【提示词技巧】顺序位置对效果的影响
提示词位置技巧
提示词安排位置，对于效果会有影响。你可以选择把指令、示例、格式要求等不同的内容放到提示词的不同位置，然后观察效果。可以参考这篇文章Where to show Demos in Your Prompt: A Positional Bias of In-Context Learning。
在这篇文章中，发现前两个安排方式在一些数学推理等任务上更有用（也就是把demos放到系统提示词里），这确实有些让人意外；在其他任务上，3和4更有用。同时，不同尺寸的模型，对于示例位置的偏好也是不同的，在一些极端情况下，将例子放到错误的位置，还不如不放例子。
- ssp (Start of System Prompt)：示例放在系统消息最开头，任何指令之前。
结构：[Demos] + [Instruction] [Question] - esp (End of System Prompt)：示例放在系统消息末尾，指令之后，用户问题之前。
结构：[Instruction] + [Demos] [Question] - sum (Start of User Message - 默认)：示例放在用户消息开头，问题之前。
结构：[Instruction] [Demos] + [Question] - eum (End of User Message)：示例放在用户消息末尾，问题之后。
结构：[Instruction] [Question] + [Demos]
如果你刚开始接触提示词工程，可以先记住一个最基本也最有效的结构：先给背景，后给指令。
一般来说，让提示词以示例或上下文信息开始，在明确的行动指令中结束。这种方式可以确保AI在充分消化了所有相关信息之后，能够集中注意力去完成你交给它的核心任务。这是一个经过反复验证的黄金法则，也是构建更复杂提示词的坚实基础。
1.核心策略：提示词的三段式布局
当任务变得复杂时，我们可以将提示词分解为开头、中间和结尾三个部分，让每个部分各司其职。
-
开头位置：奠定基础
- 上下文与背景: 在这里提供所有必要的背景信息。
- 示例与参考: 给出具体的例子，让AI明白你期望的风格或格式。
- 设定角色: 如果需要，可以在开头就为AI设定一个角色，如“你是一位资深的营销文案专家”。
-
中间位置：充实细节
- 详细任务描述: 详细说明任务的每一个步骤和要求。
- 具体约束条件: 比如字数限制、语言风格、必须包含的关键词等。
- 补充信息: 提供任何有助于完成任务的额外细节。
-
结尾位置：明确行动
- 核心行动指令: 在最后用清晰的动词发出指令，如“总结以上文本”、“撰写一份报告”。
- 期望的输出格式: 明确指出你需要的结果是列表、表格还是JSON格式。
- 最重要的要求: 将最关键的约束（比如“绝对不能提及价格”）放在最后，以加深模型的“记忆”。
将指令放在结尾，可以有效利用模型预测下一个词元的特性，使其在看到指令后立即开始执行任务，而不是错误地续写你给的上下文。
2.实用的高级技巧
请注意区分ssp、esp、sum、eum等结构的区别。
掌握了基础结构后，这些高级技巧能让你的提示词更上一层楼：
-
重要信息两头放 (三明治技巧): 在处理特别长的提示词时，模型可能会“忘记”开头的指令。为了避免这种情况，可以将最关键的指令在开头和结尾各重复一次。这就像制作三明治，将最重要的“馅料”用两片“面包”夹住，确保它被充分注意到。
-
使用分隔符清晰分离: 为了让AI更好地区分指令和上下文，建议使用清晰的分隔符（如
###或"""）将不同部分隔开。这能显著提高提示词的结构层次感。 -
巧用系统提示词 (System Prompt): 对于需要贯穿整个对话的高级指令（如角色、语气、输出规则），可以将其放入“系统提示词”中。这样，你的主提示词就可以更专注于当前的核心任务，变得更加简洁高效。
3.需要避免的常见错误
最后，请注意避免以下几个常见的布局错误，它们会严重干扰AI的理解能力：
- 关键指令被埋没: 不要将最重要的行动指令淹没在一大段描述性文本的中间。
- 缺乏结构层次: 指令、上下文、示例混在一起，让AI难以分辨主次。
- 重要信息过于分散: 将一个完整的约束条件拆分在提示词的多个不同位置。
4.参考资料
https://learn.microsoft.com/en-us/azure/ai-foundry/openai/concepts/prompt-engineering?tabs=chat
https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-the-openai-api
https://learnprompting.org/docs/basics/prompt_structure
https://platform.openai.com/docs/guides/prompt-engineering
https://www.digitalocean.com/resources/articles/prompt-engineering-best-practices
https://www.promptingguide.ai/introduction/examples