对于很多人而言, 他们搞不清楚“提示词工程”以及“上下文工程”, 今日我要给诸位详细讲讲, 实际上这两件事情的分工是极为明确的, 恰似咱们去撰写自动化测试脚本那般, 少了其中任何一个都是不行的, 今天就以接口自动化测试的实际状况, 再结合我平常常用的提示词模板, 跟大家把事情说通透, 确保看过之后就能明白。先上干货我平时用的标签化提示词模板无论提示词工程, 还是上下文工程, 全都要有一个基础载体。下面这个, 是我经过优化的提示词模板, 在书写测试脚本的时候, 可直接套用, 效率尤为高:Python接口自动化测试脚本生成专家 根据接口文档生成Pytest风格的自动化测试脚本 1. 必须包含setup_class和teardown_class方法 2. 接口请求用requests库响应断言需包含状态码和核心字段 3. 测试数据需用pytest.mark.parametrize装饰器参数化 4. 禁止硬编码敏感信息需通过配置文件读取 脚本需包含导入模块、测试类定义、测试方法、断言逻辑注释清晰此模板最初并非这般完善, 后续我们围绕它, 探究提示词工程究竟在做何事, 以及上下文工程究竟在做何事。提示词工程提示词工程简单来讲, 就是给大模型制定规矩, 把上面提到的模板进行打磨, 使其变得更加具体, 更能契合实际需求, 从而让大模型明白该如何做才是正确的。我最初运用这个模板时, 仅仅写下了基本约束, 然而AI生成的脚本, 要不然就是没有设置超时时间, 要不然就是断言失败仅给出一个断言错误, 排查起来格外麻烦又耗费时间, 真让人心烦。随后我展开针对性优化, 为约束增添细节, 补充内容包括“将响应超时时间设定为5秒”, “在断言失败时要打印请求参数以及响应结果”, “应当必须兼容.8及以上版本”, 理清指令顺序, 先是明确角色, 接着给予任务, 随后罗列约束, 最后确定输出格式, 如此AI阅读起来通顺, 出错概率也低, 预先思考异常状况, 像是接口文档缺少参数该如何处理, AI要提示我“需要补充XX字段的类型以及是否为必填项”, 而非随意生成。好比咱们编写测试框架的配置文件那般, 仅仅关注“脚本需契合怎样的标准”罢了, 对于具体测试哪一个接口, 使用何种数据则不予理会。其关键要点在于使得AI明白自身应做何事, 尽可能减少幻觉的出现。上下文工程仅仅只有规矩是远远不够的, 即便AI对规则极其了解, 要是没有素材, 那也是无法开展工作的, 而这正是上下文工程所要达成的任务, 也就是为AI准备其所需用的“原材料”。先说生成测试脚本这个事儿, 我之前遇到过个问题, 是这样的: 仅仅给了上面的提示词, 却没给接口文档, 也没给测试数据, 结果呢, AI炮制出一个空架子, 其中的接口路径、请求参数通通都是占位符, 完全没办法有效运行。后来我才弄明白, 上下文当中必须涵盖这些内容, 有完整的接口文档, 要写明白接口URL, 请求方法是GET或者POST, 请求头设置的方式, 参数名以及类型, 像属于int型且必填, 响应里存在哪些核心字段, 有靠谱的测试数据, 比方说合法的、错误的token, 用于测试异常场景, 预期的响应结果, 像成功返回200, data字段不为空, 还有环境配置信息, 测试环境的地址, 登录所用的账号密码, 获取鉴权token的方式, 配置文件存放的位置。如同咱们于撰写测试用例那会儿, 得先将接口文档、测试数据以及环境信息梳理妥当, 要是缺少这些, 即便框架配置再完备, 也无法撰写出能够运行的脚本, 其关键所在即为让AI做到“有东西可供书写, 书写所得能够得以运用”。各自责任存在有这么一种划分, 提示词工程所负责管理的是指令以及规则, 而此指令与规则就是存在于咱们方才所见的上面那个提示词模板之中的内容另外还有上下文工程, 它所负责管理的是素材以及数据, 像是其中包含的接口文档、测试数据等这些实际存在的实实在在的东西。达到的效果提示词乃是使得大模型明白“怎样去做才契合要求”, 像生成的脚本务必有方法, 断言需涵盖状态码上下文工程是促使 AI 知晓“做这件事得运用什么”, 诸如测哪个接口, 用什么去请求。具体做的事优化指令, 补全约束, 理顺逻辑, 这属于提示词工程, 就像给原本的模板加上超时时间的诉求收集素材呵, 整理数据, 明确配置, 这是上下文工程, 好比把接口文档里的参数整理妥当交给AI。两者少一个会怎样若无提示词工程, 脚本格式便会紊乱, 像缺少方法、断言不完整这般, 不符合咱们所规定的开发规范要是没有上下文工程, 脚本就成了徒有其表的空架子, 不存在实际的接口路径以及测试数据, 根本无法运行。说白了就是两句话提示词工程是“写规则”上下文工程是“备原料”。想踏入 AI 大模型这块获得入门机会却寻觅不到清晰的方向吗, 备考大厂 AI 岗位还在到处搜罗零散的资料吗, 别再把时间给白白浪费掉啦, 2025 年的 AI 大模型全套学习资料已经整好完毕了, 从学习的路线至面试的真题, 从工具的教程到行业的报告, 一站式将你的所有需求给涵盖住了, 现在全部免费进行分享扫码免费领取全部内容一、需学习必备之物, 有100多本大模型电子书, 还有26份行业报告, 以及600多套技术PPT, 能帮你看透AI趋势。要是想知晓大模型的行业动态, 以及商业落地案例? 还有大模型电子书? 这份资料能助力你站在 “行业高度” 去学习 AI:1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、 等权威机构发布的核心内容涵盖3. 600套技术大会 PPT听行业大咖讲实战PPT 是从 2024 年到 2025 年的热门技术大会整理而来的, 其中涵盖了百度、腾讯、字节等等企业的一线实践。二、找工作时必须要看的内容, 是那些大公司人工智能岗位面试所需要用到的“弹药库”, 这里面有三百多道真题, 还有一百零七道面试经验总结, 能够直接获取。想要冲击字节跳动、腾讯、阿里巴巴、蔚来等大型企业的人工智能岗位吗? 这份用于面试的资料能够帮助你预先进行“押题”, 使人拒绝在临场时慌乱1. 一百零七道大厂面经, 涵盖了, RAG, 以及大模型应用工程师等热门岗位。面经是从2021年到2025年之间真实的面试场景里整理出来的, 其中有字节, 还有腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业高频出现的考题, 并且每一道题都附带了思路解析。2. 102 道 AI 大模型真题直击大模型核心考点就大模型专门的考题而言, 在概念层面去进行全方面考量, 于实践环节也做到全方位涵盖, 以此来助力你把底层的逻辑梳理清晰:3. 97 道 LLMs 真题聚焦大型语言模型高频问题特地剖析 LLMs 的关键痛点以及解决办法, 像是致使众多人苦恼的 “复读机问题”:三、须明确路线: 人工智能大模型的学习路线图, 仅用一张图就能梳理清楚其中的核心内容。刚开始接触人工智能大模型, 不清楚该自哪儿开始学习, 这份名为「AI大模型 学习路线图」的内容, 直接为你划分出重点, 无需再没有目标地摸索探寻路线图包括5大核心板块, 由基础至进阶呈层层上升态势, 一步一步引领你从入门迈向进阶, 从理论延伸至实战。L1阶段:启航篇丨极速破界AI新时代L1阶段, 要去知晓大模型的基础方面知识, 还要明白大模型于各个行业之中所作的应用以及基于此的分析, 接着要开展学习, 以理解大模型的核心原理, 去钻研其关键具备的技术, 同时需要去熟知大模型的具体应用场景。L2阶段攻坚篇丨RAG开发实战工坊AI大模型, 处于L2阶段下的RAG应用开发工程, 主要关注RAG检索增强生成领域, 这其中涵盖了Naive RAG、-RAG以及RAG性能评估, 另外还涉及多个RAG热门项目的分析, 是要进行学习的。L3阶段跃迁篇丨Agent智能体架构设计在L3阶段, 会实现大模型Agent应用架构的进阶, 主要进行学习, 针对相关框架, 同时也会学习到诸如等多Agent系统, 以此来打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段要对大模型开展微调以及进行私有化部署, 还要更为深入地去探讨架构, 学习大模型用于微调的技术, 运用、Lamam等工具迅速做模型微调, 并借助、vLLM等推理部署框架, 达成模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份无论你是零基础打算入门人工智能大模型, 还是有基础想要冲击大厂、知悉行业趋势, 这份资料均可满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容想在2025年抓住到AI大模型的那个风口, 千万别犹豫, 这份免费的资料就是属于你的“起跑线”