骏骏骏的博客

主题

骏骏骏2025-10-16
1445
5m
Get...

写好提示词 ​

基础原则：写好提示词的五大黄金法则 ​

1. 从简单开始，持续迭代（Start Simple, Iterate） ​

  • 提示设计是一个实验性过程，需不断调整优化。
  • 建议使用 OpenAI Playground 等工具进行快速测试。
  • 对复杂任务，先做简化版本，逐步添加上下文和约束。

将大任务拆解为小模块，逐个验证效果，避免一次性堆砌复杂逻辑。

2. 明确指令，动词先行 ​

  • 使用明确的

    动作动词

    引导模型行为：“总结”、“分类”、“翻译”、“生成”、“提取”等。

  • 指令应放在提示开头或通过分隔符清晰标识。

markdown
### 指令 ###
将以下文本翻译成西班牙语：

### 输入 ###
"hello！"

3. 极致具体 ​

  • 越具体，输出越可控。模糊指令导致不可预测结果。

  • 包括以下要素：

    • 输出格式（如 JSON、列表、段落）

    • 风格要求（如“用高中生能理解的语言”）

    • 字数限制（如“2-3句话”）

markdown
“解释提示工程的概念。保持简短。”
 （问题：多短？给谁看？什么风格？）
markdown
“使用2-3句话，向高中学生解释提示工程的概念。”

4. 避免“不要做什么”，专注“要做什么” ​

  • 模型对否定指令理解较弱，容易忽略“不要”。
  • 应正面描述期望行为。
markdown
以下是向客户推荐电影的代理程序。不要询问兴趣。不要询问个人信息。
markdown
向客户推荐电影的代理程序。代理负责从全球热门电影中推荐电影。它应该避免询问用户的偏好并避免询问个人信息。如果代理没有电影推荐，它应该回答“抱歉，今天找不到电影推荐。

5. 控制长度，聚焦相关性 ​

  • 提示过长会稀释重点，且受token限制。
  • 所有信息应服务于任务目标，避免冗余细节。
  • 在“具体”与“简洁”之间寻找平衡。

高阶技巧 ​

1. 少样本提示 ​

  • 原理：通过提供输入-输出示例，激活模型的模式识别能力。
  • 比纯文字描述更高效、更准确。

标准格式：

markdown
Q: [输入示例1]
A: [期望输出1]

Q: [输入示例2]
A: [期望输出2]

Q: [我的真实输入]
A:

应用场景：结构化数据提取、格式化回复、分类任务。

2. 任务分解 ​

  • 将复杂问题拆解为多个子任务，降低认知负荷。
  • 特别适用于逻辑推理、多步骤决策场景。

实践方法：

markdown
请先列出解决以下问题所需的子步骤：
问题：客户想退货，请处理。

模型可能输出：

  1. 确认客户身份
  2. 查询购买记录
  3. 检查退货政策
  4. 生成回复草稿

再逐个执行，确保完整性。

3. 自我批评 ​

  • 构建“生成 → 批评 → 改进”的闭环，模拟人类写作修订过程。
  • 显著提升输出质量与准确性。

三步法：

  1. 生成初稿：“总结引力波的发现过程。”
  2. 自我批评：“请检查上述回答，指出不准确或可改进之处。”
  3. 优化输出：“根据你的批评，生成最终改进版。”

优势：减少事实错误、增强逻辑严密性。

4. 附加信息 / 上下文增强 ​

  • 当任务涉及专业术语或特定背景时，主动提供定义或上下文。
  • 相当于给模型一个“即时知识库”。

示例：

在以下文本中，“Entrapment”指一种心理状态，定义为“个体感到被困且认为逃离代价很高”。请基于此定义进行分类。

适用领域：医疗、法律、金融等专业场景。

5. 集成技术 ​

  • 类似机器学习中的“集成学习”：多个视角 → 聚合结果 → 更鲁棒答案。
  • 方法包括：
    • 多提示集成：用不同提示问同一问题，取共识答案。
    • 多角色集成：让模型分别扮演不同专家角色作答。
    • 多模型投票：结合多个LLM输出，选择最高频答案。

示例：历史问题 → 分别以“历史教授”、“考古学家”、“社会学家”视角回答 → 综合结论。

优势：降低单一模型偏差，提高可靠性。

不再有效的提示技巧（避坑指南） ​

技巧是否有效说明
角色提示（Role Prompting）⚠️ 有限有效对准确性任务无显著提升；仅影响风格（如“以鲁迅口吻写作”）
奖励/威胁激励❌ 无效如“答得好给你小费”、“这关乎生死”等情感化语言已无作用

建议：角色可用于风格控制，但不要依赖其提升性能。

最佳实践模板 ​

markdown
### 指令 ###
[用动词开头，明确任务，如“总结”、“分类”]

### 背景信息（可选） ###
[提供关键定义、上下文或专业术语解释]

### 示例（Few-shot，可选） ###
Q: [输入1]
A: [输出1]

Q: [输入2]
A: [输出2]

### 要求 ###
- 输出格式：[如 JSON、列表、段落]
- 风格：[如“面向高中生”、“正式报告”]
- 长度：[如“不超过100字”]
- 注意事项：[如“不询问用户信息”、“基于给定定义判断”]

### 输入 ###
[你的实际输入内容]

总结： ​

提示工程的未来方向

层级关键能力目标
基础层清晰指令 + 具体性 + 迭代优化实现基本可用输出
进阶层少样本 + 分解 + 自我批评提升准确率与逻辑性
专家层上下文增强 + 集成技术构建工业级稳定系统

提示

提示工程不是“雕虫小技”，而是AI时代的核心工程能力之一。

好提示 = 明确指令 × 高质量上下文 × 持续迭代。

最近更新