【大模型实战笔记 6】Prompt Engineering 提示词工程

《深入解析Prompt Engineering：从基础到高级技巧的完整指南》

---

1. 什么是Prompt Engineering？

Prompt Engineering（提示词工程）是设计和优化输入提示（prompt）以获得预期输出的过程。在与大型语言模型（如ChatGPT、GPT-4）交互时，如何构造提示会显著影响模型的回答质量。

1.1 Prompt的基本概念

Prompt是一种人为构造的输入序列，用于引导GPT模型根据先前输入的内容生成相关的输出。简单来说，就是你向模型提供的"提示词"。

示例对比：

• 简单提示：“告诉我关于猫的事情。”
• 优化提示：“请详细描述猫的生物学特征、行为习惯以及它们在不同文化中的象征意义。”

2. Prompt Engineering最佳实践

2.1 核心原则

1. 明确目标

明确你希望模型完成的任务或回答的问题。

• 目标不明确：“告诉我关于气候变化的事情。”
• 目标明确：“请简要描述气候变化的主要原因及其对农业的影响。”

2. 提供上下文

为模型提供必要的背景信息或上下文，以帮助其理解任务。

• 无上下文：“解释一下微积分。”
• 有上下文：“作为一名高中生，我正在学习微积分。请用简单的语言解释一下微积分的基本概念。”

3. 使用具体的指示

使用明确的指示和要求，避免模糊不清的提示。

• 模糊指示：“写一篇关于技术的文章。”
• 具体指示：“请写一篇关于人工智能在医疗领域应用的文章，包含以下几点：应用场景、优势和挑战。”

4. 提供示例

通过提供示例来展示你期望的输出格式或内容。

# 无示例："生成一个关于产品的报告。"
# 有示例："生成一个关于产品的报告，格式如下：
# --产品名称：
# --价格：
# --特点：
# --优点：
# --缺点："

5. 使用分步指示

对于复杂任务，分解为多个步骤，逐步引导模型完成。

• 一步完成：“解释并解决这个数学问题：2x + 3 = 7。”
• 分步指示：“首先，解释如何解方程。然后，解方程2x + 3 = 7。”

2.2 高级技巧

6. 控制输出长度

通过提示控制输出的长度，确保内容简洁或详细。

• 无长度控制：“解释一下量子力学。”
• 有长度控制：“用不超过100字解释量子力学的基本概念。”

7. 使用占位符和模板

使用占位符和模板来指示需要填充的内容或格式。

• 无模板：“生成一个用户注册表单。”
• 有模板：“生成一个用户注册表单，包含以下字段：用户名、密码、邮箱、电话号码。”

8. 反复试验和调整

不断试验和调整提示，观察模型的输出，并根据需要进行优化。

3. 核心提示技术详解

3.1 Zero-shot、One-shot和Few-shot提示

Zero-shot：模型在没有任何示例的情况下完成任务。

提示："翻译这句话：'The cat is on the roof.'"
回答："猫在屋顶上。"

One-shot：提供一个示例帮助模型理解任务。

提示："翻译以下句子：'The dog is in the garden.' -> '狗在花园里。' 'The cat is on the roof.' ->"
回答："猫在屋顶上。"

Few-shot：提供多个示例帮助模型理解复杂任务。

3.2 Chain-of-Thought (CoT) 提示

通过展示模型思考过程的步骤来解决复杂问题。

提示："如果一个苹果和一个香蕉的总价是3美元，一个苹果的价格是2美元，那么一个香蕉的价格是多少？请展示你的思考过程。"
回答："首先，苹果的价格是2美元。总价是3美元，所以香蕉的价格是3美元减去2美元，等于1美元。"

3.3 ReAct 框架

结合反应（Reaction）和行动（Action）的提示技术。

提示："你是一个虚拟助手。用户问：'我今天应该穿什么衣服？' 你需要根据天气情况给出建议。步骤1：查询天气。步骤2：根据天气给出建议。"
回答：
- 步骤1："查询天气：今天的天气是晴天，温度在25~30度之间。"
- 步骤2："建议：今天适合穿轻便的夏装，比如T恤和短裤。"

3.4 Reflexion 技术

模型在生成初步答案后，反思并可能修改其回答。

提示："解释为什么天空是蓝色的。"
初步回答："因为大气中的氧气和氮气散射阳光中的蓝色光。"
反思："这解释不够准确。实际上，蓝色光被散射得更多是因为瑞利散射效应。"
修改回答："天空是蓝色的，因为阳光穿过大气层时，短波长的蓝色光比其他颜色的光被空气分子散射得更多，这种现象被称为瑞利散射。"

4. 结构化输出设计

4.1 JSON格式输出

提示："""
请生成一个包含以下信息的JSON对象：
- 名字
- 年龄
- 职业
- 兴趣爱好示例格式：
{
"name": "张三",
"age": 30,
"occupation": "软件工程师",
"hobbies": ["阅读", "旅行", "编程"]
}
"""输出：
{
"name": "李四",
"age": 25,
"occupation": "数据分析师",
"hobbies": ["绘画", "跑步", "音乐"]
}

4.2 Markdown格式报告

提示："""
请根据以下信息生成一份Markdown格式的报告：
- 标题：气候变化对农业的影响
- 引言：简要介绍气候变化的背景。
- 影响：详细描述气候变化对农业的具体影响。
- 结论：总结并提出应对措施。
"""输出：
# 气候变化对农业的影响## 引言气候变化是指长期气候模式的变化，主要由人类活动引起的温室气体排放导致...## 影响气候变化对农业的影响主要体现在以下几个方面：
1. **作物生长周期**：温度升高和降水模式的变化影响作物的生长周期...
2. **病虫害**：气候变化可能增加病虫害的发生频率和严重程度...
3. **水资源**：气候变化导致的极端天气事件，如干旱和洪水...## 结论为了应对气候变化对农业的影响，需要采取以下措施：
1. 推广耐高温和抗旱作物品种。
2. 改进农业灌溉技术，提高用水效率。
3. 加强农业病虫害监测和防治工作。

4.3 表格格式数据

提示："""
请生成一张包含以下信息的表格：
- 产品名称
- 价格
- 库存数量
- 供应商示例格式：
| 产品名称 | 价格 | 库存数量 | 供应商 |
|---|---|---|---|
| 产品A    | 100   | 50    | 供应商1 |
| 产品B    | 200   | 30    | 供应商2 |
"""输出：
| 产品名称 | 价格 | 库存数量 | 供应商 |
|---|---|---|---|
| 产品C    | 150   | 20    | 供应商3 |
| 产品D    | 250   | 10    | 供应商4 |

5. 实际应用场景

5.1 代码生成

提示："请用Python编写一个函数，计算一个列表中所有数字的平均值。"输出：
def calculate_average(numbers):return sum(numbers) / len(numbers)

5.2 数据处理

提示："请将以下数据转换为标准日期格式：'12/31/2023', '01-01-2024', '2024.02.28'。"输出："2023-12-31, 2024-01-01, 2024-02-28"

5.3 文本分类

提示："请将以下句子分类为'正面'或'负面'：'我今天很开心。' '这个产品真糟糕。'"输出："正面：'我今天很开心。' 负面：'这个产品真糟糕。'"

5.4 创意生成

提示："请编写一个关于勇敢小狗冒险的短篇故事。"输出："从前有一只勇敢的小狗，它每天都在森林里冒险。有一天，它遇到了一个迷路的小女孩，决定帮助她找到回家的路……"

6. 高级提示工程技术

6.1 角色提示

通过为模型指定特定角色来引导输出。

提示公式："作为[角色]生成[任务]"示例：
- 任务：生成对客户查询的回复
- 角色：客户服务代表
- 提示公式："作为客户服务代表，生成对客户查询的回复。"

6.2 种子词提示

通过提供特定的种子词或短语来控制输出。

提示公式："请根据以下种子词生成文本：[种子词]"示例：
- 任务：编写一篇有关龙的故事
- 种子词："龙"
- 提示公式："请根据以下种子词生成文本：龙"

6.3 知识生成提示

从模型中引出新的、原创的信息。

提示公式："请生成关于X的新的和原创的信息"示例：
- 任务：从给定的数据集中生成有关客户行为的见解
- 提示公式："请从这个数据集中生成有关客户行为的新的和原创的信息"

7. 图像提示工程技术

7.1 明确图像生成目标

• 目标不明确：“生成一张图片。”
• 目标明确：“生成一张卡通风格的森林场景，包含动物和树木。”

7.2 提供详细描述

• 简单描述：“生成一张城市图片。”
• 详细描述：“生成一张现代城市的图片，包含高楼大厦、街道和行人，使用明亮的色调。”

7.3 使用多模态提示

结合文本和图像提示，提供更加丰富的信息。

提示："生成一张森林的图片，参考下面的描述和图像。
描述：一个宁静的森林，阳光透过树叶。
[参考图像链接]"

8. 实战框架：CRISPE模型

CRISPE是Prompt Engineering的经典框架：

• Capacity and Role（能力与角色）：你希望ChatGPT扮演怎样的角色
• Reason（洞察）：背景信息和上下文
• Instruction（陈述）：你希望ChatGPT做什么
• Style（个性）：你希望ChatGPT以什么风格或方式回答
• Experiment（实验）：要求ChatGPT提供多个答案

示例：

角色：产品经理
背景：需要设计一个赛博朋克风格的网站首页
任务：编写PRD文档，包含主题、简介、问题陈述、目标与目的、用户故事、技术要求等
风格：专业、详细
实验：提供3个不同的设计方案

9. 总结

Prompt Engineering是与大型语言模型有效交互的关键技能。通过掌握：

1. 基础原则：明确目标、提供上下文、使用具体指示
2. 核心技术：Zero-shot、CoT、ReAct等提示技术
3. 结构化输出：JSON、Markdown、表格等格式设计
4. 实战应用：代码生成、数据处理、创意写作等场景
5. 高级技巧：角色提示、种子词提示、知识生成等