Prompt（提示词）是什么？
Prompt 是用户输入给AI模型（如ChatGPT、GPT-4等）的指令或问题，用于引导模型生成符合预期的回答。它的质量直接影响AI的输出效果。
Prompt 的核心技巧
1. 明确目标（Clarity）
- 模糊Prompt：
❌ “写一篇关于健康的文章”
问题：范围太广，AI可能生成笼统内容。 - 清晰Prompt：
✅ “写一篇800字的科普文章，介绍地中海饮食对心脏健康的益处，面向中老年人，语言通俗易懂”
技巧：
- 包含 5W1H（Who, What, When, Where, Why, How）
- 指定 格式（如列表、表格、代码、Markdown）
2. 提供上下文（Context）
- 缺乏上下文：
❌ “总结这篇文章”
问题：AI不知道是哪篇文章。 - 优化后：
✅ “请用中文总结以下关于量子计算的英文文章，列出3个关键点：[粘贴文章内容]”
技巧：
- 对于复杂任务，先提供背景信息。
- 示例：
你是一位经验丰富的Python工程师，请用代码示例解释装饰器（Decorator）的用法，要求包含@语法和实际应用场景。
3. 分步引导（Step-by-Step）
- 单步Prompt：
❌ “写一个电商网站的后端代码”
问题：任务太复杂，AI可能遗漏细节。 - 分步Prompt：
✅ "分步骤设计一个电商网站的后端：- 列出需要的API端点（如/users, /products）
- 用Python Flask框架编写/products的GET和POST接口代码
- 添加JWT身份验证逻辑"
技巧：
- 使用 “Think step by step”（逐步思考）提升逻辑性。
- 示例：
请逐步解释如何用PyTorch训练一个MNIST手写数字分类模型，包括数据加载、模型定义、训练循环和评估。
4. 角色扮演（Role Prompting）
通过赋予AI特定角色，提高回答的专业性：
- 普通Prompt：
❌ “如何学习机器学习？” - 角色Prompt：
✅ “假设你是一位资深的机器学习教授，为本科生设计一份为期3个月的学习计划，包含每周的阅读材料和实践项目。”
常用角色：
- 行业专家（医生、律师、工程师）
- 特定风格（莎士比亚、鲁迅、科技博主）
5. 示例引导（Few-Shot Prompting）
提供输入-输出的例子，引导AI模仿格式或风格：
示例1：
输入：如何泡茶？
输出：1. 烧水至80℃；2. 取3克茶叶放入杯中；3. 倒入热水，等待2分钟。
请用相同格式回答：如何煮咖啡？
输出：
1. 磨15克咖啡豆；2. 将滤纸放入滤杯；3. 用92℃热水缓慢注水，萃取2分30秒。
适用场景：
- 格式化输出（如JSON、表格）
- 模仿特定写作风格
6. 限制与约束（Constraints）
通过限制条件避免无关内容：
- 无约束：
❌ “写一首诗” - 有约束：
✅ “写一首七言绝句，主题是秋天，押韵‘ang’韵脚，避免使用‘落叶’一词”
常用约束：
- 字数限制（“用50字以内总结”）
- 禁用词汇（“不要提及政治”）
- 语言风格（“口语化”“学术严谨”）
7. 反向Prompt（Negative Prompt）
明确禁止AI做的事情：
写一篇关于人工智能的短文，要求：
- 不要列举技术术语
- 避免未来主义预测
- 聚焦当前实际应用
高级技巧
1. 链式Prompt（Chain-of-Thought）
将复杂问题拆解成多轮提问：
第一轮：解释什么是区块链？
第二轮：基于之前的解释，说明区块链如何保证数据不可篡改？
2. 温度（Temperature）控制
- 低温度（如0.2）：输出确定性高，适合事实性回答。
- 高温度（如0.8）：输出更创意，适合写作或头脑风暴。
3. 系统消息（System Message）
在对话开始时设定AI的行为：
你是一位严谨的科学编辑，所有回答需引用权威论文，不确定时明确告知。
总结：Prompt优化清单
| 技巧 | 示例 | 适用场景 |
|---|---|---|
| 明确目标 | “用300字解释光合作用，面向小学生” | 避免模糊回答 |
| 分步引导 | “分三步教我搭建React项目” | 复杂任务 |
| 角色扮演 | “作为资深律师，分析合同风险点” | 专业化回答 |
| 示例引导 | 提供输入-输出对 | 格式化/风格模仿 |
| 反向Prompt | “不要使用技术术语” | 限制输出范围 |
实践建议：多测试不同Prompt，观察AI的输出差异，逐步迭代优化！
