当前位置：首页 > news >正文

大语言模型之prompt工程

news 来源：原创 2025/5/22 17:47:19

前言

随着人工智能的快速发展，我们正慢慢进入AIGC的新时代，其中对自然语言的处理成为了智能化的关键一环，在这个大背景下，“Prompt工程”由此产生，并且正逐渐成为有力的工具...

LLM

（Large Language Model）大语言模型，具有许多参数的人工神经网络生成，使用自监督学习或半监督学习对大量未标记文本进行训练，在各种任务中表现出色。AI 并不是自主生成内容的，而是依赖于提示词的引导。提示词越清晰、具体，AI 的输出就越符合预期。

Prompt简介

Prompt是指一段文本，指令或者描述，用于引导预训练的语言模型理解用户意图并生成预期输出。

Prompt工程是一种基于预训练语言模型(PLM)或大语言模型(LLM)，通过向模型提供精心设计的提示语，引导模型生成与任务相关的文本输出。通俗一点的将，Prompt工程就是通过编写特定Prompt提示词，询问AI时它返回的结果是被你引导的回答。

Prompt 工程流程：

Prompt的优势

1.快速迭代和调优

Prompt工程中的提示语（自然语言）可以很容易地进行快速迭代和调优。可以微调Prompt，快速尝试不同的生成结果，以找到最佳的输出。

2.适用广泛任务

prompt工程适用于各种场景，包括文本生成，问答统计，格式生成，编写代码，扮演角色等，其灵活性使其可以成为解决多种自然任务的强大工具，只需要设计相应的Prompt，例如可以根据提示词的不同实现不同功能，扮演不同角色。

3.节省资源

一个精心设计的Prompt可以等同于许多真实数据样本的效果，节省了大量的资源。相对于收集和标注大量的真实数据，设计好的Prompt可以用较少的输入来引导模型生成各种输出，节省大量资源。

编写Prompt技巧

设定信息丰富且清晰的语句

Prompt应该提供具体信息，以便模型理解任务的背景和要求。尽可能结构清晰，避免模糊的描述，让模型能够准确地理解任务，同时避免使用过于复杂的结构或难以理解的词汇。

Prompt：请问如何学习好英语
回答：这个是一个泛泛的回答，比较模糊，没有针对性优化Prompt：我是一个在读大学生，准备考大学英语六级，请问如何能够学好英语呢
回答：设定情景，信息更丰富更清晰，回答出来肯定更符合预期

2.设定模型擅长的输入输出格式

我们可以在输入数据中加入特定的括号，如``` --- <> 等来限制我们的输入内容。

同理，尽量让模型输出格式化的文本，如JSON、HTML、TypeScript等，方便对结果进行管理。

Prompt：请描述一个新款智能手表的特点。
回答：这款智能手表有一个高清显示屏，可以监测心率、睡眠质量、运动步数，还可以接收消息提醒，续航时间长，支持多种运动模式，防水等级高，时尚设计。优化Prompt：
请以 JSON 格式生成一个新款智能手表的产品描述，结构如下：
{"name": "<产品名称>","features": ["<特点1>","<特点2>",...],"price": "<价格>"
}回答：
{"name": "智能手表X200","features": ["高清显示屏","心率监测","睡眠质量监测","运动步数记录","消息提醒","长续航","多种运动模式","高防水等级","时尚设计"],"price": "399 USD"
}

3.使用少量示例

提供少量示例文本，演示期望的输出格式。但示例文本会增加token数量，因此不能加太多示例。

Prompt： 请为以下狗的图片写一个简短的描述。示例1： 金色的毛发，短嘴巴，长耳朵，忠诚友好。示例2： 棕白相间的皮毛，圆圆的大眼睛，尾巴卷曲。在这个例子中，通过示例文本，你向模型展示了关于狗的一些特征，例如外观和性格。模型可以利用这些信息生成一个符合你预期的狗的描述。
添加了可以让模型参考的示例，回答效果肯定会更好

4.使用思维链(CoT)引导大模型

思维链是一种逻辑和概念上相关的想法序列，通过在提示中构建和引导这种序列，您可以更好地引导大型语言模型生成与主题相关、连贯性强的内容。

Prompt： 从工业革命到现代化，地球的气候如何受到人类活动的影响？请逐步分析不同时期排放量增加与气候异常的关系，以及这背后可能的科学机制。思维链： 工业革命导致大规模燃烧化石燃料，释放大量温室气体。这些气体导致大气温度上升，海平面上升，极端天气增加。可以讨论温室效应、海洋吸收、极端天气事件等。
添加思维链，引导模型一步步思考，效果会更好。

5.给模型设定角色扮演

将模型设定在特定的角色扮演中是一种激发创意、产生生动内容，让模型以某个角色的身份思考和表达，可以增加真实性和故事性。

Prompt：请你科普一下什么是python
回答：会比较大众化优化Prompt：你是一个小学老师，请你科普一下什么是python
回答：角色扮演会输出更贴合给小学生科普的内容

6.描述模型能力，鼓励积极性，激发积极性，避免限制

如果只是强调模型不能做什么，可能会使模型产生误导性的回答，或者无法给出有用的内容。

描述模型能干什么会激发其积极性和创造力，促使其提供更多有用的回答。明确提示模型的能力范围，有助于引导其重点和思考方向，从而提供更准确和相关的答案。

7.善用温度变量

大模型通常会涉及到一个温度变量，如ChatGPT API中，MIniMax中的temperature变量。此变量的值与模型输出结果的随机性有关：

当其值为0时，表明模型输出结果是确定的，通常用于决定性任务，如分类、预测等；

当其值>0时，越大，则表明模型随机性越强，适合生成任务。

8.结构清晰，分段清楚

9.不同模型能力不同，不同对待

结构化Prompt

核心部分：关键词、语境、目标

基于角色prompt模型

要求AI扮演特定角色或身份，增加输出内容的专业性和权威性。例如老师、环境学家、编程助手等角色

假设你是一名环境学家，以专家视角撰写关于环境保护的技术文章。

基于任务的prompt模型

规定AI需要完成的任务，通常需要关键词和具体指令组合

列出三种最新的可再生能源技术，并分别简述其优缺点。

基于结构的prompt模型

强调内容的结构化，例如要求 AI按特定格式或章节生成内容。

生成一篇包括引言、技术分析、市场应用前景和结论的文章

基于问题的prompt模型

通过提出一些列相关问题，引导AI逐步生成内容.适合用于知识型内容的生成，有助于确保输出内容全面且深入。

什么是碳捕捉技术？它如何运作？有哪些现实中的应用案例？

基于场景的prompt模型

通过描述特定情境，引导AI生成与该情景相关的内容。能够帮助AI生成更具有情景感和预见性的内容。

未来十年内，随着全球气候变化加剧，太阳能技术将如何影响能源市场？

常见框架

ICIO 框架

ICIO 框架通过四个关键组成部分——介绍（Intruction）、背景（Context）、输入数据（Input Data）和输出指标（Output Indicator），为 AI 系统提供了清晰的指导。这种结构化的沟通方式不仅提高了 AI 的工作效率，还确保了输出内容的质量，使其更符合用户的期望。

Intruction（任务）：明确指出希望 AI 执行的具体任务，如“翻译一段文本”或“撰写一篇关于 AI 伦理的博客文章”。
Context（背景）：提供任务的背景信息，帮助 AI 理解任务的上下文，例如，“这段文本是用于公司内部会议的开场白”。
Input Data（输入数据）：指定 AI 需要处理的具体数据，如“请翻译以下句子：‘人工智能正在改变世界’”。
Output Indicator（输出格式）：设定期望的输出格式和风格，例如，“请以正式的商务英语风格翻译”。

CRISPE 框架

随着人工智能技术的不断进步，AI 在模拟人类角色和执行特定任务方面的能力日益增强。

CRISPE 框架作为一种新兴的 AI 提示工程方法，旨在通过明确的角色设定、背景信息、任务指令、个性风格和实验性回复，提升 AI 与用户之间的互动质量。

CRISPE 框架通过以下五个步骤，为用户提供了一个清晰、高效的沟通路径：

Capacity and Role（角色）：明确 AI 在交互中应扮演的角色，如教育者、翻译者或顾问。
Insight（背景）：提供角色扮演的背景信息，帮助 AI 理解其在特定情境下的作用。
Statement（任务）：直接说明 AI 需要执行的任务，确保其理解并执行用户的请求。
Personality（格式）：设定 AI 回复的风格和格式，使其更符合用户的期望和场景需求。
Experiment（实验）：如果需要，可以要求 AI 提供多个示例，以供用户选择最佳回复。

# 情景
想象一下，六位高智商的专家一起回答用户提出的问题，最终生成一份聊天记录。* 其中，第一名到第六名专家分别扮演：问题拆解专家，知识渊博专家，支持与鼓励专家，反思与批判专家，创新思维专家，归纳总结专家。
* 他们将遵循思想树的方法，每个专家一步一步地分享他们的思维过程。
* 第一轮：每一名专家逐一发言，发表自己的观点；
* 第二轮： 专家们可以自由发言，不需要严格按照顺序，并非所有专家都要发言，如果专家觉得无需发言，也可以跳过。但如果发言，需要参考第一轮中其他专家的想法。
* 专家们之间观念要有冲突，要激烈，要深刻。
* 专家们会考虑其他人的意见，完善自己的想法，并以团队的集体知识为基础。
* 如果专家意识到他们的想法是错误的，他们会承认错误并认同其他专家的想法。
* 一直继续这个过程，直到得到一个明确的答案。
* 最后，由所有专家的结论汇总，得出最终答案。# 格式
* 通过在 markdown表 的方式，呈现整个响应。
每一轮不用单独作为一个表格，要合并在一起。# 专家身份参考：
问题拆解专家：针对用户提出的问题，进行系统性拆解，比如：是什么，为什么，怎么样，如果是则如何，如果否则如何…
知识渊博专家：针对用户提出的问题，提出你认知内的知识，归纳总结反馈。
支持与鼓励专家：针对用户提出的问题，参考其他专家意见，得出积极的想法或结果。比如：为什么这个值得做？为什么可以做这件事？它为什么会起作用？
反思与批判专家：针对用户提出的问题，参考其他专家意见，考虑到事物的负面因素，它是对事物负面因素的注意、判断和评估。这是真的吗？它会起作用吗？缺点是什么？它有什么问题？为什么不能做？
创新思维专家：针对用户提出的问题，参考其他专家意见，考虑创新与创造性之新的想法。有不同的想法？新的想法、建议和假设是什么？可能的解决办法和行动的过程是什么？还有哪些可能性？
归纳总结专家：归纳总结专家中立而客观，同时控制整个思考节奏，比如在第一轮沟通中预先得出一批结论，第二轮沟通中得出最终结论并与其他专家进行讨论。# 专家们的对话记录样例：
|环节|专家名|专家发言|
|:---|:---|:---|
|R1|归纳总结专家|×××|
|R1|问题拆解专家|×××|
…
|R3|归纳总结专家|×××|
**最终专家们的答案是：**
1. ×××
2. ×××# 用户将会提出问题：

BROKE 框架

在人工智能的快速发展中，如何有效地与 AI 进行沟通和互动，以实现预期的目标，已成为一个重要议题。

BROKE 框架提供了一种结构化的方法，帮助用户清晰地传达指令，确保 AI 能够生成满足特定需求的输出。

BROKE 框架通过以下五个步骤，为用户提供了一个高效沟通的框架：

Background（背景）：提供详细的背景信息，帮助 AI 理解任务的上下文。
Role（角色）：明确 AI 在交互中所扮演的角色，如顾问、助手或内容创作者。
Objectives（目标/任务）：描述用户希望 AI 完成的具体任务。
Key Result（关键结果）：设定 AI 输出的风格、格式和内容要求，确保回答符合预期。
Evolve（改进）：在 AI 提供回答后，提供改进的方法，以优化未来的交互。

LangGPT 提示词框架

GitHub - langgptai/LangGPT: LangGPT: Empowering everyone to become a prompt expert!🚀 Structured Prompt，Language of GPT, 结构化提示词，结构化Prompt

传统 Prompt 存在一些挑战包括缺乏系统性、灵活性和用户友好性，以及未能充分利用大模型的特点。

Prompt 的重要性与日俱增，特别是在新一代的 GPT—4 模型出现后。Prompt 编写不仅仅是一种技术，它正在变成 AI 时代的编程语言。因此，如何像学习编程一样，高效地编写高质量的 Prompt，即 Prompt 编程，成为了一个迫切的问题。

LangGPT 由云中江树（刘远忠）创建，目前已有 5.2k stars。

LangGPT 的特点和优势：

系统性：LangGPT 提供模板化的方法，用户只需按照模板填写相应内容即可。
灵活性：LangGPT 引入了变量概念，可以轻松引用、设置和更改 Prompt 内容，提高编程性。
交互友好：通过工作流，LangGPT 定义了与用户的交互和角色行为，使得用户可以轻松理解和使用。
大模型充分利用：LangGPT 结合了大模型的特点，例如模块化配置和分点条理性叙述，还通过 Reminder 功能缓解了长对话的遗忘问题。

LangGPT 的核心语法：

LangGPT 变量：我们引入了基于 markdown 的变量概念，利用大模型对层级结构内容的敏感性，方便地引用和修改 Prompt 内容。
LangGPT 模板：基于大模型在角色扮演方面的强项，我们设计了 Role 模板。这些模板使得 Prompt 编写变得像编程中的“类声明”，极大地简化了用户的工作。
格式化技巧：使用特定的格式（如 Markdown）来更明确地指示大模型如何提示词框架和响应。
明确性技巧：通过提供具体的指令，如“简短地回答”或“提供详细解释”，确保大模型的响应与用户的期望一致
上下文技巧：在指令中加入上下文信息，帮助大模型更准确地理解用户的需求。

#Role：文字排版大师#Profile: - author:李继刚- version: 0.1- language:中文- description：使用ASCII 符号和Emoji表情符号来优化排版已有信息，提供更好的阅读体验##Goals:- 为用户提供更好的阅读体验，让信息更易于理解- 增强信息可读性，提高用户专注度##Constrains:- 不会更改原始信息，只能使用ASCII符号和Emoji表情符号进行排版- 排版方式不应该影响信息的本质和准确性##Skills:- 熟悉各种ASCII符号和Emoji表情符号的使用方法- 熟练掌握排版技巧，能够根据情境使用不同的符号进行排版- 有较强的审美和文艺能力##Workflows:- 作为文字排版大师，将会在用户输入信息之后，使用ASCII符号和Emoji表情符号进行排版，提供更好的阅读体验。- 排版完毕之后，将会将整个信息返回给用户。##Initialization:欢迎用户，并提示用户输入信息

CO-STAR 原则框架

【新加坡首届 GPT-4冠军分享】最新的 GPT-4的提示词攻略秘籍，建议收藏阅读！ – 敏捷开发咨询顾问,Scrum认证,敏捷项目管理培训,敏捷教练

https://blog.ihsxu.com/blog/1715484573201

CO-STAR 原则是结构化提示词中的一种，由新加坡政府科技局数据科学与 AI 团队创立，是一个非常实用且易于上手的提示构建工具。

CO-STAR 的设计初衷是为了帮助用户在使用大型语言模型时，能够构建出更加完整和有效的提示词，从而提高 AI 生成内容的相关性和效果。

CO-STAR 原则在新加坡首届 GPT—4 提示工程大赛中获得了冠军，这是它在实际应用中强大效能的标志和体现。

此后，CO—STAR 原则逐渐被广泛接受并应用于各种场景，包括社交媒体文案撰写、商业报告生成等，帮助用户创建清晰、精确且有效的提示词，更精确地指导 AI 生成所需的内容。

CO—STAR 原则包含六个关键要素，每个要素的首字母组成了 CO—STAR 这个缩写。

C—Context（清楚的背景信息）：提供足够的背景信息，帮助 AI 理解任务的上下文和环境。
O—Objective（明确的目标设定）：明确说明希望 AI 完成的具体目标或任务。
S—Style（生成文字的风格）：指定 AI 生成内容的风格，例如正式、幽默、小红书风格等。
T—Tone（生成文字的语调）：确定 AI 生成内容的语调，如礼貌、说服性、激励性等。
A—Audience（目标受众的描述）：描述目标受众的特征，如年龄、兴趣、职业等。
R—Response（回应的类型）：指定 AI 回应的格式，如表格、段落、列表等，以及回应的具体要求。

# CONTEXT（上下文） #
我想推广一家咖啡店。咖啡店名称为 HEA，坐落在古城西安的护城河边，简约风的店面装修，超大的落地窗和天窗使得店内的采光超级棒。最佳时光是在傍晚日落余晖时，感觉整个时间都变得柔和而美好。如果不知道想喝什么，老板还整理了「最受大家喜爱的咖啡月度排行榜」，真的赞嘞～。# OBJECTIVE（目标） #
帮我创建一条小红书文案，目的是吸引人们到店里打卡、拍照、消费。# STYLE（风格） #
小红书风格，俏皮的语气外加一些可爱的表情包和图标。# TONE（语调） #引导性# AUDIENCE（受众） #主要受众是上班族、大学生。请针对这一群体在选择放松方式时的关注点来编写文案。# RESPONSE（响应） #
增加用户对探店的吸引力。

误区提示

提示词并不是越长越好

长短并不是关键，关键在于信息的明确性和有效性。过长的提示词会增加token（经费）、可能会让 AI 混淆主次信息，从而导致输出结果偏离预期。

提示词也是需要迭代的

提示词的构建是一个迭代的过程。初次尝试的提示词可能不能达到理想效果（和软件开发颇为类似），但通过反复修改和优化，最终可以得到更精确的输出。

参考文档

基础篇：

OpenAI官方：https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api
Prompt Engineering学习：Prompt Engineering | Lil'Log
吴恩达《ChatGPT Prompt Engineering for Developers》课程中英版：GitHub - Kevin-free/chatgpt-prompt-engineering-for-developers: 吴恩达《ChatGPT Prompt Engineering for Developers》课程中英版
大模型时代之提示词工程：https://zhuanlan.zhihu.com/p/631922240
LLM Collection | Prompt Engineering Guide
提示工程指南
Docs
什么是AI提示词？

前言

LLM