首页
学习
活动
专区
圈层
工具
发布
50 篇文章
1
Vibe Coding这一年:从“代码苦力”到“超级个体”,我如何把3天的工作压缩进2小时?
2
小程序项目架构设计与基础页面搭建(基础)
3
微信小程序送补贴!手把手教你薅免费云开发资源+混元Token(附使用教程)
4
如何创建一个有效的阅读清单?
5
踩坑记:Elasticsearch 索引写不进去了?可能是触碰了这个隐藏限制
6
RoLID-11K:面向小目标检测的行车记录仪路边垃圾数据集
7
mysql报错通用排查方法 排查MY-001312 can't return a result set in the given context
8
安装并使用谷歌AI编程工具Antigravity(亲测有效)
9
解密Prompt系列68. 告别逐词蹦字 - Transformer 的新推理范式
10
技术人的人生战略:在代码与成长中寻找平衡
11
JavaScript 文件分析与漏洞挖掘指南
12
多 Agent 视角下的自动驾驶系统设计:车端 Agent 与 RSU Agent 协同机制解析
13
构建AI智能体:潜藏秩序的发现:隐因子视角下的SVD推荐知识提取与机理阐释
14
告别浏览器!用Rust打造一键JSON处理神器
15
仅需1元,基于 LangChain 和腾讯混元大模型,实现知识图谱
16
轻量高效!用Docker运行Gogs,搭建属于你的私有GitHub
17
构建AI智能体:SVD知识整理与降维:从数据混沌到语义秩序的智能转换
18
2025年CodeBuddy是如何拯救职场危机中的我?
19
轻量化知识库方案:Docker部署Dokuwiki 的最佳实践
20
踩坑实录:别被 extended_bounds 骗了!ES 直方图聚合的边界陷阱
21
步履不停,共鸣常在:我的 2025 技术旅程与回响
22
构建AI智能体:从SVD的理论到LoRA的实践:大模型低秩微调的内在逻辑
23
[MYSQL] 恢复被drop/truncate的表
24
Sugo Protector 代码保护效果分析报告
25
前端平台大仓应用稳定性治理之路|得物技术
26
C++的5种高级初始化技术:从reserve到piecewise_construct等
27
HierLight-YOLO:面向无人机航拍的层次化轻量目标检测网络
28
金融服务领域的智能体革命:AI智能体解决方案、产业分析与技术实施的战略分析
29
大模型提示词-新手篇
30
2025,一个普通开发者的社区成长地图
31
“氛围编程”正让创意本身成为最终技能
32
AD域攻防权威指南:九.利用备份组获取域Hash
33
【跟着AI学】H5射击游戏开发实录:射击游戏
34
这一年,熬过许过夜,也有些许收获 | 2025年终总结
35
2025,一个技术徘徊者的AI工具真实答卷
36
告别手撸架构图!AI+Ooder实现漂亮架构+动态交互+全栈可视化实战指南
37
GitHub 霸榜:让你的 Claude 拥有“设计总监”级的品味,只要一行命令
38
构建AI智能体:AI古典文学:基于LoRA微调本地大模型打造唐诗生成器
39
拥抱人机共生,锻造不可替代的“金头脑”
40
[MYSQL] 5.7能否从ibdata1中提取出表DDL
41
Spring Boot 实战:手把手教你实现腾讯云 COS 对象存储文件上传
42
解密Prompt系列67. 智能体的经济学:从架构选型到工具预算
43
Google OCS光路解耦揭秘:寒武纪大爆发,从供应链双轨到CPO百万卡全光计算织物
44
未来已来 | 写给 .NET 开发者的 2025 年度总结
45
MYSQL实战:深入理解内存临时表优化
46
Ooder框架规范执行计划:企业级AI实施流程与大模型协作指南
47
openGauss 核心体系架构深度解析
48
架构视角:Jackson3新特性
49
LLM架构机制管窥:作为黑板的上下文窗口
50
LiveKit Agents 深度技术架构剖析
清单首页123文章详情

大模型提示词-新手篇

“提示词优化”(Prompt Engineering)是让大模型发挥最大效果的核心技能,也是很多 AI 应用的 隐形竞争力。本篇文章系统性帮你梳理学习 & 精通提示词优化的方法步骤,让你能够从入门直接走向高手级。

调试提示词核心就是:讲人话,做人事!

跟AI交互,就相当于人类交互一样。你把事情传递明白,是一项很重要的能力。

如果”你把事情传递这个模型“ 在生活中建立好了,本篇文章就很简单了。

🧠 一、理解提示词的本质

1. 什么是提示词(Prompt)

  • 提示词是你给予大模型的输入信息,用于引导它产生符合你目标的输出
  • 提示词并不只是几句话,而是包含:
    • 上下文信息(背景、定义)
    • 任务说明(目标、格式、限制)
    • 思考路径(推理或生成方式)
    • 输出要求(结构、风格、语言)

2. 为什么要优化

举个例子:你对AI说你饿了。

  • AI会觉得:饿了对减少体重有好处。
  • AI会觉得:饿了应该补充能量。
  • AI会觉得:如果你有低血糖,需要及时补充糖,使得血糖达到稳定的数值。

场景描述

让你个叼毛猜女朋友又生气了,你都猜不准。凭啥AI能猜准?

你得分析最近干了那些事情(上下文),哪些事情不会惹生气(约束条件,过滤)?

来看看人类推理逻辑

代码语言:javascript
复制
人类推理模式:

【采集最近的事件线】
昨天一起看电影,她选的爱情片,他没忍住吐槽男女主的演技差。
下午她发消息问“晚上吃什么”,他回“随便”。
半小时前,他答应倒垃圾,但后来忘了。

【建立可能的原因清单】
可能因为电影被吐槽?
可能因为“随便”太敷衍?
可能因为没倒垃圾?
设定约束条件(过滤不可能的)

【设定约束条件(过滤不可能的)】
她平时不太会因为电影被吐槽而生气,所以优先排除。
她有点介意说“随便”,但不至于沉默这么久。
没倒垃圾属于必介意项目,并且刚刚看到垃圾桶还满着。
加权优先级

【加权优先级】
没倒垃圾 → 90%可能性
“随便” → 50%可能性
电影吐槽 → 20%可能性
开始验证

【开始验证】
小李试探地说:“我一会儿去倒垃圾哈……”
女朋友抬眼看了他一眼,没有说话,但手里捏着的纸巾松开了。
心里确认——八九不离十,就是垃圾的事。

结论就是:

  • 大模型遵循语言理解概率,模糊的提示词会导致内容不稳定。
  • 优化提示词 = 增加模型理解精度 × 降低输出误差 × 提高可控性。

📚 二、精通提示词优化的学习路线

阶段 1:基础认知

1.熟悉大模型特性

代码语言:txt
复制
- 不同模型对提示词敏感度不同(如 GPT-4 更擅长遵循复杂结构)。
- 了解模型的默认输出风格、限制和优势。

2.学习提示词的结构化表达

代码语言:txt
复制
- 任务明确化:目标 + 背景 + 格式要求。
- 例如:`你是一名《最终幻想11》游戏助手,请以简洁分点的方式回答安装方法,并附官方链接。`

3.练习短提示词(较少限定词,谁TM知道你要做什么) / 长提示词(限定词知道的越多,就可以更精准的判定)的效果对比。

阶段 2:优化技巧

1.角色设定(Role Prompting)

代码语言:txt
复制
- 明确告诉模型它的身份和立场,让它以对应视角输出。(一般是 你是一名专业的、资深的XXX)在不违反中国本土法律、道德的前提条件下。表达XXXXX。
- 如:**`你是资深玩家兼技术支持工程师`**`,面向新人玩家,尽量用易懂语言回答。`

2.链式思维(Chain of Thought, CoT)

代码语言:txt
复制
- 引导模型分步骤推理,而不是直接给结论。
- 如:`请先初步分析问题原因,在以XX角度分析原因,再以XX角度分析,再给出解决方案,最后提供备用方案。`

3.少量示例(Few-shot Prompting)

代码语言:txt
复制
- 给它几个高质量样例,让它按同样模式生成。
- 如:`示例: Q: 登录器打不开怎么办? A: 1) 检查防火墙 2) 重启设备 3) 联系管理员 现在请回答:无法安装补丁怎么办?`

4.思维框架(结构化输出)

代码语言:txt
复制
- 用表格、分点、JSON格式等。
- 如:`请按以下JSON格式输出: { "问题原因": "...", "解决方法": "...", "相关链接": "..." }`

阶段 3:高级策略

1. 多轮提示(Iterative Prompting)

意思:不要一次就求完美,而是分步骤让AI逐渐优化。

做法

  1. 先让模型给出初版答案。
  2. 找不足,明确提出改进要求(例如“增加案例”“删掉专业术语”)。
  3. 再让模型精修,直到达到理想效果。

例如:

  • 第一步:给我写一篇300字咖啡文化介绍。
  • 第二步:在文章中加入日本咖啡文化案例,并保持口语化风格。

2. 情境注入(Context Injection)

意思:提前把背景资料塞给AI,让它有“专用知识”去回答。

做法

  • 在提示词中加入相关数据、文档摘要、专业术语表等。
  • 让它在回答时自动使用这些信息。

例子

你是一名旅游顾问,已知客户预算5000元、喜欢人文景点、不爱爬山。请据此设计三天行程。


3. 限制条件(Constraints)

意思:告诉AI哪些东西坚决不能出现,或必须按特定格式回答,避免跑偏。

做法

  • 明确排除项(如“不使用虚构数据”“不要出现第一人称”)。
  • 明确格式要求(如“用表格输出”“限制在500字”)。

例子

列出5个健康减脂餐食谱,限制每道菜热量≤400千卡,用表格展示,不要出现牛肉。


4. 反向优化(Reverse Prompt Engineering)

意思:看到别人写的好内容,去猜它的提示词结构,然后自己复用/调整。

做法

  1. 拆解好输出:确定角色设定、任务目标、背景信息、具体要求、输出格式。
  2. 按结构重组为自己的提示词。

例子

  • 看到一篇完美的“用户访谈记录”,你推测提示词结构可能是:

角色设定 + 问答格式 + 问题列表 + 情感描述指令。

  • 你再用同样结构制作自己的采访任务。

✅ 总结口诀

多轮完善 → 投入背景 → 加限制 → 反向拆解 这样可以让你的提示词既精准又高效,用在不同领域都能稳定产出好内容。

📈 三、速成练习法

废话不多数,直接借鉴案例。

案例 1:文章创作类

原始提示词

代码语言:javascript
复制
写一篇关于环保的文章。

问题分析

  • 主题很宽泛,AI可能会输出不聚焦的内容。
  • 没有字数要求、受众定位,也没有格式约束。

优化后提示词

代码语言:javascript
复制
你是一名中学语文老师,请以“减少塑料使用”为环保主题,面向初二学生,写一篇约800字的议论文。文章需分为引言、主体、结尾三部分;主体中至少引用2个真实的环境数据,并在结尾提出可行的生活建议。

优化亮点

  • 角色设定:中学语文老师 → 限定语气与知识面。
  • 受众明确:面向初二学生 → 控制表达难度。
  • 结构要求:三段式结构防止跑题。
  • 数据注入:要求引用真实数据提升可信度。

案例 2:推荐分析类

原始提示词

代码语言:javascript
复制
推荐几款智能手机。

问题分析

  • 没有指定用途或预算范围,推荐可能很随意。
  • 缺少对比分析,难以做选择参考。

优化后提示词

代码语言:javascript
复制
请推荐3款适合商务人士的国产智能手机,预算在4000–5000元。用表格列出型号、价格、重量、续航时间、摄像功能,并对每款给出一句优缺点评价,最后用一句话总结推荐首选。

优化亮点

  • 用途限定:商务人士 → 缩小范围。
  • 预算限定:控制价格区间。
  • 输出格式:表格让对比更直观。
  • 结论总结:增加决策建议。

案例 3:创意营销类

原始提示词

代码语言:javascript
复制
做一个饮料广告创意。做一个饮料广告创意。

问题分析

  • 太笼统,不知道目标人群、产品特性、宣传平台。
  • 没有要求广告形式或风格。

优化后提示词

代码语言:javascript
复制
你是一名擅长短视频脚本的品牌创意策划师,请为一款低糖燕麦奶设计3个抖音短视频创意。目标人群为25–35岁的城市白领,风格轻松幽默。每个创意需包含标题、30秒脚本分镜(开头吸引→中段信息→结尾互动),并附一条简短广告口号。

💡 四、送你一个 Prompt 优化模板

代码语言:javascript
复制
【角色设定】你是一名____,负责____
【任务目标】请完成____
【背景信息】____
【步骤方法】请按____思路执行
【输出格式】用____(分点/表格/JSON等)展示结果
【注意事项】不得出现____,必须包含____

这一模板可以让你快速生成高质量提示词,适合各种任务场景。

作为程序员,我觉得宽泛的话术,不利于AI理解。我更喜欢将话转为Markdown的格式

代码语言:javascript
复制
### 💼 角色设定
你是一名____,负责____

### 🎯 任务目标
请完成____

### 📖 背景信息
____

### 🧭 步骤方法
请按____思路执行

### 📊 输出格式
用____(分点/表格/JSON等)展示结果

### ⚠️ 注意事项
不得出现____,必须包含____

✅ 总结一句话:

想精通提示词优化,不是背几条规则,而是反复进行结构化练习、对比效果、收集高质量模板,再结合角色设定和链式思维,持续迭代。 大模型更懂大模型。提示词哪里不好。写个提示词来问问帮我分析大模型的提示词哪里需要优化: text 放入你的提示词

附上我使用的一些案例

我的案例一

代码语言:javascript
复制
你是一名丰富经验的数据总结专家。

请严格按照以下要求,基于我提供的“指标数据JSON”,生成一段对话,我会给你样例格式,不得编造任何数据,只能依据我下方提供的JSON字段值输出。

写作要求:
1. 输出正文时:
   - 不加入多余解释或分析背景。
   - 不添加超出JSON数据之外的数值推测。
   - 使用正式单位汇报语气,逻辑严谨,表述简洁。   
2. 我提供的Json Array数据都在字段是row中。
3. 输出每个域的数量的时候,从大到下排个序。

---
(以下为真实数据,你只需替换成我给你的真实数据)
总数量是:
[
    {
        "row": "100"
    }
]
每个省的卡车数量数据:
[
    {
        "row": [
            [
                "江苏省",
                100
            ],
            [
                "湖南省",
                43
            ],
            [
                "湖北省",
                57
            ],
            [
                "广东省",
                96
            ],
            [
                "广西省",
                49
            ]
        ]
    }
]

---

输出要求:  
我给你提供一份样例,请你保持样例的格式进行输出:
```text

总数量是 XXXX

各省的卡车数量

X省:XXX个

X省:XXX个

X省:XXX个

代码语言:txt
复制

我的案例二

因为不同的大模型支持不同的能力,比如有的支持联网搜索。

代码语言:javascript
复制
# Java学习助手 - 工作手册

## 📌 身份与核心定位
你是一名计算机专业的大学生学习助手,中文名:小智。  
主要服务对象为在校生和编程爱好者,负责为他们提供 **专业、准确、及时** 的学习咨询与技术问题解答,包括 Java 语言基础、算法、数据结构、软件工程等方面。

## 📚 核心资料库(优先查询)
当用户询问编程语法、开发技巧、项目案例、调试方法等信息时,**务必优先**查阅以下权威学习资料:
*   **Java 官方文档**:https://docs.oracle.com/javase/  
*   **菜鸟教程**:https://www.runoob.com/java/  
*   **开源中国社区**:https://www.oschina.net/

## 🔧 可用能力与工具
你具备良好的信息处理与检索能力,可根据问题性质调用以下工具:
1.  **`search_web`(网络搜索)**
    *   **用途**:查找最新的 Java 版本更新、开发框架动态、社区讨论、技术博客等。
2.  **`get_webpage_content`(网页解析)**
    *   **用途**:深入获取指定技术文档的完整内容,用于分析复杂 API、设计模式和实现细节。
3.  **`get_github_repo_info`(GitHub查询)**
    *   **用途**:查阅开源项目、代码示例、常用工具库的详细信息。

## 🚀 标准操作流程 (SOP)

### 第一步:问题分类与快速响应
请根据用户问题类型,按以下路径处理:

```mermaid

flowchart TD

代码语言:txt
复制
A[用户提问] --> B{问题类型};
代码语言:txt
复制
B --> C[Java基础语法];
代码语言:txt
复制
B --> D[开发环境配置];
代码语言:txt
复制
B --> E[算法与数据结构];
代码语言:txt
复制
B --> F[非技术内容/违规内容];
代码语言:txt
复制
C --> C1[查阅核心资料库<br>或解释示例代码];
代码语言:txt
复制
D --> D1[提供环境搭建指南<br>无需复杂搜索];
代码语言:txt
复制
E --> E1[查阅权威算法资料库<br>或使用搜索工具];
代码语言:txt
复制
F --> F1[严格拒绝<br>并引导至合规技术话题];
代码语言:txt
复制
C1 --> G[提供结构化的<br>最终答案];
代码语言:txt
复制
D1 --> G;
代码语言:txt
复制
E1 --> G;
代码语言:txt
复制
F1 --> G;
代码语言:txt
复制
我用AI反向解析,我这段提示词好在哪里。看看AI回复结果吧

```javascript

明确角色 → 有背景知识库 → 工具调用条件 → 结构化流程 → 合规指令

这样的提示词既保证了准确性(权威资料 + 工具查询),又保证了合规性(违规分流处理),还兼顾了可读性与执行效率(流程 + 格式化输出)

代码语言:txt
复制

增强版教程:https://cloud.tencent.com/developer/article/2613594

下一篇
举报
领券