大语言模型提示词工程常用技巧

提示词工程基本概念

提示词工程（Prompt Engineering）是针对大语言模型设计有效指令以获得理想输出的技术。在与大语言模型交互时，提示词的质量直接影响输出结果的质量。

常用提示词技巧

1. 角色指定法（Role Prompting）

通过明确指定模型应扮演的角色，引导模型以特定身份回答问题。

我希望你扮演一位经验丰富的数据科学家。请解释决策树算法的工作原理及其在金融领域的应用。

2. 格式指定法（Format Specification）

明确要求模型以特定格式输出结果。

请以下面的格式回答问题：
1. 定义：[概念定义]
2. 优点：[列出3点优势]
3. 缺点：[列出3点劣势]
4. 应用场景：[列出2-3个应用场景]

问题：什么是迁移学习？

3. 思维链提示（Chain-of-Thought Prompting）

引导模型展示推理过程，而不仅仅是结果。

问题：小明有12个苹果，他给了小红5个，又从小李那里得到了3个。小明现在有多少个苹果？

请一步步思考：

4. 少样本学习（Few-Shot Learning）

通过提供几个示例，指导模型理解任务模式。

将以下句子翻译成英文：
中文：我喜欢读书。
英文：I like reading books.
中文：今天天气很好。
英文：The weather is nice today.
中文：人工智能正在改变世界。
英文：

5. 任务分解（Task Decomposition）

将复杂任务分解为多个简单步骤。

请帮我写一篇关于全球变暖的短文。请按以下步骤进行：
首先概述全球变暖的定义
分析三个主要成因
描述两个重要影响
提出可能的解决方案
总结观点

6. 精确指令（Specific Instructions）

提供明确、详细的指令，避免模糊表述。

请生成一个Python函数，实现以下功能：
- 函数名为calculate_average
- 接受一个整数列表作为输入
- 计算列表中所有元素的平均值
- 如果列表为空，返回0
- 包含适当的注释和文档字符串

高级提示词技巧

让模型对自己的回答进行评估和改进。

请解释量子计算的基本原理。完成解释后，请评估你的回答，指出可能存在的不足，然后提供一个改进版本。

2. 历史感知提示（History-aware Prompting）

在多轮对话中引用先前的交流内容。

基于我们之前讨论的机器学习模型评估指标，请详细解释F1分数在不平衡数据集中的重要性。

3. 反向提示（Reverse Prompting）

要求模型生成可能引导特定回答的问题。

如果我想获得关于"如何建立高效学习习惯"的详细建议，我应该如何提问才能得到最全面的回答？请提供一个理想的提问方式。

4. 约束提示（Constrained Prompting）

对模型的回答设置特定限制。

请解释区块链技术，满足以下条件：
- 使用不超过200字
- 避免使用技术术语
- 以一个简单的类比开始
- 面向完全没有技术背景的读者

提示词模板示例

1. 内容创作模板

graph TD A[指定内容类型] --> B[确定目标受众] B --> C[设定语气和风格] C --> D[指定长度和格式] D --> E[提供关键点或主题]

请以{专业/轻松/正式}的语气，为{目标受众}创作一篇关于{主题}的{内容类型}。
长度约{字数}字，需要包含以下关键点：
1. {关键点1}
2. {关键点2}
3. {关键点3}
格式要求：{格式要求}

2. 代码生成模板

graph TD A[指定编程语言] --> B[描述功能需求] B --> C[提供输入输出示例] C --> D[说明性能要求] D --> E[要求代码注释]

请使用{编程语言}编写代码，实现以下功能：
{功能详细描述}

输入示例：
{输入示例}

期望输出：
{期望输出}

性能要求：
{时间/空间复杂度要求}

请确保代码包含完整注释，并解释关键算法思路。

3. 学术解释模板

graph TD A[指定主题] --> B[确定深度级别] B --> C[要求结构化内容] C --> D[请求相关例子] D --> E[要求参考文献]

请以{初级/中级/高级}学术水平解释{主题概念}。
请包含：
1. 基本定义和起源
2. 核心原理和机制
3. 关键应用领域
4. 当前研究热点
5. 相关案例分析
6. 可能的未来发展

如可能，请提供几个关键参考文献或研究者。

4. 问题解决模板

graph TD A[描述问题] --> B[要求分析原因] B --> C[要求多角度解决方案] C --> D[评估解决方案] D --> E[建议最佳方案]

我正面临以下问题：
{问题详细描述}

请帮我：
1. 分析可能的原因
2. 提供至少3种解决方案
3. 分析每种方案的优缺点
4. 根据{具体情境/限制条件}，推荐最适合的解决方案

提示词工程最佳实践

明确性：提供清晰、具体的指令
结构化：将复杂请求分解为结构化步骤
示例：提供示例说明预期输出
上下文：提供足够的背景信息
迭代：基于模型回应调整提示词
限制：设置明确的约束条件
反馈：指导模型如何处理不确定情况

Tags: Public AI

PE常用技巧