提示词入门
1397 字
7 分钟
提示词入门
一、什么是提示词
Prompt是提供给模型的文本片段,旨在通过结构化的语言引导模型理解任务。
提示词的目的是为模型提供一个任务的上下文,以便模型能够更准确地理解用户的意图,并生成相关的回应。
- 提供必要的上下文环境
- 精确对齐用户的真实意图
- 激发模型生成高质量的特定响应
1-1 提示词的本质
提示词的本质是用人类语言对大模型进行“编程”。
- 通过语义引导而非逻辑代码激发模型能力
- 有效降低幻觉风险,约束输出边界
- 实现模型输出质量的工程化稳定
1-2 首末权重效应
模型对提示词的开头和结尾敏感度最高。
- 核心指令建议放在开头或结尾
- 关键约束应避免放置在中间位置
- 次要信息可作为补充放置在提示词中部
二、提示词工程的重要性
2-1 核心价值
- 直接决定输出质量:相同模型下,提示词水平的高低直接导致输出结果的显著差异。
- 低成本激发能力:无需昂贵的微调或训练,通过优化指令即可快速提升任务准确度。
- 降低AI幻觉风险:限定输出边界与引导推理步骤,有效减少模型生成不可靠的回答。
- 适配真实业务需求:标准化的提示词设计是AI产品落地与大模型应用集成的基础能力。
2-2 获得更好结果的六种策略
- 编写清晰说明,减少歧义
- 提供参考文档,背景对齐
- 拆分复杂任务,化繁为简
- 使用外部工具,能力扩展
- 给模型思考时间,深度理解
- 系统性测试更改,工程闭环
三、推理模型与通用模型差异
3-1 推理模型
- 擅长数学、代码、逻辑题,具备深度推理逻辑。
- 提示语宜简洁,聚焦任务目标,避免过度指导。
- 不建议进行深度角色扮演,以免干扰逻辑主线。
3-2 通用模型
- 通用能力均衡,适合结构化提示词(缺什么补什么)。
- 依赖显示引导,建议使用CoT(思维链)引导步骤。
- 角色扮演效果显著,可对齐专业认知与特定话术。
四、高质量提示词原则
4-1 具体不模糊
明确边界
明确任务的边界、要求与执行标准。避免泛泛而谈,量化输出预期。
- 例如:“写一首四句七言绝句,主题为人工智能,风格豪迈。”
4-2 上下文充足
环境对齐
提供任务背景、使用者身份与具体使用场景,建立信息基础。
- 例如:“面向5岁幼儿园小朋友的英语启蒙,内容需简单有趣。”
4-3 无歧义
定义清晰
避免多义词模糊表达,关键概念需定义明确,减少模型误解风险。
- 例如:“对专业术语提供解释或限定其在特定领域的含义。”
4-4 逻辑连贯
结构有序
指令顺序遵循认知逻辑,建议采用:角色→任务→要求→示例的结构。
- 逻辑递进有助于模型更好的分配注意力权重。
4-5 简洁不冗余
核心前置
核心信息前置,删除无关干扰文本。冗余信息会稀释模型对关键指令的关注。
- 原则:用最精炼的语言传达最完整的意图。
五、常用提示技巧
5-1 角色扮演(Role Playing)
赋予AI特定身份,对齐专业认知与话术风格。相比泛泛提问,身份话能显著提高输出的针对性。
- 示例:“你是专业健身私人教练,请利用运动科学知识为我定制减脂计划…”
5-2 告知用户角色
明确“使用者是谁”,引导模型调整内容的复杂程度与表达方式,适配不同受众的理解力。
- 示例:“我是不会写字的5岁幼儿园小朋友,请用简单的比喻解释什么是AI…”
5-3 指定输出格式
规定结果的形态(如JSON,表格,诗歌风格),减少二次处理成本,确保模型输出结构化、可消费的内容。
- 示例:“请分析文本情感,并以JSON格式输出:{sentiment:”,score<0>0>}”
5-4 少样本提示(Few-shot)
通过提供任务样例,让模型通过上下文学习(In-ContextLearning)理解复杂的任务边界与输出规则。
- 示例:“翻译:苹果→apple;香蕉→banana;提示词→prompt;任务:生成文本->”
六、标准Prompt的溜达构成要素
6-1 角色(ROLE)
给AI设定特定身份,对齐专业认知与话术风格。简单任务可省略。
6-2 指令(INSTRUCTION)
明确告诉模型做什么;提示词的核心必备项,建议一句话说清任务目标。
6-3 上下文(CONTEXT)
提供任务背景、相关数据或外部知识,作为模型处理信息的基础依据。
6-4 示例(EXAMPLES)
提供输入输出参考(Few-shot);对于复杂任务或格式化需求至关重要。
6-5 输入(INPUT)
明确本次需要处理的具体数据内容,并使用特殊符号(如引号)标注边界。
6-6 输出要求(OUTPUT)
规定回复的格式(JSON/Markdown)、长度、语言风格及特定的负向约束。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












