提示词工程

2.1 大模型提示词工程基础

学习目标

• 了解什么是提示词工程
• 掌握提示词工程的设计原则

一、核心概念

1. 提示词（Prompt）

提示词是人工智能领域与大模型交互的核心工具，特指用户给大型语言模型发出的指令（如“讲个笑话”“用Python编个贪吃蛇游戏”）。

• 广义：包含用户输入和模型回复两部分（角色不同）；
• 日常语境：默认指用户输入的指令部分。

2. 提示词工程（Prompt Engineering）

通过精心设计和优化输入给大语言模型的文本指令，系统性引导模型生成更准确、相关、高质量输出的技术方法论。

• 核心价值：提升模型输出效果，缓解大模型幻觉问题；
• 本质：将模糊意图转化为模型可精准理解的指令，通过“设计-测试-优化”迭代提示词，最大化激发模型潜力；
• 延伸范畴：涵盖与大模型交互/研发的各类技能，可提升模型安全性、借助专业知识/外部工具增强模型能力。

二、提示词工程的核心原则

基于OpenAI官网文档提炼的5大核心原则：

1. 清晰的指令

核心：清晰表达需求是所有Prompt技巧的基础（类比人与人沟通，指令模糊则理解偏差）。

具体技巧：

1.1 详细的描述

提问时避免笼统，尽可能提供重要细节/上下文。

• 反例（宽泛描述）：帮我设计一个健身计划。
  → 问题：模型输出通用型儿童健身计划，不符合需求；
• 正例（详细描述）：

  请为我设计一个为期12周的健身计划。
  背景：我是一名28岁的男性程序员，身高175厘米，体重75公斤，久坐少动，有轻微的腰部不适。
  目标：主要目标是增肌5公斤，并改善腰部力量和体态。
  约束：我每周只有周一、三、五晚上可以在健身房训练，每次不超过90分钟。我不喜欢长跑。
  输出要求：请将计划分为三个阶段，每个阶段4周，列出每周的训练日程安排（包括具体动作、组数、次数），并附上简单的饮食建议（每日蛋白质摄入量不少于1.6克/公斤体重）。请用表格形式输出计划。
  

  → 效果：模型输出适配程序员场景、符合约束条件的精准健身计划。

1.2 让模型充当某个角色

指定模型扮演专业角色，可获得更专业、针对性的回复。

• 案例（AI算法面试题场景）：
  指令：你是一位专业且严格的AI面试官，能够依据AI算法工程师的需求，提出专业相关问题，评估应聘者的专业知识水平。
  → 效果：模型从“AI面试官”视角，围绕基础理论、核心技术栈、工程实践等维度提出结构化面试问题。

1.3 使用分隔符标明输入的不同部分（文档提及未展开，补充通用方法）

通过分隔符（如```、###、|||等）区分指令、输入文本、示例等不同模块，让模型清晰识别边界。

• 示例：

  请总结以下文本内容，要求简洁明了（不超过200字）：
  ### 文本内容 ###
  [此处粘贴需要总结的长文本]
  

1.4 提供示例（文档提及未展开，补充通用方法）

通过“输入-输出”示例明确预期，降低模型理解偏差（少样本学习思路）。

• 示例：

  请按照示例格式改写句子，要求保留原意，语气更正式。
  示例：
  输入：这个方案我觉得不行，改改再发。
  输出：该方案暂未达到预期标准，建议优化后重新提交。
  待改写：这个需求太急了，明天必须搞定。
  

1.5 指定输出长度（文档提及未展开，补充通用方法）

明确要求输出的字数、段落数、格式长度等，避免输出过长/过短。

• 示例：
  “请用不超过100字解释什么是大模型幻觉，分3点说明。”

2. 文本参考（文档提及未展开，补充核心逻辑）

向模型提供参考文本（如专业资料、行业规范、上下文素材），让模型基于参考内容生成输出，提升准确性。

• 适用场景：文本总结、专业问答、内容改写（需贴合特定资料）；
• 示例：

  请基于以下参考文本，回答“大模型提示词工程的核心价值”：
  ### 参考文本 ###
  [粘贴提示词工程相关的专业文档片段]
  

3. 复杂任务拆分为简单子任务

将复杂需求拆解为多个简单、可执行的子任务，分步引导模型输出，降低模型处理难度。

• 逻辑：大模型处理短指令/简单任务的准确率远高于复杂任务；
• 示例（文案创作场景）：
  复杂需求：“写一篇关于AI提示词工程的推广文案”；
  拆分后：
  1. 先总结提示词工程的3个核心价值；
  2. 基于价值写3句核心宣传语；
  3. 用宣传语扩展成300字左右的推广文案。

4. 给模型“思考”的时间

避免要求模型直接输出最终结果，可引导模型先梳理逻辑、分析问题，再输出答案。

• 示例：

  请分析以下数学题的解题思路，列出步骤后再给出最终答案：
  题目：[此处粘贴数学题]
  

5. 借助外部工具

结合外部工具（如计算器、知识库、API接口）弥补模型自身短板，提升输出准确性。

• 适用场景：计算类问题、实时数据查询、专业领域精准问答；
• 示例：
  “请调用天气API查询北京未来7天的气温，并整理成表格输出。”

三、本节小结

1. 提示词工程的核心是通过优化指令，让模型精准理解需求，提升输出质量；
2. 5大原则（清晰指令、文本参考、拆分任务、给模型思考时间、借助外部工具）是设计高效提示词的核心框架；
3. 清晰指令是基础，可通过“详细描述、指定角色、分隔符、示例、指定输出长度”等技巧落地。