- 综合排序
- 最热优先
- 最新优先
- 来自专栏喔家ArchiSelf
提示工程中的10个设计模式
提示词越具体，输出就越精确，关于提示工程的更多信息可以参考《解读提示工程（Prompt Engineering）》以及《Agent 应用于提示工程》。 设计模式在面向对象编程领域应用广泛，在本文中，老码农尝试总结了提示工程中的10个常见设计模式。 1. 人物角色模式 人物角色模式是一种通过向语言模型注入特定的人格或说话的语气来实现。 10.部分拒绝模式 有时，人工智能模型在面对复杂的查询时可能会回答“我不知道”或拒绝生成输出。为了更有效地处理这种情况，引入了“断路拒绝模式”。 没有结束 提示工程的设计模式是一种强大的工具，能够更好地发挥大模型的能力。本文介绍的这些模式可以帮助提高给定大模型的整体质量。 随着人工智能技术的不断发展和新模式的涌现，提示工程仍可能是创造更可靠和更智能的人工智能会话系统的关键因素之一。
48410编辑于 2024-04-15 - 来自专栏云微的一点分享
提示词（prompt）工程指南（五）：ChatGPT 提示工程
在本节中，我们介绍ChatGPT的最新提示工程技术，包括提示、应用、限制、论文和其他阅读资料。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com （prompt）工程指南（五）：ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT简介 ChatGPT ChatGPT API with LangChain ---- ---- 上一部分（应用） 下一部分（对抗提示） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
3.2K31编辑于 2023-03-31 - 来自专栏AI应用开发实践
提示词工程
requirements"], template=template ) result = prompt.format( location="火星殖民地", characters="AI机器人与人类工程师 FewShotPromptTemplate, PromptTemplate # 示例数据集 examples = [ {"query": "太阳质量", "answer": "1.989×10³⁰ 60%（根据 Anthropic 2023 年工程实践数据），同时生成质量稳定性提升 2-3 倍。 # 预筛选10个候选 ) # 步骤3：构建提示词模板 example_prompt = PromptTemplate( input_variables 数据预处理：对示例进行词性标注/分类，辅助评估多样性 计算资源考量：MMR 时间复杂度为 O(kN)，大数据集需配合 ANN 算法加速 八 最大余弦相似度 8.1 背景 在 RAG（检索增强生成）场景中，提示词工程需要根据用户输入动态选择最相关的知识库示例
22410编辑于 2026-03-26 - 来自专栏最新最全的大数据技术体系
提示工程之基本提示【二】
作为一名提示工程师，您需要更好地提供更好的指示。 ---- ---- 谈话 Conversation 也许通过快速工程可以实现的更有趣的事情之一是指导LLM系统如何表现、它的意图和它的身份。 也就是说，需要注意的是，目前的llm很难执行推理任务，因此这需要更先进的即时工程技术。 在接下来的指南中，我们将介绍更高级的即时工程概念，以提高所有这些和更困难的任务的性能。 笔记本 Python Notebooks | | |笔记本描述 |Description|Notebook| – – 学习如何使用“openai”和“LangChain”库执行许多不同类型的常见任务[提示工程入门
1.1K20编辑于 2023-03-24 - 来自专栏.Net Core技术分享
提示工程介绍
什么是提示工程？ 提示工程（Prompt Engineering）是“设计、优化输入给大语言模型的提示词，使其生成准确、有用且符合预期的输出”的技术与方法集合。 有效的提示工程会针对不同的任务来优化和选择这些参数。我们介绍几个最常用的选项： 模型（Model），尽可能的选择更先进的模型来完成工作。 Temperature（温度），用来控制输出内容的随机性的。 需要注意，自由度越高（温度、Top-K/Top-P 和Max Length高），LLM 可能生成相关性较低的文 本 提示词的要素 提示词由一些关键要素组成： 指令：想要模型执行的特定任务或指令。 提示词技巧 使用最新最先进的模型，这一点在现阶段非常重要！
27310编辑于 2025-10-15 - 来自专栏最新最全的大数据技术体系
提示工程之提示介绍【一】
Specificity Avoid Impreciseness 提示工程 提示工程是一门相对较新的学科，用于开发和优化提示，以便为各种应用程序和研究主题有效地使用语言模型(lm)。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 这种设计最佳提示来指导模型执行任务的方法被称为**提示工程。 ，可以使用提示工程，您将注意到组成提示的某些元素。
1.5K10编辑于 2023-03-23 - 来自专栏AI SPPECH
91_提示注入：安全提示工程
提示注入攻击通过精心构造的输入，操纵或欺骗AI系统执行非预期行为，可能导致数据泄露、权限绕过、输出不当内容等严重后果3。 在AI应用日益普及的今天，安全提示工程已成为构建可靠AI系统的关键环节。 （在与物理系统交互的场景中） 攻击手法不断演进：随着防御技术的发展，攻击者的手法也在不断更新和复杂化 安全提示工程的目标 安全提示工程的主要目标包括： 识别潜在风险：了解和识别各种提示注入攻击类型和潜在风险 防御策略与机制 提示工程防御 通过优化提示词设计，可以在一定程度上防御提示注入攻击。 纵深防御策略 预防层：通过提示工程、输入验证等机制预防攻击 检测层：实时监控和检测可疑活动 响应层：快速响应和处理安全事件 恢复层：从安全事件中恢复并改进系统 防御层次结构 用户输入 → 输入验证与过滤 本文系统地介绍了提示注入的本质、攻击类型、防御策略和最佳实践，希望能够为构建安全的AI系统提供有益的指导。 安全提示工程是一个持续的过程，需要我们不断学习和适应新的威胁。
60610编辑于 2025-11-16 - 来自专栏yeedomliu
ChatGPT提示工程艺术
特别是对于更复杂或开放式的提示，ChatGPT可能会给出完全出乎意料的响应。 为了处理更大的输出，您需要有策略地制作提示。 提供满意度保证或免费试用以增加购买的可能性】 【感谢收件人考虑产品或服务，并表达对结果的信心】 【鼓励回复并表示赞赏的结束语】 诚挚问候， [您的姓名或公司名称] 串联提示 将问题分解为更小、更容易处理的步骤 编写具有良好SEO性能的博客文章的10步链式提示的示例： ChatGPT，请提供与[主题]相关的常见问题列表。
38330编辑于 2023-09-03 - 来自专栏MySQL解决方案工程师
提示工程Prompt Engineering
这一篇是关于提示和提示工程的介绍，主要内容是我们如何影响词汇的分布。 在LLM中影响词汇的分布主要通过两种方式，一种是通过提示（Prompting），另外一种就是通过训练（Training）。 提示是影响词汇分布最简单的方法，通过给LLM输入提示文本（有时会包含指令和示例）使得词汇的分布概率发生变化。 提示工程是指为了引起某种特定的回答方式，进行反复改善提示的过程。 提示工程通常不直观，并且不能保证有效，因此非常具有挑战性，但通过有效的提示工程，可以更好地利用人工智能模型的能力，获得更令人满意的结果。 提示包括很多种策略，在这里介绍几种常见的策略。 以上内容是关于人工智能领域提示工程的简单介绍，在下一篇中，将介绍模型训练。感谢关注“MySQL解决方案工程师”
35910编辑于 2024-06-14 - 来自专栏Python编程爱好者
传统提示词工程将亡，全新提示词工程已至
现在，出现了一种全新的工具，它能够自动优化提示词。想象一下，在这个"AI 指导 AI"的魔法世界，提示词工程师们的价值将变得不再重要，毕竟机器可以自己就搞定这个工作。 创意生成：为软件工程师角色生成10个潜在的面试问题列表。 撰写特定类型文本（电子邮件）：撰写一封电子邮件，邀请同事参加下周的团队建设活动。 步骤指导：提供更换轮胎的逐步说明。 让我们来想象一个"传统"的提示词工程师，面对着并非自己想要的大模型输出，只能通过不断的更改提示词来告诉 AI 到底需要做哪些事情。 它支持自动优化 ChatGPT、GPT-4、Stable Diffusion、MidJourney 等 10+ 常用大模型。 提示词工程的 IDE —— PromptPerfect 提示词一键优化 在给大模型写提示词时，你只需给 PromptPerfect 一句“粗糙”的提示词，他就可以自 动优化为更加详细且大模型更容易理解的提示词
93210编辑于 2023-08-18 - 来自专栏云微的一点分享
提示词（prompt）工程指南（二）：基本提示
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com 作为一个提示工程师，您需要更好地提供更好的指令。但这还不是全部！您还会发现，对于更难的用例，仅提供指示是不够的。这是您需要更多地考虑上下文和提示中可以使用的不同元素的地方。 虽然如此，需要指出的是，目前的LLMs很难执行推理任务，因此需要更先进的提示工程技术。在下一篇指南中，我们将介绍这些高级技术。现在，我们将涵盖一些基本示例来展示算术能力。 在即将发布的指南中，我们将涵盖更高级的提示工程概念，以提高在所有这些更困难的任务上的性能。 、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https
3K41编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（三）：高级提示
到此为止，已经很明显完善提示有助于在不同任务上获得更好的结果。这就是提示工程的整体理念。 尽管那些例子很有趣，但在我们进入更高级的概念之前，让我们正式介绍一些概念。 （prompt）工程指南（三）：高级提示 零样本提示 少样本提示 Few-shot提示的限制 链式思考提示 零样本CoT 自一致性 生成知识提示 自动提示工程师（APE） ---- 零样本提示 今天训练有大量数据和调整能够遵循指示的 现在让我们尝试使用特殊的提示。 提示： 我去了市场买了10个苹果。我给邻居两个苹果，把两个苹果给修理工。然后我又买了5个苹果并吃了一个。我还剩下多少苹果？ 让我们逐步思考。 (2022)提出了一个名为自动提示工程（APE）的框架，用于自动生成与选择说明。 ---- 上一节（基本提示） 下一节（应用） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
2.2K12编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（四）：提示应用
在本指南中，我们将介绍一些高级和有趣的方式，利用提示工程来执行更有用和更高级的任务。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com （prompt）工程指南（四）：提示应用 生成数据 PAL（程序辅助语言模型） Python笔记本 ---- 生成数据 LLMs有强大的文本生成能力。 例如，我们可以使用它生成快速样本以用于情感分类器，就像这样： 提示: 生成10个情感分析例子。将示例归类为积极或消极。生成2个消极的示例和8个积极的示例。 上一节（高级提示） 下一节（ChatGPT） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
1.6K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（一）：提示介绍
提示工程是一种相对较新的学科，专门用于开发和优化提示，以高效地使用语言模型（LM）来处理各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。 研究人员使用提示工程来提高LLMs在各种常见和复杂任务上的容量，例如问题解答和算术推理。开发人员使用提示工程来设计与LLMs和其他工具接口的强大而有效的提示技术。 提示元素 随着我们涵盖越来越多的提示工程示例和应用程序，您会注意到某些元素构成了提示。 例如，您可能有兴趣了解提示工程的概念。您可能尝试这样做： 解释提示工程的概念。保持解释简短，只有几个句子，并且不要过于冗长。 从上面的提示中不清楚要使用多少句子和什么样的风格。 上述示例部分摘自“OpenAI API提示工程最佳实践文章”。 下一章节（基本提示）。
2.8K21编辑于 2023-03-31 - 来自专栏老张的求知思考世界
提示词工程入门指南
9、结构化表达：通过结构化表达，如保持一致性、提供上下文提示等，可以提高提示词的连贯性和有效性。 10、动态调整角色设定：在对话过程中，根据情境变化动态调整角色设定，以适应新的任务需求。 六、提示词工程的实践案例 假设，你是一个AI初学者，想要学习提示词工程，你该如何利用Chatbot来寻找学习资料？下面是按照对AI的了解程度所可能用到的提示词： 新手：AI提示词工程。 初级：学习AI提示词工程的资料和方法。 中级：我是AI初学者，想要学习提示词工程，请列举出学习方法和实践步骤。 资深：我是一名软件研发工程师，也是一名AI初学者，想要学习提示词工程，并应用在日常工作场景。 对第五条提示词进行解析，可得： 明确目标：学习提示词工程。 角色设定：软件研发工程师，AI初学者。 提供上下文：提示词内容来源于官方或权威企业。
1.5K11编辑于 2025-10-10 - 来自专栏yeedomliu
ChatGPT-4提示工程
聊天机器人，剧本写作，语言转SQL，创意写作，研究等 GPT-4 1.37T 自然语言理解，自然语言生成，问题解答，文本摘要，代码生成，翻译，客户服务，聊天机器人，剧本写作，语言转SQL，创意写作，研究等 提示工程的力量 提示工程本质上是指制定精确和有效的提示技术，引导AI模型生成期望的回应。 使用步骤 确定目标 明确要求 提供背景信息 提示工程是一种设计有效提示或指令的艺术，以从AI模型（如ChatGPT-4）获取期望的输出。 重要性 提示工程是一门精细的艺术，其目的是设计问题或陈述，也称为“提示”，以从人工智能（AI）模型中提取特定的回答。 原理 个性化提示 1.收集数据：通过收集相关数据来了解用户的行为、偏好和模式。 不过于正式也不过于随意 迭代：不断调整期望结果 实验：从不同角度提问 提示工程高级技术 从人类反馈中学习是AI成长的重要组成部分。
45710编辑于 2023-09-03 - 来自专栏喔家ArchiSelf
解读提示工程（Prompt Engineering）
提示工程可以用于各种任务，从回答问题到算术推理乃至各种应用领域，理解提示工程，能够帮助我们了解LLM的限制和能力。 为了理解提示工程，先要澄清什么是Prompt。 因此，提示工程旨在获取这些提示并帮助模型在其输出中实现高准确度和相关性，掌握提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。 提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。 Output: - First, you started with 10 apples. 提示工程的常见实践 提示工程的实现涉及到基于LLM应用中的各个方面，这里给出一些提示工程的常见实践： 静态提示：Prompt可以遵循zero、single或few shot的方法。
13.2K23编辑于 2023-10-23 - 来自专栏喔家ArchiSelf
“提示工程”的技术分类
通过提示工程技术，我们可以引入更多的时间和空间以及内容的属性，有助于更好地生成提示词。那么，提示工程技术有哪些呢？我们如何更好地使用它们呢？ 分类是认知的开始。 单一提示技术是提示工程的基础，常见的技术手段有： Zero-Shot：使用自然语言指令的最简单的技术。 关于Agent 的更多信息，可以参考《基于大模型（LLM）的Agent 应用开发》以及《Agent 应用于提示工程》。 4. 无论选择哪种提示技术，将提示工程视为数据科学的过程都非常重要。这意味着创建一个测试集并选择指标，调优提示并评估它对测试集的影响。 提示工程的方法小结 在应用提示工程的时候，提示语要清晰而准确，这样模型就不必猜测我们的意图。
49910编辑于 2024-08-01 - 来自专栏云云众生s
超越提示工程：提示词与AI模型治理
除了实现、调优和提示工程这些模型以产生最佳结果外，精明的组织正在努力管治它们与用户的交互，以保护数据隐私、法规遵循和数据安全协议。 更大的问题在于能够管控不仅是用户在部署这些模型时在提示中插入的信息，还有模型引发的响应。 基础模型库治理 管治面向任意数量企业应用的各种基础模型的用户提示和模型输出的要点是在模型库中嵌入治理工具的能力。 随后，”无论输入的是什么提示，也就是问题，后端都有一个代理基本上来找我们，问这没问题吗，需要进行某种处理吗，”Loubser透露。“我们字面意义上快速查看提示，输出时也是如此。” 非结构化文本扫描 隐含在这种范式中的是基础治理系统扫描自然语言提示和语言模型输出并根据策略违规对其进行评估的能力。
27510编辑于 2024-03-28 提示工程：大语言模型的新特征工程
EMNLP：提示工程是新特征工程某中心网络服务AI实验室的首席应用科学家Miguel Ballesteros表示，为了最大化效用，大语言模型需要生成连贯一致的输出，并能够识别以不同方式表达的提示。 提示工程的兴起Ballesteros指出：“过去，我们通常进行特征工程，即使用统计模型并添加不同类型的表示或特征，然后需要与特征一起调整模型。 “提示工程是为自然语言生成寻找与特定模型最配合的提示的过程，”Ballesteros说。“然而，经过训练预测序列中下一个单词的模型可以改进。 Ballesteros说：“需要更多关于如何构建和评估对提示具有鲁棒性的模型的工作。‘提示工程’一词的存在意味着当前可用的模型只有在给出最佳命令时才能工作。 少样本泛化与多任务组合提示工程还为大语言模型提供了一种进行少样本泛化的方式，即在一个通用任务集上训练的机器学习模型仅从几个示例中学习新任务或相关任务。
21710编辑于 2025-08-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号