- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI应用开发实践
提示词工程
事无巨细，提示词模板这块松哥也和大家做一个详细介绍。 本文基于 langchain。 一 优秀的提示词 什么样的提示词算优秀？ f-string 四 三层提示词设计 4.1 概念 通过将提示词分解为 策略层 → 逻辑层 → 执行层 的三层架构，实现复杂任务的模块化控制。 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。 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 测试不同输入 print("--- 输入'tall'时的提示词 ---") print(dynamic_prompt.format(query="tall")) # 输出包含与"tall"相似度最高的2
22410编辑于 2026-03-26 - 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。 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。 如果你用 ChatGPT 来干活，那么 PromptPerfect 就是你的提示词工程师。 如果你用大模型来赚钱，基于它去开发应用，PromptPerfect 就是你的提示词 IDE。 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 提示词工程的未来 随着大模型的不断发展，大量的 AI 应用不断涌现。 它们在各个领域中大放异彩，吸引着无数的 AI 技术爱好者争相体验。传统的工作模式正在发生改变，新的游戏规则即将书写。
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（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 yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 主题： 提示词 （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 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 - 来自专栏老张的求知思考世界
提示词工程入门指南
三、构建提示词的技巧和策略 1、角色设定：为模型设定特定角色(如“研发工程师”)，引导模型生成符合角色身份和风格的输出。 2、约束条件：明确指定输出的格式、长度、风格等要求，以提高模型输出的准确性。 在线地址：https://ai.gaozhijun.me/7-Prompts/good-examples.html 2、谷歌提示工程白皮书 提供了零样本提示、少样本提示、系统提示、角色提示、上下文提示等多种提示技术的详细说明 2、避坑策略与最佳实践 明确性与约束性：提示词须有明确目标和约束条件，如“用Java实现线程安全的LRU缓存，容量1000，并提供基准测试”。 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。 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
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 yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 主题： 提示词 （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 (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 yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 目录： 提示词 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。 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 您可能仍然可以通过以上提示获得不错的回应，但更好的提示是非常具体，简洁明了，直指要点的提示。例如： 使用2-3句话向高中生解释提示工程的概念。 做还是不做？ 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）：
2.8K21编辑于 2023-03-31 - 来自专栏技术专家成长之路
面向Java开发者的ChatGPT提示词工程（2）
在这篇博客文章中，我将分享一些关于提示词的关键原则，帮助你在使用语言模型时获得更好的结果。具体来说，我将介绍两个关键原则，帮助你编写有效的提示词。 同时，我也鼓励你在阅读文章的过程中运行代码，亲自体验不同提示词的输入和输出效果。 我将在本文中概述一些基本原则和策略，这些内容对于像ChatGPT这样的语言模型非常有帮助。 现在，我们定义一个叫做getCompletion的方法，以便更容易地使用提示词并查看生成的输出。 不要将编写清晰的提示词与编写简短的提示词混淆，因为在许多情况下，较长的提示词实际上为GPT提供了更多的清晰度和上下文，这实际上可以导致更详细和相关的输出。 "id": 1, "title": "失落的城市", "author": "张三", "tag": "奇幻" }, { "id": 2,
70130编辑于 2023-09-01 - 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 - 来自专栏机器人课程与技术
提示词工程让儿童编程轻而易举
提示词 Move turtle1 left by 2, then rotate 180 degrees, and move back to (5, 5). 当今机器人技术面临的挑战，以及 ChatGPT 如何提供帮助 当前的机器人管道始于工程师或技术用户，他们需要将任务的要求转换为系统代码。 工程师坐在循环中，这意味着他们需要编写新的代码和规范来纠正机器人的行为。 PromptCraft，一个用于LLM + Robotics研究的协作开源工具 良好的快速工程对于LLM如ChatGPT在机器人任务中的成功至关重要。 为了解决这一差距，我们推出了PromptCraft，这是一个协作式开源平台，任何人都可以分享不同机器人类别的提示策略示例。我们发布了本研究中使用的所有提示和对话。我们邀请读者贡献更多！
56020编辑于 2023-07-11 - 来自专栏小巫技术博客
第02期·Prompt提示词工程
DAILY AI KNOWLEDGE ✍️ Prompt 提示词工程 每天搞懂一个 AI 知识点 · 第 02 期 2026.3.29 什么是 Prompt？ Prompt（提示词），就是你给 AI 说的话——但不是随便说，而是有技巧地说。 Prompt 工程（Prompt Engineering） 研究「如何用最有效的方式跟 AI 说话，让它给出最好的回答」的学问。 找出可能导致状态不一致的代码逻辑 2. 解释为什么会出现这个问题 3. 给出修复建议，并说明修复后的优势 ️ 5 大核心提示技巧 1. 2. 少样本提示（Few-shot Prompting 给几个例子，AI 会模仿你的格式和风格。 3.
24210编辑于 2026-03-30 - 来自专栏韩曙亮的移动开发专栏
【AI 大模型】提示工程 ③ ( 提示词用法 | 提示词 Prompt 构成 | 提示词位置对权重的影响 | 提示词 Prompt 调优 | OpenAI 的 API 类型 | 提示词重要参数说明 )
一、提示词用法 提示词 Prompt 的 两种用法 : 直接提问 : 直接向 GPT 大模型提问 , 得到一个具体问题的答案 , 如 : XXX 错误如何处理 ; 集成应用 : 将 提示词 Prompt 集成到自己开发的应用程序中 , 结合自己公司的实际业务状况 , 生成与自己业务相关的一系列提示词 , 如 : 基于公司的一套知识库 + GPT 大模型 进行使用 ; 二、提示词 Prompt 构成 1 、提示词构成 提示词 Prompt 构成 : 指定角色 : 为 大模型 指定一个角色 , 明确指出 " 你是一个 XX " 是很有用的 ; 如 : 你是一位软件工程师 , 请写出 XXX 代码 ; 不断的进行调优 , 每当 通过 提示词 得到的结果不满意 , 我们就对 提示词 进行迭代修改 , 不断进行调优 , 直到得到 令我们满意的输出为止 ; 1、结合 训练数据 写提示词 知道训练数据 : 了解 提示词 的 训练数据 , 如果是 自己训练的数据 , 肯定知道 写什么提示词 能得到最佳结果 ; 2、不知道训练数据的情况 - 不断尝试 不知道训练数据 : 如果不知道 GPT 的训练数据 , 那就需要
2K33编辑于 2024-07-14 - 来自专栏三木的博客
Claude Code源码分析之提示词工程
在 LLM 应用开发中，系统提示词（System Prompt）的管理往往是一个容易被忽视的工程痛点。 本文基于 Claude Code 泄露出来的源代码（主要覆盖 src/QueryEngine.ts 及 src/utils/ 等核心模块），从工程视角拆解其提示词管理的系统架构。 其核心设计理念包括：极致的模块化解耦、对 Prompt Caching（提示词缓存）的深度优化、多级路由调度机制以及并发的上下文组装。 1. 此时，大模型会被注入一套专门的“调度员”提示词，让它不要去死磕代码，而是专心做进度统筹和任务派发。 一方面对职责模块进行了细粒度拆分，满足了多样化的智能体运行模式需求；另一方面又针对模型基础设施（如 Prompt Cache）进行了静态提示词与动态提示词的隔离。
1.1K20编辑于 2026-04-04 - 来自专栏prepared
AI 提示词：提示词大赛冠军是怎么写提示词的？
一个新加坡女孩，在第一次 GPT-4 提示词大赛中获得冠军，我们来看看她的提示词是怎么写的。 提示词女王 Sheila Teo 分享了她是如何优化提示词，从而获得大赛冠军的。 一句话提示词 写一篇知乎回答，回答这个问题：为什么我编写不出优秀的ChatGPT提示词? 生成的内容如下图，基本上是一些空洞不可直接落地的方向性建议，缺少落地的指导，读者很难真正从里面学到什么。 使用 CO-STAR 提示词 CONTEXT（上下文） 我是一个知乎答主，活跃在 AI 领域。想回答一个知乎问题。知乎的问题是：为什么我编写不出优秀的ChatGPT提示词? TONE（语调） 有说服力的 AUDIENCE（受众） 主要受众是对 AI 感兴趣的各个年龄段人群，尤其是对于写出好的提示词有强烈要求的人群。请针对这一群体编写回答。 使用 CO-STAR 框架提示词生成的内容如下，我们看到回答的开头有秀肌肉，吸引读者继续往下读的部分。 中间有原理、有案例，能让读者收获干货，还能直接上手实操。
1.6K22编辑于 2024-08-21 - 来自专栏山行AI
如何基于OpenAI大模型搭建提示词工程
前言：这是一篇很好地讲解了提示词工程的文章，提示词是fine tune大模型的一种比较经济适用的方式，基于提示词搭建一套agent可能是能形成未来生产力的关键一环。 您可以要求模型生成执行任务的代码，然后将代码输出作为额外的历史记录，以提出进一步的问题作为新的提示。 最近出现了许多这样的新方法，形成了一门新的学科——“提示工程”。 在这个提示下，可以分为三个子部分： •前缀：给LLM的指令——“给出每个输入的反义词”•示例：一系列带有相应反义词的单词列表•后缀：用户输入，即我们希望模型输出反义词的单词 这被称为“几样式”提示，因为我们在提示的一部分中给模型提供了几个示例 ：short 单词：big 反义词： 现在我们可以利用这个提示来预测我们遇到的新词的反义词。 medium.com/cloudcraftz/an-introduction-to-prompt-engineering-for-openai-gpt-llms-f109ca4f1739，主要目的是对提示词工程进行一些系统化的整理和科普
1.4K10编辑于 2023-09-08 - 来自专栏老张的求知思考世界
提示词工程，是使用AI的入门能力
看到微信群里很多同学在讨论各自公司的AI落地情况，讨论的重点大多集中在企业级知识库如何搭建、Agent如何开发、MCP协议效果如何，却很少有人关注提示词。 毕竟提示词这东西，自从二月份DeepSeek爆火后带动了一波热度，随后大家便被层出不穷的新技术所吸引。再说一个提示词而已，谁都会打字谁都能提问，还不是轻松拿捏。 这个代价就是忽略了最基础的能力(提示词)和基础技术设施建设跟不上技术发展，这也是我为什么会专门写两篇关于AI Agent Infra文章的原因。 对此，我个人有如下几点建议： 1、从提示词工程开始，学会如何正确的使用提示词，尽量让AI沿着我们预期的目标给出我们想要的结果，这也是大模型训练过程很重要的一步(训练集、测试集)。 2、要想企业内落地AI，企业级知识库的建立势在必行。
11500编辑于 2025-06-25 Prompt Engineering：提示词工程最佳实践与应用
引言随着人工智能技术的不断发展，特别是大型语言模型（LLM）的兴起，提示词工程（Prompt Engineering）逐渐成为提升AI模型性能、增强任务执行效率的关键技术。 它关注提示词的开发和优化，帮助用户将LLM应用于各种场景和研究领域。提示词可以是问题、指令或一段上下文，通过提供特定格式或内容的提示，影响模型的内部状态，从而引导模型生成符合预期的输出。 提示词工程（Prompt Engineering）：一门关注提示词开发和优化的学科，旨在提高LLM处理复杂任务场景的能力。 三、优点与缺点3.1 优点提高模型性能：通过精心设计的提示词，可以激发LLM的潜在能力，提升任务执行效率。减少训练成本：在不增加额外训练数据的情况下，通过优化提示词即可提升模型表现。 3.2 缺点不确定性：LLM对提示词的解读存在模糊性和不可预测性，同一提示词在不同场景下的输出可能不一致。技术门槛：编写优秀的提示词需要严谨的思维和出色的工程能力，对普通用户来说具有一定难度。
3K21编辑于 2024-12-26- 来自专栏全网漫游指南
数字时代的黑魔法：提示词工程 （上）
如果是这样，那么您已经踏上了成为一名提示词工程师的道路。 本文源自于Taskade博客的文章，通过这篇文章，你将了解提示工程的含义、为什么它是 2023 年最热门的技能之一，以及如何为您的个人和项目设计有效的提示词。 什么是提示词工程 简而言之，提示词工程或提示词设计是精心设计查询或指令以引发AI模型特定响应的艺术和科学。提示词可以很简单： “写一首关于月亮的摇篮曲” 或细致如此： "绘制未来城市的蓝图。 （好吧，这不完全是一个好的提示词，但你大概get到了） 虽说提示词工程在人类与人工智能的交流中发挥着关键作用，但它与实际的工程关系不大。将其视为语言练习而不是技术练习。 提示词工程原则 那么，如何写出有效的提示呢？ 嗯，主要是通过实验（多试错）。 从很多方面来说，编写提示都是一个反复试验的过程，是一个充满偶然性的创造性探索。
1.1K10编辑于 2023-11-30 - 来自专栏机器之心
提示词工程、RAG之后，LangChain：上下文工程开始火了！
机器之心报道 编辑：陈萍 AI 时代，你可能听说过提示词工程、RAG、记忆等术语。但是很少有人提及上下文工程（context engineering）。 至于重要性，下面这张图很好地概括了上下文工程与提示词工程、RAG 等的关系。 在传统的提示工程中，开发者通常侧重于精心设计提示语，以期得到更好的答案。 然而，随着应用的复杂度不断增加，逐渐显现出单纯依赖提示已无法满足现代智能体的需求。如今，提供完整且结构化的上下文信息比任何巧妙的提示词更为重要。 上下文工程就是为此诞生的。 上下文工程与提示工程有何不同？ 为什么要从提示工程到上下文工程转变？早期，开发者专注于巧妙地给出提示以引导模型给出更好的答案。 我们可以将提示工程视为上下文工程的一个子集。即使你拥有所有的上下文，如何在提示中组装它仍然至关重要。区别在于，你不仅仅是在设计一个与单一输入数据有效的提示，而是要处理一组动态数据并将其正确格式化。
78710编辑于 2025-06-26
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