【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

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。
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）

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：
    1. 使用简洁指令；
    2. 提问时明确任务目标和需求；
    3. 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：
    1. 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
    2. 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）
    3. 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。

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。
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。
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。

场景一： 完成简单的代码编写任务
1. 提示词公式模版： 编程语言 + 模块（可选） + 功能需求 + 期望（可选）
2. 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。
场景二： 向AI提出具体需求，询问解决方案
1. 提示词公式模版： 需求 + 背景补充（可选）+ 期望
2. 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.
场景三： 创意写作，编写小说。
1. 提示词公式模版： 小说主题 + 补充角色/风格/内容 + 约束
2. 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。
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。

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。

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:`