提示词指南 --- 提示词的基本结构

什么是Prompt (提示词)

我们可以把“Prompt（提示词）”想象成和AI聊天时你说的“一句话指令” ，它就像和AI沟通时的“提问魔法咒语”。

举个生活中的例子： 假设你让AI扮演一个“美食评论家”，你输入的Prompt可能是：

“请以专业美食评论家的身份，评价一下这家新开的川菜馆的麻婆豆腐，重点分析辣度、食材新鲜度和酱料口感。”

这时候，AI就会根据这句话里的角色（美食评论家）、任务（评价菜品）、细节要求（辣度、食材、酱料）来生成回答

如果Prompt写得不好呢？ 比如你只说：“写点啥。” AI可能会迷茫，因为它不知道你想让它干什么。就像你问朋友“你觉得怎么样？”但没说具体对象，对方也会一头雾水。

所以Prompt的本质是：

• 告诉AI身份（你是谁）
• 明确任务目标（你要做什么）
• 给出细节要求（你要怎么做）

Prompt的基本结构和三种角色

prompt基本结构包括两个部分，分别是 “role” 和 “content”

messages = [{"role":"","content":""}]

我们可以把「提示词」想象成和AI对话时的“剧本” ，而在这个剧本里，有三个关键角色在配合演出。它们就像一场戏里的「导演、演员和观众」，各自分工明确，才能让AI给出你想要的回答

提示词的三种核心“角色”（Role）

System Role（导演）——AI的“行为指南”

• 作用：这是AI的“隐藏剧本”，相当于你悄悄告诉AI：“你必须遵守这些规则，扮演这个身份”。
• 通俗理解：就像给AI戴上一顶帽子，比如“你是一个知识渊博、说话温和、不说脏话的百科全书”。

• 例子：
  你是一个专业的法律顾问，擅长用通俗易懂的语言解释法律问题，回答必须符合中国法律。

User Role（观众）——你的“具体指令”

• 作用：这是你直接对AI说的话，告诉它你要做什么任务。
• 通俗理解：就像你对AI说：“现在请用你的专业知识，帮我分析这个问题”。

• 例子：
  我租的房子漏水，房东不修，我该怎么办？

Assistant Role（演员）——AI的“表演结果”

• 作用：这是AI根据前两个角色的指令，生成的最终回答。
• 通俗理解：AI根据“系统角色”的身份设定（比如律师），结合你的问题（用户角色），给出专业又易懂的回答。

• 例子：
  根据《民法典》第288条，房东有义务维修房屋。你可以先书面通知他，如果仍不维修，可自行维修并要求抵扣租金，或向居委会/法院投诉

在和AI的多轮对话中，大模型可以通过角色来理解上下文，分辨哪些是用户提出的问题，哪些是大模型的回答.

真实例子

以上配置会产生以下代码

from http import HTTPStatus
import dashscopedef call_with_messages():messages = [{"role":"system","content":"你是一个物理专家，擅长用生活中的例子解释复杂原理，语言要简洁易懂"},{"role":"user","content":"手机充电时为什么会发热？请用生活中的例子说明。"}]responses = dashscope.Generation.call(model="qwen-plus",api_key="**************************",messages=messages,stream=True,result_format='message',  # 将返回结果格式设置为 messagetop_p=0.8,temperature=0.7,enable_search=False)for response in responses:if response.status_code == HTTPStatus.OK:print(response)else:print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (response.request_id, response.status_code,response.code, response.message))if __name__ == '__main__':call_with_messages()