Prompt 结构化提示工程

目前ai开发工具都大同小异，随着deepseek的流行，ai工具的能力都差不太多，功能基本都覆盖到了。而prompt能力反而是需要更加关注的（说白了就是能不能把需求清晰的输出成文档）。因此大家可能需要加强的是prompt能力。

1. 定义和背景

Prompt提示工程（Prompt Engineering）是一门设计和优化输入提示（Prompt）以获得期望输出的技术。随着人工智能（AI）和自然语言处理（NLP）技术的发展，尤其是大型语言模型（如GPT-3、GPT-4等）的出现，Prompt提示工程在与AI模型进行有效互动中变得尤为重要。

这些AI模型通过接收自然语言提示来生成响应。提示工程师的任务是设计这些提示，以确保模型能够理解并准确地回应用户的需求。通过优化提示，可以显著提高模型生成内容的质量和相关性。

2. 重要性

Prompt提示工程的重要性体现在以下几个方面：

提高输出质量：精心设计的提示可以帮助模型生成更准确和相关的响应。
控制生成内容：通过提示，可以更有效地引导模型生成特定风格或领域的内容。
减少误解：明确的提示可以减少AI模型对问题的误解，从而提高交互效率。
提升用户体验：通过优化提示，可以增强用户与AI系统的互动体验，使其更加自然和顺畅。

3. 提示词要素

提示词可以包含以下任意要素：

指令：想要模型执行的特定任务或指令。

上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。

输入数据：用户输入的内容或问题。

输出指示：指定输出的类型或格式。

4. 设计提示的一些原则

设计有效提示的方法包括以下几个步骤：

明确目标：
- 在设计提示之前，明确你希望从模型获得什么样的输出。
- 示例：如果你需要模型生成一篇关于气候变化的文章，提示应该明确指出这一点。
  - 不良提示：请写点东西。
  - 良好提示：请写一篇关于气候变化及其影响的文章。
具体化-提供参考内容：
- 使用具体的描述和例子来引导模型生成所需的内容。
- 示例：如果你需要模型写一个购物车的代码示例，提示应该具体说明需要包含哪些功能。
  - 不良提示：写一个购物车的代码。
  - 良好提示：请写一个包含添加商品、移除商品和计算总价功能的购物车代码示例。
拆分子任务
- 不要试图让模型一次性完成，而是将其分解成一个个较小的、相对简单的子任务
- 示例：如果你需要编写一个复杂的需求，你可以将其拆分为多个子任务处理。
  - 不良提示：写一个图片预处理工具。
  - 良好提示：请写一个图片预处理工具，包含图片背景去除，图片归一化（转换为同一大小），图片编辑（图片裁剪），生成提示词。
给出思考过程-思维链
- 允许模型逐步展示其思考过程，而不是直接要求最终结果
- 示例：在让模型解答数学问题时，我们可以要求它先列出解题步骤，再得出最终答案
  - 不良提示：我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果？。
  - 良好提示：我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果？让我们逐步思考。
- 这里我测试后现在的新模型基本都已经加入了思维链。
实验和优化：
- 通过反复试验和调整，找到最有效的提示方式。
- 示例：如果初始提示没有得到满意的结果，尝试调整提示的细节和结构。
  - 初始提示：解释递归函数。
  - 优化提示：请解释递归函数，并给出一个计算阶乘的Python代码示例。

5. 示例

示例一：生成代码

不良提示：

写一个Python函数。

良好提示：

请写一个Python函数，该函数接收一个整数参数并返回其阶乘。

示例二：回答问题

不良提示：

解释一下机器学习。

良好提示：

请详细解释什么是机器学习，并包括以下几点：
1. 定义和背景
2. 主要类型（监督学习、无监督学习等）
3. 常见算法（如线性回归、决策树等）
4. 应用领域

示例三：生成文章

不良提示：

写一篇文章。

良好提示：

请写一篇关于人工智能对日常生活影响的文章，内容包括：
1. 人工智能的定义
2. 人工智能在日常生活中的应用（如语音助手、推荐系统等）
3. 人工智能的未来发展趋势

3.prompt 框架

1、CRISPE提示词框架

https://github.com/mattnigh/ChatGPT3-Free-Prompt-List

Capacity and Role**(能力与角色)**：给 ChatGPT 等AI模型定个角色，比如专家、助手啥的。
Insight**(洞察力)**：给它讲讲相关背景、上下文，好让它明白情况。
Statement**(指令)**：明确告诉它要做的事，下达具体任务。
Personality**(个性)**：规定它回答的风格，像幽默或严肃那种。
Experiment**(尝试)**：让它多给几个不同的答案来参考。

**例子：**扮演一名机器学习框架领域的软件开发专家以及专业博客撰写人。本博客的受众是那些有兴趣了解机器学习最新进展的技术专业人员。对最流行的机器学习框架进行全面概述，包括它们的优势和劣势。纳入现实生活中的实例和案例研究，用以说明这些框架在各个行业中是如何成功得到应用的。在回复时，综合运用安德烈・卡帕西（Andrej Karpathy）、弗朗索瓦・肖莱（Francois Chollet）、杰里米・霍华德（Jeremy Howard）以及扬・勒丘恩（Yann LeCun）的写作风格。

2、CO-STAR提示词框架

https://aiadvisoryboards.wordpress.com/2024/01/30/co-star-framework/

Context背景：给出任务相关背景。
Objective目标：明确让大语言模型执行的任务。
Style 风格：指定模型写作风格。
Tone语气：设定回复的情感倾向。
Audience观众：点明回复面向对象。
Response回复：给出内容的回复格式。

3、LangGPT结构化提示词

**LangGPT社区文档：[https://langgpt.ai)

LangGPT这是一种编写高质量提示词的工具，它的理论基础是一套特定的方法论，叫结构化提示词。这个方法论具有模块化、标准化的特点，能帮助人们更好地去编写提示词。简单来说，就是靠这套结构化提示词的方法论，来助力产出高质量的提示词

比如 LangGPT 的模板就有一套很好的思维链：先确定角色（Role），然后是角色简介（Profile），接着是角色技能（skill），再是角色要遵守的规则（Rules），之后是角色的工作流程（Workflow），然后是工作前的初始化准备（Initialization），最后就可以开始实际使用了。

下面有两个生成提示词的工具:

ChatGPT - LangGPT 提示词专家✍️https://chatgpt.com/g/g-Apzuylaqk-langgpt-ti-shi-ci-zhuan-jia

Chat with 提示词专家 - Kimi.aihttps://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0

自动化生成LangGPT提示词

  你是提示词专家，根据用户的输入设计用于生成**高质量（清晰准确）**的大语言模型提示词。
    - 技能：
    -   分析、写作、编码
    -   自动执行任务
    - ✍ 遵循提示工程的行业最佳实践并生成提示词
    # 输出要求：
    - 结构化输出内容。
    - 为代码或文章提供**详细、准确和深入**的内容。
    #   提示词模板（使用代码块展示提示内容）：
    ```
    你是xxx（描述角色和角色任务）
    - 技能：
    -   分析、写作、编码
    -   自动执行任务
    #   输出要求：
    - 结构化输出内容。
    - 为代码或文章提供**详细、准确和深入**的内容。
    -（其他基本输出要求）
    #   工作流程：
    - 仔细深入地思考和分析用户的内容和意图。
    - 逐步工作并提供专业和深入的回答。
    -（其他基本对话工作流程）
    #   初始化：
    欢迎用户，友好的介绍自己并引导用户使用。
    ```
    **你的任务是帮助用户设计高质量提示词。**
    开始请打招呼：“您好！我是您的提示词专家助手，请随时告诉我您需要设计什么用途的提示词吧。

你可以使用上面的提示词在任意大模型中使用，帮助你生成结构化prompt。

4.实战

环境：网页版deepseek,vscode+通义灵码

模型使用：deepseek R1(深度思考) 会有思维链输出，对编写提示词和理解输出代码很有帮助，前期可以多使用这个。

1.使用prompt框架设计提示词，实现一个需求。这里我们就使用LangGPT模板开发一个简单应用。

Chat with 提示词专家 - Kimi.ai 使用LangGPT 生成提示词模板

使用kimi提示词生成工具，这里我们使用一个简单的贪吃蛇为例。

可以看到 LangGPT 的模板有一套很好的思维链：先确定角色（Role），然后是角色简介（Profile），接着是角色技能（skill），再是角色要遵守的规则（Rules），之后是角色的工作流程（Workflow），给出具体例子（Examples如果有），然后是工作前的初始化准备（Initialization），最后就可以开始实际使用了。
其中 Initialization，可以很好的触发大模型的 reflection能力，反向引导用户提问。
修改模板后调用 chatGpt或deepseek

这里我们使用deepseek进行生成。

由于我们在Initialization （初始化）设置了反思机制，大模型会引导用户完善提示。我们可以增加完善信息。这里我没啥需要完善就直接生成代码了。

我们点击 运行html看下效果