大语言模型提示工程与应用：提示工程入门指南

提示工程入门

学习目标

在本课程中，我们将学习提示工程。

相关知识点

• 提示工程

学习内容

1 提示工程

提示工程是一门新兴学科，专注于设计和优化提示词以高效利用语言模型完成多样化任务。掌握提示工程能帮助开发者更深入理解大语言模型(LLM)的能力边界。研究人员通过提示工程提升模型在问答、数学推理等复杂任务的表现，开发者则借此构建更强大的LLM应用接口。

1.1 基础提示词

简单提示即可获得基础输出，但结果质量与信息量正相关。以下示例展示提示词的演进：

初始提示:

天空是

输出:

蓝色的晴天时天空呈现蓝色，阴天则可能变为灰色或白色

优化后提示

请补全句子：
天空是

输出

如此美丽 today

通过明确指令，我们实现了提示工程的核心目标——设计最优指令使模型精准执行任务。现代LLM已能胜任文本摘要、数学推导、代码生成等高级任务。

1.2 关键模型参数

通过API调用LLM时，需重点配置以下参数：

Temperature

• 低值：确定性高，始终选择最高概率词元

• 高值：随机性强，激发创意输出
  应用场景：事实类问答建议0.2-0.5，诗歌创作可设0.7-1.0

Top_p

• 核采样技术，控制输出多样性

• 与temperature择一调整即可

1.3 标准提示结构

基础问答格式：

Q: <问题>?
A: 

小样本提示(few-shot)示例：

Q: 如何泡绿茶？
A: 80℃水温冲泡2-3分钟Q: 如何泡红茶？
A: 90℃水温冲泡3-5分钟Q: 如何泡乌龙茶？
A:

分类任务示例：

"太棒了！" // 正面
"糟透了" // 负面
"这部电影绝了！" // 正面
"演出太差劲了！" //

输出: 负面

1.3 提示词构成要素

完整提示可能包含：

• 指令：明确任务要求

• 上下文：辅助理解的背景信息

• 输入数据：待处理内容

• 输出指示：指定响应格式

1.4 设计原则

从简开始

建议使用OpenAI Playground等工具逐步迭代：

• 基础提示验证可行性
• 逐步添加上下文和约束
• 记录各版本效果

指令设计

• 使用明确动词：“编写”、“分类”、"总结"等
• 推荐指令前置并用分隔符强调：

### 指令 ###
将下文翻译为法语：文本："你好！"

保持具体

• 详细描述预期输出样式
• 提供示例效果显著
• 注意提示词长度限制

信息抽取示例：

从下文提取地名，格式：地点: <逗号分隔列表>输入："...神经免疫学家Henrique Veiga-Fernandes在里斯本Champalimaud未知中心表示..."

输出: 地点: Champalimaud未知中心, 里斯本

避免模糊

低效提示：

简要解释提示工程，不要过于描述性

高效提示：

用2-3句话向高中生解释提示工程概念

正向引导

低效提示：

电影推荐机器人，不要询问兴趣，不要收集个人信息
用户：根据我的兴趣推荐电影
机器人：您喜欢什么类型电影？（错误示范）

高效提示：

电影推荐机器人需直接推荐全球热门影片，禁止询问用户偏好。若无推荐选项则回复"今日无推荐"。
用户：根据我的兴趣推荐电影
机器人：当前全球热门影片有：《阿凡达》《流浪地球》...(正确示范)