1、提示词工程Prompt Engineering提示词工程Prompt Engineering就是一门关于如何构造和精炼你的提示词的艺术和科学目的是最大化 AI 模型的性能让它产出更符合你需求的、高质量的输出。简单来说提示词工程是一个与 AI 高效沟通的技巧。提示词Prompt就是你输入给 AI 模型比如大型语言模型 LLM如 GPT-4 或 Gemini的指令、问题、或文本输入。工程Engineering在这里指的是设计、优化和改进你的输入文本的过程。2、提示词的基本结构在正式学习技巧之前先了解一个重要的底层机制与 AI 对话时消息分为三种角色。示例 [System] 你是一位专业的中文写作助手擅长商务邮件和报告撰写。 回答时保持正式、简洁的风格。 [User] 帮我起草一封给客户的道歉邮件原因是产品延期两周交货。 [Assistant] 尊敬的客户 首先我们对此次交货延误深表歉意……System Prompt 的价值System Prompt系统提示是你与 AI 协作中最被低估的工具。普通用户通常只用 User 消息提问这就像每次见到员工都要重新介绍公司规矩。而 System Prompt 相当于一本工作手册——只需设定一次AI 在整个对话中都会遵守。实用场景举例# 给 AI 设定一个持久的人设 System: 你是菜菜一位亲切的家常菜厨师助手。 你只回答与烹饪相关的问题回答时使用轻松的口语 并在每个回答末尾推荐一道类似的菜肴。关键规则User 和 Assistant 消息必须交替出现对话永远以 User 消息开头。这是 API 调用的硬性格式要求。3、什么是 TokenAI 模型不是以字或词为单位处理文本的而是以 Token 为单位。Token 是介于字符和单词之间的文本片段英文中1 个单词 ≈ 1–2 个 Token中文中1 个汉字 ≈ 1–2 个 Token通常比英文消耗更多标点符号、空格也各自占用 Token经验公式1000 Token ≈ 750 个英文单词 ≈ 500 个中文汉字4、上下文窗口AI 的工作记忆每个模型都有一个上下文窗口Context Window即它在一次对话中能处理的最大 Token 数量。超过这个上限模型就会忘记最早的内容。5、Token 意识对提示词设计的影响Token 为什么重要1. 它决定了 AI 能读多少每个 AI 模型都有一个上下文窗口Context Window也就是它一次能处理的最大 Token 数量。比如GPT-3.5约 4,000 TokenGPT-4 Turbo约 128,000 TokenClaude 3.5约 200,000 Token超过这个限制AI 就会记不住之前说的话就像一个人的短期记忆装满了一样。2. 它影响 API 的使用费用调用 AI 接口API时费用通常按 Token 数量计费。输入的文字 AI 回复的文字都会消耗 Token所以写得越长花费越多。3. 它影响 AI 的回复速度AI 生成文字时是一个 Token 一个 Token 地输出的所以回复越长等待时间越久。Token 的小知识1,000 个 Token ≈ 750 个英文单词是一个常用的估算比例。中文、日文、韩文等亚洲语言通常比英文消耗更多 Token因为这些字符在编码上更复杂。空格和标点也算 Token不要以为只有文字才计数。代码的 Token 消耗一般比自然语言少因为编程语言结构紧凑。6、常用标签一览------------------------------------------------------------------------------------------------7、幻觉是指 AI 自信地输出了错误的、不存在的或者凭空捏造的信息。这是大语言模型的固有局限但通过提示词设计可以大幅降低它的发生率。8、为什么 AI 会幻觉语言模型的本质是预测接下来最可能出现的词。当它不知道某个信息时不会像人一样说我不知道——而是会生成一个听起来合理的回答。这就像一个努力想表现好的实习生宁可给出一个听起来专业的猜测也不愿承认自己不知道。9、五种防幻觉策略策略 1明确允许 AI 说我不知道最简单有效System Prompt 中加入 如果你不确定某个信息请直接说我没有关于这个问题的可靠信息 不要猜测或编造答案。不确定 ≠ 失败诚实才是好助手。策略 2限制 AI 只使用你提供的信息请请只根据 reference 标签中的内容回答问题。 如果参考资料中没有足够的信息请回答根据提供的资料无法回答这个问题。 reference [你提供的文档内容] /reference question [用户的问题] /question策略 3先找证据再给结论把思维链技巧用在防幻觉上 在回答之前请先在 evidence 中找出文档里 直接支持你结论的句子或段落再在 answer 中给出结论。 如果找不到支持性证据就说找不到。策略 4要求标注置信度对于你回答中的每个关键信息请在括号内标注置信度 高置信度 你非常确定 中置信度 你有一定把握但不完全确定 低置信度 你只是猜测建议用户自行核实策略 5降低随机性API 开发者在 API 调用中将 temperature 设为 0让模型的输出更保守、更确定 减少创意性发挥带来的错误适合事实性任务。10、防幻觉 System Prompt 模板你是一位严谨的研究助手。你必须遵守以下规则 1. 只基于用户提供的文档内容回答问题。 2. 如果文档中没有足够信息请明确说明 根据提供的资料无法回答这个问题。 3. 引用具体信息时指出它来自哪个段落。 4. 不要用你自己的训练知识来补充文档之外的内容。 5. 对于数字、日期、专有名词格外谨慎宁可说不确定也不要猜。11、构建完整的复杂提示词五段式架构现在把所有技巧组合起来构建一个生产级的完整提示词。专业的 AI 应用提示词通常包含以下五个部分每部分各司其职════════════════════════════════ 第 1 段角色与目标 ════════════════════════════════ 你是谁你的核心任务是什么 ════════════════════════════════ 第 2 段背景知识与数据 ════════════════════════════════ AI 需要知道哪些背景信息 用 XML 标签包裹 ════════════════════════════════ 第 3 段行为规则 ════════════════════════════════ 必须做什么不能做什么 边界条件是什么 ════════════════════════════════ 第 4 段输出格式 ════════════════════════════════ 以什么格式输出包含哪些字段 ════════════════════════════════ 第 5 段示例 ════════════════════════════════ 给 1-2 个完整的输入→输出示例12、提示词链Prompt Chaining当一个任务过于复杂单条提示词无法可靠完成时可以把它拆分成多个子任务依次执行前一步的输出作为下一步的输入——这就是提示词链Prompt Chaining。提示词链把复杂任务分而治之每一步都能独立验证质量整体可靠性大幅提升。13、元提示Meta-Prompting当你不知道如何写一个好的提示词时有一个被严重低估的方法直接让 AI 帮你写或改进提示词。这就是元提示Meta-Prompting——用提示词来生成提示词。三种元提示用法用法 1从零生成提示词描述你的目标让 AI 帮你起草我需要一个 System Prompt用于构建一个面向电商客服场景的 AI 助手。 该助手需要 - 能处理退换货、物流查询、产品咨询三类问题 - 对用户始终保持耐心和友好 - 遇到无法处理的问题时引导用户联系人工客服 - 回复简洁不超过 150 字 请帮我生成这个 System Prompt并解释每个部分的设计理由。用法 2诊断并改进现有提示词把你写的提示词和遇到的问题一起发给 AI以下是我目前使用的提示词但它经常产生格式不统一的输出 有时还会遗漏风险评估这一部分。请帮我分析问题所在 并给出改进版本。 current_prompt {你现有的提示词} /current_prompt problem 格式不统一风险评估部分经常缺失。 /problem用法 3针对具体输出反向推导提示词如果你看到某个 AI 输出的效果很好可以让 AI 帮你还原可能的提示词 以下是一段我认为质量很高的 AI 回复风格示例。 请分析它的特点并帮我写出能稳定产生类似风格输出的提示词。 example_output {你喜欢的输出示例} /example_output14、发布前检查清单每次提示词上线或分享之前过一遍这个清单[ ] 指令是否清晰无歧义读给一个陌生人听他们能理解吗[ ] 数据和指令是否用 XML 标签分离[ ] 是否明确了输出格式和长度限制[ ] 对于推理类任务是否要求了先思考再回答[ ] 是否提供了 2-3 个高质量的示例[ ] 是否允许 AI 说我不知道[ ] 是否在多种不同输入上做了测试[ ] 边界情况空输入、异常输入是否处理了[ ] 复杂任务是否考虑拆分为提示词链[ ] 关键指令是否放在提示词的开头或结尾位置[ ] 是否记录了当前版本号和修改日志15、速查表四要素框架每次写提示词时检查是否涵盖了这四个核心要素