设定身份让 AI 扮演某个角色它的回答风格和专业度会完全不一样。❌ 不太好解释一下区块链 ✅ 更好你是一位有 10 年经验的区块链技术专家请用通俗的语言向一个完全不懂技术的小白解释什么是区块链控制在 300 字以内小技巧角色设定越具体效果越好。资深程序员比专家好有 10 年经验的 Python 后端开发又比资深程序员好。3. How — 输出格式是啥告诉 AI 你要什么格式的答案省得你后面再加工。请按以下格式输出 1. 核心观点一句话概括 2. 详细解释200 字左右 3. 举个栗子生活化的例子 4. 常见误区列 2-3 个4. When / Where — 场景和约束加上场景和限制条件让回答更精准。我要在明天的部门会议上汇报时间只有 3 分钟请帮我准备一个关于 Q3 销售数据的简短发言稿重点突出同比增长率。5. Why — 给点背景可选有时候告诉 AI 你为啥要这个它能给出更贴心的建议。我是一个刚转行做前端的后端开发对 React 不太熟请推荐学习路径重点对比跟我已有的 Vue 经验的差异。四、几个超实用的进阶技巧技巧一给例子Few-shotAI 很擅长照葫芦画瓢。你给它几个例子它就能模仿你的风格或格式。请把以下句子改写成更正式的商务邮件语气 例子 1 原句你那个方案有问题得改。 改写关于您提交的方案经审阅后发现尚有优化空间建议进一步修订。 例子 2 原句这个需求做不了太复杂了。 改写经技术评估该需求当前实现复杂度较高建议分阶段推进或调整方案。 现在请改写 原句你这个 deadline 太紧了根本搞不完。 改写这招特别管用尤其是你要处理一堆格式统一的任务时给两三个例子AI 基本不会跑偏。技巧二让 AI 先想再说Chain-of-Thought遇到复杂问题让 AI 一步一步想别让它直接蹦答案。❌ 直接问一个水池甲管 3 小时注满乙管 6 小时注满同时开几小时注满 AI 可能直接给个答案但过程可能错 ✅ 引导它思考 一个水池甲管 3 小时注满乙管 6 小时注满。请一步一步思考 1. 甲管每小时注多少 2. 乙管每小时注多少 3. 两管一起每小时注多少 4. 注满需要几小时这招对数学题、逻辑推理题特别有效。让 AI “展示思考过程”你也能检查它有没有瞎算。技巧三让 AI 自己检查Self-CorrectionAI 也会犯错但你可以让它自己审自己。请写一段 Python 代码实现二分查找。写完后请检查代码是否有 bug特别是边界条件如空列表、只有一个元素的情况并修正。或者分两步第一步请分析以下代码的问题 [贴代码] 第二步基于以上分析请给出修正后的代码技巧四结构化输出JSON / Markdown如果你要把 AI 的输出喂给其他程序或者想方便地复制粘贴直接要求结构化格式。请分析以下产品的优缺点并以 JSON 格式输出 { 优点: [..., ...], 缺点: [..., ...], 适合人群: ..., 总体评分: 0-10 }五、Prompt 写错了怎么办调试写 Prompt 跟写代码一样不可能一次就完美。你得学会调试。调试三板斧1. 看输出找偏差AI 的回答哪里不对是理解错了还是格式不对还是太啰嗦找到问题才能对症下药。2. 加约束减歧义如果 AI 理解偏了多半是你的 Prompt 有歧义。加限制条件把路收窄。❌ 介绍一下机器学习 AI 可能从定义讲到深度学习洋洋洒洒几千字 ✅ 用 200 字以内向一个非技术人员解释机器学习是什么只讲核心概念不要涉及数学公式和算法名称。3. 分解任务一步一步来复杂任务别指望 AI 一口吃成胖子。拆成几步每步单独处理。不要这样 帮我写一篇关于人工智能的论文包含摘要、引言、方法、实验、结论要有数据支撑引用最新文献。 要这样 第一步帮我拟定一个关于AI 在医疗影像诊断中的应用的论文大纲 第二步基于以上大纲帮我写引言部分300 字左右 第三步基于以上大纲帮我写方法部分...六、常见踩坑指南坑咋避免太模糊加上数字、格式、场景等具体约束太复杂一个 Prompt 只干一件事复杂任务拆步骤假设 AI 懂上下文每个新对话把背景交代清楚别指望它记得不给例子想要特定风格/格式给 1-2 个例子最省事不验证结果尤其是数据、代码、事实类内容务必人工核对七、总结一下Prompt Engineering 说白了就几句话AI 是文字接龙机器— 你给的信息越全它接得越对4W1H 法则— What、Who、How、When/Where、Why写 Prompt 时过一遍给例子、让思考、要检查— 三个进阶技巧解决大部分场景复杂任务拆步骤— 别指望 AI 一次搞定所有事多试多调— 好 Prompt 是迭代出来的不是一次写成的最后说句实在话Prompt Engineering 不是什么神秘技能核心就是**“把话说清楚”**。你在现实生活里怎么跟一个聪明但有点死脑筋的同事交代任务就怎么写 Prompt。练多了自然就有感觉了。你平时写 Prompt 遇到过啥坑有啥独门技巧欢迎交流

相关文章:

Prompt Engineering:怎么跟 AI “好好说话“

Prompt Engineering:怎么跟 AI “好好说话”说白了,Prompt Engineering 就是"怎么跟 AI 好好聊天"的技术。同样一个问题,换个说法问,AI 给你的答案可能天差地别。这篇文章咱们就来聊聊这玩意儿到底是啥,以及…...

避坑指南:在Synopsys ICC中搞定Floorplan与Power Network Synthesis (PNS) 的实战心得

避坑指南:在Synopsys ICC中搞定Floorplan与Power Network Synthesis (PNS) 的实战心得 在数字芯片设计的物理实现阶段,Floorplan(布局规划)和Power Network Synthesis(电源网络综合)的质量往往决定了整个项…...

Blackwell消费级GPU本地部署LLM推理实践与优化

1. 项目概述:Blackwell消费级GPU本地部署LLM推理实践在中小企业(SME)的实际业务场景中,大语言模型(LLM)的应用正面临两大核心挑战:数据隐私保护与部署成本控制。传统云API方案虽然便捷,但存在敏感数据外流风险;而专业级…...

深入探索BepInEx插件框架的架构演进与生态建设

深入探索BepInEx插件框架的架构演进与生态建设 【免费下载链接】BepInEx Unity / XNA game patcher and plugin framework 项目地址: https://gitcode.com/GitHub_Trending/be/BepInEx BepInEx作为Unity游戏生态中广泛使用的插件框架,经历了从基础注入器到成…...

高效解决DLSS版本管理的专业配置方案与实战指南

高效解决DLSS版本管理的专业配置方案与实战指南 【免费下载链接】dlss-swapper 项目地址: https://gitcode.com/GitHub_Trending/dl/dlss-swapper 在PC游戏性能优化领域,DLSS(深度学习超级采样)技术已成为提升帧率的关键工具。然而&a…...

保姆级调试指南:用ftrace和trace_printk追踪Linux DMA Fence的生命周期与状态流转

保姆级调试指南:用ftrace和trace_printk追踪Linux DMA Fence的生命周期与状态流转 当你面对一个内核挂起问题时,DMA Fence往往是那个隐藏在幕后的关键角色。作为Linux内核中负责同步的核心机制,DMA Fence的状态流转直接影响着GPU、显示驱动和…...

为什么你的SSD用久了会变慢?深入浅出聊聊TLC/QLC闪存的Vt分布挑战

为什么你的SSD用久了会变慢?深入解析TLC/QLC闪存的电压分布困局 当你发现新买的固态硬盘(SSD)在连续使用几个月后,拷贝大文件时速度从500MB/s跌到300MB/s,游戏加载时间明显变长,这很可能不是心理作用。这种…...

用Blender粒子系统快速打造游戏植被:灌木丛与行道树的低面数优化方案

用Blender粒子系统打造高效游戏植被:从建模到Unity性能优化的全流程指南 在独立游戏开发中,植被往往是场景丰富度的关键,却也是最容易引发性能问题的元素之一。想象一下,当你精心设计的校园场景在移动设备上运行时,原本…...

CowAgent:从零部署AI智能体,打造你的超级数字助理

1. 项目概述与核心价值 如果你和我一样,是个喜欢折腾的开发者,或者是一个希望将AI能力深度融入日常工作流的效率追求者,那么你肯定不止一次地想过:能不能有一个AI助手,它不仅能聊天,还能真正“动手”帮你做…...

DataHub云原生部署实战:基于Helm的Kubernetes化元数据平台搭建与运维

1. 项目概述:DataHub的Kubernetes化部署方案如果你正在为团队寻找一个现代化的元数据管理平台,DataHub这个名字大概率已经出现在你的雷达上了。作为一个由LinkedIn开源并迅速成长的元数据图谱项目,它确实解决了数据发现、协作和治理中的很多痛…...

单细胞数据分析新宠:scIB从安装到实战全流程指南(附常见报错解决方案)

单细胞数据分析新宠:scIB从安装到实战全流程指南(附常见报错解决方案) 在单细胞组学研究的浪潮中,数据整合已成为解锁细胞异质性奥秘的关键钥匙。当我们面对来自不同实验室、测序平台或实验批次的单细胞数据时,如何消除…...

A1101R09x无线电模块机械特性与焊接工艺解析

1. A1101R09x无线电模块机械特性解析作为物联网设备的核心射频组件,A1101R09x系列模块的机械设计直接影响着信号传输质量和系统集成度。在实际工程应用中,我们不仅需要关注电气参数,更需要精确掌握其物理特性才能确保可靠装配。1.1 模块本体尺…...

你还在用stackalloc int[256]?C# 13 InlineArray<byte, 1024> 已通过ISO/IEC 23270:2023合规认证,现在不学就淘汰!

更多请点击: https://intelliparadigm.com 第一章:C# 13 InlineArray 内存模型革命性演进 C# 13 引入的 InlineArray 特性标志着 .NET 运行时内存布局控制能力的重大跃迁。它允许开发者在结构体中声明固定大小、内联存储的数组,彻底规避堆分…...

别再折腾FFmpeg了!用WebRTC-Streamer在Vue2里无插件播放大华RTSP监控画面

在Vue2项目中实现大华RTSP监控流的零插件播放方案 每次看到前端开发者为了在网页中播放RTSP监控流而折腾FFmpeg转码方案时,我都忍不住想分享这个更优雅的解决方案。传统方案需要搭建复杂的转码服务器,不仅部署麻烦,还会带来额外的延迟和性能开…...

C++27异常处理安全增强:首次引入静态断言异常兼容性检查(static_assert_noexcept_compatible),一招拦截跨模块异常逃逸风险

更多请点击: https://intelliparadigm.com 第一章:C27异常处理安全增强的演进背景与设计动机 现代C系统在云原生、嵌入式实时和金融高频交易等场景中,对异常处理的确定性、内存安全性与跨线程可预测性提出了前所未有的严苛要求。C11引入noex…...

DAComp:大语言模型多维评估基准与工程实践

1. 项目背景与核心价值DAComp作为新一代大语言模型评估基准,正在重新定义AI测试方法论。这个由数据科学家和AI工程师共同打造的开源工具,解决了当前LLM评估中的三大痛点:评估维度单一、测试场景脱离实际、缺乏全流程追踪。我在实际参与多个LL…...

避坑指南:用Docker在Windows跑Jenkins,数据卷映射和初始化密码那些事儿

Windows下Docker运行Jenkins的五大避坑实战 最近在帮团队搭建CI/CD环境时,发现不少同事在Windows上用Docker跑Jenkins总会遇到各种"玄学问题"。明明照着官方文档操作,却总在数据卷映射和初始化密码环节卡壳。今天我就把这些年踩过的坑和解决方…...

SV约束控制技巧:手把手教你用constraint_mode和rand_mode动态管理验证场景

SV约束控制实战:动态管理验证场景的高级技巧 在芯片验证领域,随机约束测试已成为覆盖复杂设计场景的核心手段。但许多验证工程师往往只掌握了基础约束语法,却忽略了SystemVerilog提供的动态控制能力——这正是构建灵活、可配置验证环境的关键…...

终极指南:如何快速免费搭建macOS桌面歌词显示工具

终极指南:如何快速免费搭建macOS桌面歌词显示工具 【免费下载链接】Lyrics Swift-based iTunes plug-in to display lyrics on the desktop. 项目地址: https://gitcode.com/gh_mirrors/lyr/Lyrics 你是否厌倦了在听音乐时频繁切换窗口查看歌词?L…...

如何让PS手柄在Windows上获得完美游戏体验?DS4Windows深度解析

如何让PS手柄在Windows上获得完美游戏体验?DS4Windows深度解析 【免费下载链接】DS4Windows Like those other ds4tools, but sexier 项目地址: https://gitcode.com/gh_mirrors/ds/DS4Windows 当你在PC上连接PlayStation手柄却遭遇游戏不识别、按键错乱或功…...

威胁情报增强工具EnClaws:架构设计与实战应用解析

1. 项目概述:从“EnClaws”看开源情报与威胁狩猎的融合最近在GitHub上看到一个挺有意思的项目,叫“hashSTACS-Global/EnClaws”。光看这个名字,就透着一股子技术范儿和实战气息。“hashSTACS”听起来像是一个专注于安全分析或威胁情报的团队或…...

零基础入门Godot游戏开发:GDScript交互式学习指南

1. 从零到一:为什么选择《Learn GDScript From Zero》作为你的编程起点? 如果你对游戏开发充满好奇,尤其是被《原神》、《哈迪斯》这类独立或商业游戏所吸引,梦想着有一天能亲手创造自己的世界,那么你很可能已经听说过…...

Obsidian Day Planner:3步打造高效可视化的日程管理系统

Obsidian Day Planner:3步打造高效可视化的日程管理系统 【免费下载链接】obsidian-day-planner An Obsidian plugin for day planning with a clean UI and a simple task format 项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-day-planner 你是否…...

手把手教你用Python复现LIDC-IDRI肺结节分类模型(附完整代码与数据集处理技巧)

从零构建LIDC-IDRI肺结节智能诊断系统:Python全流程实战指南 医学影像分析正经历着由深度学习驱动的革命性变革。想象一下,当一位放射科医生面对数百张CT扫描图像时,AI系统能够快速标记出可疑结节并给出恶性概率评估——这正是我们今天要实现…...

ECO量化训练:无主权重的高效深度学习模型压缩方案

1. 项目背景与核心价值在深度学习模型部署的实际场景中,模型量化技术一直面临着精度损失与训练效率的平衡难题。传统量化方法通常需要保留全精度(FP32)的主权重(Master Weight)作为参考基准,这不仅增加了内…...

Superset安装总报错?这份CentOS 7/8下的避坑指南我帮你踩完了

Superset安装总报错?这份CentOS 7/8下的避坑指南我帮你踩完了 在企业级数据分析平台部署过程中,Apache Superset以其强大的可视化能力和开源特性成为众多技术团队的首选。然而当你在CentOS系统上亲手部署时,可能会发现官方文档的"简单几…...

Translumo:打破语言壁垒的实时屏幕翻译助手,3个场景让你重新认识它

Translumo:打破语言壁垒的实时屏幕翻译助手,3个场景让你重新认识它 【免费下载链接】Translumo Advanced real-time screen translator for games, hardcoded subtitles in videos, static text and etc. 项目地址: https://gitcode.com/gh_mirrors/tr…...

多头部适配器架构优化电商推荐系统性能

1. 项目背景与核心价值推荐系统作为互联网内容分发的核心引擎,其性能优化一直是工业界的研究热点。传统推荐模型通常采用单一模型结构处理所有用户请求,这种"一刀切"的方式在面对多样化用户群体时存在明显的效率瓶颈。我们团队在实际业务中发现…...

Python京东茅台抢购终极指南:毫秒级精准定时自动化脚本

Python京东茅台抢购终极指南:毫秒级精准定时自动化脚本 【免费下载链接】jd_maotai 抢京东茅台脚本,定时自动触发,自动预约,自动停止 项目地址: https://gitcode.com/gh_mirrors/jd/jd_maotai 在电商秒杀活动中&#xff0c…...

SmolVLA:轻量化视觉语言动作模型在机器人控制中的应用

1. SmolVLA架构解析:当视觉语言模型遇见机器人控制在机器人控制领域,传统方法通常需要针对每个任务单独设计控制算法,这种"一任务一模型"的模式严重制约了机器人的泛化能力。而视觉语言动作模型(Vision-Language-Action…...