第五部分
Prompt Engineering
掌握提示词工程的艺术，学习如何与AI高效沟通，释放大语言模型的全部潜力
Prompt基础与重要性
Prompt是人与AI沟通的桥梁，精心设计的提示词能显著提升AI输出的质量和相关性
什么是Prompt Engineering?
Prompt Engineering（提示词工程）是设计和优化输入提示（prompts）以获得AI模型期望输出的技术和方法。随着大语言模型（LLM）的发展，如何有效地与AI沟通变得越来越重要。
一个好的Prompt可以帮助AI：
- 理解任务的上下文和意图
- 生成更准确、有用的回答
- 遵循特定的格式和风格要求
- 减少幻觉和不相关的内容
不好的Prompt
写点什么关于狗的。
好的Prompt
请以科普文章的形式，写一篇300字关于金毛寻回犬的介绍，包括：
1. 品种起源和历史
2. 性格特点
3. 适合的家庭类型
要求语言通俗易懂，适合青少年阅读。
Prompt设计原则
遵循这些核心原则，让你的Prompt更加有效
清晰性 (Clarity)
使用明确、无歧义的语言表达你的需求。避免模糊的词汇，确保AI能准确理解你的意图。清晰的指令能减少误解，获得更精准的输出。
上下文 (Context)
提供足够的背景信息帮助AI理解任务。包括相关领域知识、目标受众、使用场景等。上下文越丰富，AI的回答就越贴合实际需求。
具体性 (Specificity)
详细说明你的期望输出格式、长度、风格等具体要求。越具体的指令，越能得到符合预期的结果。使用示例来阐明你的需求。
常见Prompt模式
掌握这些经典模式，应对各种AI交互场景
Zero-shot Learning（零样本学习）
直接向AI提出任务，不提供任何示例。适用于简单、明确的任务，或当AI已经具备相关领域知识时。
示例
将以下中文翻译成英文：
"人工智能正在改变我们的生活方式。"
Few-shot Learning（少样本学习）
提供几个输入-输出示例，让AI学习模式后应用到新任务。适用于需要特定格式或风格的任务。
示例
将情感分类为正面、负面或中性：
输入：这部电影太精彩了！
输出：正面
输入：服务态度很差
输出：负面
输入：今天天气晴朗
输出：中性
输入：这个产品质量一般
输出：
Chain-of-Thought（思维链）
引导AI逐步思考问题，展示推理过程。特别适用于数学、逻辑推理等需要多步思考的任务。
示例
问题：一个农场有鸡和兔子共35只，脚共94只。鸡和兔子各有多少只？
请逐步思考：
1. 设鸡有x只，兔子有y只
2. 根据题意列出方程：
- x + y = 35（总头数）
- 2x + 4y = 94（总脚数）
3. 从第一个方程得：x = 35 - y
4. 代入第二个方程：2(35-y) + 4y = 94
5. 展开：70 - 2y + 4y = 94
6. 简化：2y = 24，所以 y = 12
7. 因此 x = 35 - 12 = 23
答案：鸡有23只，兔子有12只。
交互演示
Prompt Playground
?
输入你的Prompt
解释概念
翻译文本
总结文章
编写代码
AI 输出
点击"运行"查看AI输出...
这个演示模拟了AI如何根据你的Prompt生成回复。尝试修改Prompt，观察输出如何变化。注意清晰、具体、有上下文的Prompt通常会产生更好的结果。
Few-shot 示例构建器
?
示例列表
示例 1
示例 2
完整Prompt预览
根据以下示例，对输入进行情感分类（正面/负面/中性）：
示例1：
输入：我很高兴
输出：正面
示例2：
输入：我很失望
输出：负面
现在请分类：
输入：
输出：
Few-shot learning通过提供示例让AI学习特定模式。添加更多示例可以帮助AI更好地理解你的需求。
Chain-of-Thought 可视化
?
问题
小明有24颗糖果，他给了小红1/4，然后又给了小华剩下的一半。小明还剩多少颗糖果？
步骤 1
小明开始有 24 颗糖果
步骤 2
给小红的数量：24 × 1/4 = 6 颗
步骤 3
给小红后剩余：24 - 6 = 18 颗
步骤 4
给小华的数量：18 ÷ 2 = 9 颗
步骤 5
最终剩余：18 - 9 = 9 颗糖果
Chain-of-Thought prompting引导AI展示推理过程，特别适用于需要多步思考的复杂问题。点击"下一步"查看推理过程。
Prompt优化技巧
实用的技巧帮助你写出更好的Prompt
1
使用角色设定
让AI扮演特定角色可以获得更专业的回答。例如："你是一位经验丰富的Python开发者..."
"你是一位资深的数据科学家，请解释过拟合的概念..."
2
指定输出格式
明确说明你想要的输出格式，如JSON、Markdown列表、表格等。
"请以JSON格式返回结果，包含'name'和'value'字段"
3
添加约束条件
设置字数限制、风格要求、避免的内容等约束，让输出更精确。
"请用200字以内，用小学生能听懂的语言解释..."
4
使用分隔符
用```、"""或XML标签分隔不同部分，让结构更清晰。
"""原文"""
请总结以上文本的主要观点
5
迭代优化
根据输出结果不断调整Prompt，逐步逼近理想结果。
第一次输出不满意？添加更多具体要求再试一次
6
要求自检
让AI检查自己的回答，可以提高准确性和完整性。
"完成回答后，请检查是否遗漏了任何要点"