提示词工程模板

目录

• 五步框架
  • • 1. TASK（明确任务）
    • 2. CONTEXT（提供上下文）
    • 3. REFERENCES（添加参考资料）
    • 4. EVALUATE（评估结果）
    • 5. ITERATE（迭代优化）
    • 整体逻辑
• 提示词迭代
  • • 翻译
    • 解释
• 参考资料

五步框架

提示词工程的五步框架（5 Step Framework），是设计有效大模型提示词的核心流程。以下是每一步的翻译与详细解释：
为了方便记忆

1. TASK（明确任务）

• 翻译：明确要让大模型完成的具体任务。
• 解释：
  需精准定义“模型要做什么”，包括任务类型（如生成、总结、分类、问答等）和具体要求。
  示例：
  • 模糊任务：“写点关于科技的内容”；
  • 明确任务：“写一篇300字左右，介绍2025年AI在医疗影像诊断领域应用的科普短文”。

2. CONTEXT（提供上下文）

• 翻译：为任务补充背景信息、前提条件或相关素材。
• 解释：
  给大模型“额外信息”，帮助它基于更完整的场景生成符合预期的内容。
  示例：
  若任务是“生成产品推广文案”，需补充：
  • 产品：主打轻量化的折叠电动自行车；
  • 目标用户：都市通勤族；
  • 核心卖点：折叠后可放入电梯，续航80公里。

3. REFERENCES（添加参考资料）

• 翻译：提供供模型参考的资料（如文本片段、文档、示例等）。
• 解释：
  让模型基于“给定资料”生成内容，确保输出与参考信息一致（常见于检索增强生成，RAG场景）。
  示例：
  任务是“总结这份财报的核心观点”，则需附上“财报原文文档”或“关键数据片段”作为参考。

4. EVALUATE（评估结果）

• 翻译：对大模型输出的结果进行评估。
• 解释：
  检查输出是否符合“任务、上下文、参考资料”的要求，判断是否需要优化。
  评估维度可包括：
  • 相关性：内容是否切题；
  • 准确性：信息是否正确；
  • 格式：是否符合指定格式（如字数、排版）。

5. ITERATE（迭代优化）

• 翻译：根据评估结果，调整提示词并重复流程。
• 解释：
  若输出不符合预期，需修改提示词（如调整任务描述、补充更多上下文、更换参考资料），再次执行“任务→上下文→参考→评估”的流程，直到结果满意。

整体逻辑

这五步是一个循环过程：先明确任务并补充信息，再通过评估发现问题，最后迭代优化提示词——本质是通过“设计→测试→改进”的闭环，让大模型的输出越来越贴合需求。

提示词迭代

翻译

迭代方法

• Ramen（拉面法）：重新审视提示词框架
• Saves（拆分法）：将提示词拆分为更短的句子
• Tragic（措辞转换法）：尝试不同的措辞，或切换到类似的任务
• Idiots（约束法）：引入约束条件

解释

这四种是提示词工程中优化提示词效果的核心迭代策略，用于解决提示词初次效果不佳的情况，从不同维度调整以提升大模型输出质量：

1. 重新审视提示词框架（Ramen）：
   当提示词效果不好时，先从“整体结构”入手——检查提示词是否包含核心要素（如任务定义、上下文、格式要求等），或框架逻辑是否清晰（比如指令和示例的组合是否合理）。例如，若让模型“写产品文案”效果差，可重新梳理框架，明确“目标用户+核心卖点+文案风格”。

2. 拆分提示词为更短的句子（Saves）：
   大模型对长文本的理解易出现“注意力分散”，把复杂提示拆成短句能让模型更聚焦。比如原提示“写一篇关于AI且包含历史、应用、未来的500字科普文”，可拆为：“① 介绍AI的历史发展；② 列举3个典型应用场景；③ 预测未来10年趋势；总字数500字左右”。

3. 尝试不同措辞或切换类似任务（Tragic）：

   • 若原措辞太抽象（如“改进方案”→ 改为“优化方案的成本模块，降低10%预算”），模型更易理解；
   • 若任务太难（如“直接生成科幻小说”），可先让模型做“类似但简单的任务”（如“总结科幻小说常见元素”），再逐步过渡到创作。

4. 引入约束条件（Idiots）：
   给提示词增加“限制规则”，让模型输出更可控。比如：

   • 格式约束：“用Markdown列表，分3点说明”；
   • 风格约束：“模仿鲁迅的文风写一段关于科技的思考”；
   • 内容约束：“介绍大模型时，必须提到‘注意力机制’和‘微调’两个概念”。

简言之，这四种方法从“框架→长度→措辞→约束”四个维度，逐步优化提示词，让大模型的输出更符合预期。

参考资料

https://blog.csdn.net/2301_79455190/article/details/146311211