当前位置: 首页 > news >正文

Prompt提示词的主要类型和核心原则

目录

    • 一、 Prompt 的主要类型(按功能和目的分类)
    • 二、 Prompt 的核心原则
    • 三、提示词工具分享

小马记得早在chatgpt一夜爆火之时,Prompt工程师就已经在国外先火了一波,而且开出的薪资可人。有的同学说,这不就是一堆文字描述指令吗?三岁小孩都会了。当实际应用中确实你写成什么样的提示词大模型都会跟你聊两句,但是好的提示词和差的提示词聊的结果可是天差地别。这个小马颇有感受,在实验大模型问答场景时候,有的时候提示词中的一个标点符号可能都会影响大模型输出不同的结果。甚至还有专门的提示词工程师开始证书,点链接可参观小马薅的证书。

在这里插入图片描述

Prompt(提示词)是与AI模型(如ChatGPT、DALL-E、Midjourney等)进行有效沟通的关键。理解其类型和原则能显著提升你获得理想结果的效率。以下是一个清晰的分类和核心原则:

一、 Prompt 的主要类型(按功能和目的分类)

  1. 任务指令型:

    • 描述: 最基础、最直接的Prompt类型,明确告诉AI需要执行的具体任务。
    • 例子:
      • “将以下英文段落翻译成中文:[段落内容]”
      • “总结这篇文章的核心观点。”
      • “写一封感谢邮件给我的导师。”
      • “计算5的阶乘。”
      • “将这张照片的背景去掉。”
  2. 信息提供型:

    • 描述: 向AI提供必要的背景信息、上下文、数据或约束条件,以帮助其更好地理解任务或生成更符合要求的内容。
    • 例子:
      • “我正在写一篇关于气候变化的论文,目标读者是高中生。请帮我生成三个吸引人的开头段落。”
      • “用户反馈如下:[具体反馈]。请分析其中的主要问题和建议。”
      • “我的品牌风格是:简约、现代、科技感,主要色调是蓝色和白色。请为新产品设计一个Logo提示词。”
      • “基于以下数据:[数据表格],预测下个季度的销售额趋势。”
  3. 角色设定型:

    • 描述: 给AI分配一个特定的身份、角色或视角,让它从该角色的角度来思考、表达或执行任务。
    • 例子:
      • “假设你是一位经验丰富的营养师,请为我设计一份一周的健康减脂食谱。”
      • “你是一位严厉的历史教授,请用批判性思维分析拿破仑战争的失败原因。”
      • “你是一个10岁孩子的妈妈,用简单易懂的语言解释什么是光合作用。”
      • “你是一个风趣幽默的脱口秀演员,为这个科技产品写一段30秒的广告词。”
  4. 格式指定型:

    • 描述: 明确要求输出结果采用特定的格式、结构或文体。
    • 例子:
      • “请用Markdown格式列出这个主题的优缺点。”
      • “将回复组织成:摘要、主要论点、结论三部分。”
      • “写一首十四行诗,主题是‘秋天的思念’。”
      • “生成一个包含标题、要点列表和行动呼吁的PPT大纲。”
      • “以JSON格式输出用户信息:{“name”: “”, “email”: “”, “interests”: []}”。
  5. 示例引导型:

    • 描述: 提供一个或多个示例(Few-Shot Learning),让AI模仿示例的风格、格式或思路来完成任务。这对于复杂任务或特定风格要求非常有效。
    • 例子:
      • “示例1:输入‘高兴’ -> 输出近义词‘快乐、喜悦、愉快’; 输入‘悲伤’ -> 输出近义词‘难过、哀伤、悲痛’; 现在输入‘愤怒’ -> 输出:”
      • “请模仿下面这个段落的写作风格:[示例段落]。写一段关于‘城市清晨’的类似风格的描述。”
      • “根据以下简历模板:[简历示例],帮我完善我的简历信息:[我的信息]。”
  6. 思维链/推理型:

    • 描述: 要求AI展示其思考过程和推理步骤,而不仅仅是最终答案。这对于解决复杂问题、验证答案正确性或学习解题思路很有帮助。常用短语如“请逐步推理”、“展示你的思考过程”。
    • 例子:
      • “解方程 2x + 5 = 15。请一步步展示你的求解过程。”
      • “为什么说全球化是一把双刃剑?请从经济、文化、环境三个角度分别阐述利弊,并给出你的结论。”
      • “如果明天下雨,比赛就取消;如果比赛取消,门票将退款。今天阳光明媚。请问门票会退款吗?请用逻辑推理说明。”
  7. 开放探索/创意激发型:

    • 描述: 提出开放性问题或创意性任务,鼓励AI进行发散思维、头脑风暴或生成新颖想法。
    • 例子:
      • “如果人类可以光合作用,世界会变成什么样?请展开想象。”
      • “为一家卖月球旅游套餐的公司想10个有创意的广告标语。”
      • “请构思一个科幻短篇小说的故事梗概,主题是‘时间旅行悖论’。”
      • “讨论人工智能对未来教育的潜在影响,包括积极和消极方面。”

二、 Prompt 的核心原则

  1. 清晰具体:

    • 避免模糊: 不要说“写点东西”,要说“写一篇关于狗的行为训练的300字科普短文”。
    • 明确范围: 指定所需的细节、长度、侧重点。例如,“总结”可以指定为“用3个要点总结”。
    • 消除歧义: 确保关键词没有多种解释。比如“苹果”是指水果还是公司?
  2. 提供充分上下文:

    • 背景信息: 让AI了解任务的来龙去脉、目标受众、使用场景等。例如,“这是一封求职信,应聘软件工程师职位,我毕业于XX大学计算机专业,有两年Java开发经验…”
    • 相关数据/材料: 提供必要的文本、数据、链接或前文对话供AI参考。
    • 约束条件: 明确限制,如字数、时间范围、禁止内容、格式要求等。
  3. 设定明确目标与期望:

    • 定义成功输出: 你希望最终得到什么?是列表、文章、代码、分析报告、还是创意点子?
    • 指明风格与语气: 是正式、专业、轻松、幽默、简洁还是详细?是面向专家还是初学者?
  4. 使用结构化和分步提示(尤其复杂任务):

    • 分解任务: 将大任务拆解成逻辑清晰的小步骤,一步步引导AI。
    • 清晰组织: 使用编号、项目符号、分隔符让Prompt易于阅读和理解。例如:

      任务:分析市场趋势报告。
      步骤:

      1. 阅读提供的报告摘要:[摘要内容]。
      2. 识别报告中提到的三个最主要的增长驱动因素。
      3. 指出一个潜在的风险或挑战。
      4. 用表格形式总结驱动因素和风险。
  5. 迭代优化:

    • AI的第一次输出很少完美。 将AI的输出视为初稿或起点。
    • 分析结果: 哪里好?哪里不好?是Prompt本身的问题(模糊、缺少信息)还是AI理解偏差?
    • 修改Prompt: 基于分析结果,调整Prompt的措辞、增加细节、提供更明确的指令或示例。例如,“请更侧重技术细节”或“请用更简单的语言解释”。
    • 持续对话: 在对话中基于AI的回复不断细化要求(“请把第二点说得更详细些”或“换一种比喻方式”)。
  6. 角色扮演与视角设定(善用原则):

    • 明确指定AI的角色(专家、特定身份、特定风格)能极大提升输出的专业性和针对性,使其更符合你的预期。
  7. 利用示例(Few-Shot Learning):

    • 对于需要特定格式、风格或复杂模式的任务,提供1-3个清晰、高质量的示例是最直接有效的方式。这比单纯用语言描述要求效率高得多。
  8. 耐心与实验精神:

    • 与AI有效沟通是一门实践性很强的技能。不同模型、不同任务对Prompt的反应可能不同。
    • 勇于尝试不同的措辞、结构、提供不同侧重的信息。
    • 记录哪些Prompt效果好,哪些效果差,建立自己的Prompt库。

三、提示词工具分享

直接点击工具名称即可通过链接进入,注意有些是需要科学上网的。

工具描述
PromptPilot字节出品,从生成一个 Prompt. 开始
AIPRM使用单击提示 ,用于ChatGPT。
PromptBaseAI promptbase集合市场
FlowGPT是一个分享和讨论ChatGPT聊天指令模板的在线社区
SnackPrompt是一个为ChatGPT提供提示的平台,用户可以在这里找到各种各样的提示,也可以提交自己的提示。
Prompts.Chat是一个为ChatGPT提供提示的平台,用户可以在这里找到各种各样的提示,也可以提交自己的提示。
PromptHero稳定扩散的搜索提示
ClickPrompt简化提示设计
Public Prompts公共提示
LearningPrompt是一个为ChatGPT提供提示的平台,用户可以在这里找到各种各样的提示
AiShort让生产力加倍的 AI 快捷指令
Prompt Engineering Guide是一个关于Prompt Engineering的全面指南,提供了大量的学习资源和工具
AI绘嗨是一个AI绘画提示词分享平台,用户可以在平台上分享自己的设计提示词并赚取收益
提示工程指南关注提示词开发和优化
词魂AIGC精品提示词库
Kimi 提示词生成零门槛成为提示词大师,更好地向 AI 提问
http://www.dtcms.com/a/272587.html

相关文章:

  • 在vscode中和obsidian中使用Mermaid
  • Spring AI Alibaba(2)——通过Graph实现工作流
  • Flutter 与 Android 的互通几种方式
  • Linux 中 sed 命令
  • RedisJSON 路径语法深度解析与实战
  • Spring Boot + Javacv-platform:解锁音视频处理的多元场景
  • 【TCP/IP】12. 文件传输协议
  • MySQL索引操作全指南:创建、查看、优化
  • Debian-10编译安装Mysql-5.7.44 笔记250706
  • macOS 上安装 Miniconda + Conda-Forge
  • Jekyll + Chirpy + GitHub Pages 搭建博客
  • 如何使用Java WebSocket API实现客户端和服务器端的通信?
  • 蓝桥杯第十六届(2025)真题深度解析:思路复盘与代码实战
  • MinerU将PDF转成md文件,并分拣图片
  • Alibaba Druid主要配置
  • 图片合并pdf
  • 新手向:实现ATM模拟系统
  • TDengine 数据库建模最佳实践
  • Oracle 视图
  • Tomcat:Java Web应用的幕后英雄
  • 线性探针是什么:是一种用于探测神经网络中特定特征的工具
  • 从零开始搭建深度学习大厦系列-3.卷积神经网络基础(5-9)
  • 李宏毅(深度学习)--(2)
  • 数据库复合索引设计:为什么等值查询列应该放在范围查询列前面?
  • 区间动态规划详解
  • 【JMeter】跨线程组传递参数
  • 在Docker中运行macOS的超方便体验!
  • SpringAI×Ollama:Java生态无缝集成本地大模型实践指南
  • Redis数据库基础概述
  • 8.2.3希尔排序