编程语言AI算法
AI 提示工程与大模型高效交互指南
介绍大语言模型原理及提示工程核心逻辑，涵盖 ChatGPT 基础认知、高质量提示构建方法（角色、任务、背景、输出）、提示类别与进阶框架，以及提升 AI 回答质量、可读性的技巧。通过明确目标、提供上下文、迭代优化等策略，帮助读者实现与 AI 的高效交互，使其成为精准的知识助手。
介绍大语言模型原理及提示工程核心逻辑，涵盖 ChatGPT 基础认知、高质量提示构建方法（角色、任务、背景、输出）、提示类别与进阶框架，以及提升 AI 回答质量、可读性的技巧。通过明确目标、提供上下文、迭代优化等策略，帮助读者实现与 AI 的高效交互，使其成为精准的知识助手。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online
在 AI 深度融入日常学习与工作的当下，高效与大语言模型交互已成为核心技能。本文从 ChatGPT 的基础认知出发，拆解提示工程的核心逻辑与底层原理，系统梳理高质量提示的构建方法与进阶技巧，帮助读者摆脱'无效提问'，让 AI 成为精准高效的知识助手与创意伙伴。
ChatGPT 是一个人工智能问答聊天工具，基于 OpenAI 开发的大型语言模型 GPT，可以与用户进行自然语言交互，回答问题、提供信息、解决问题和提供建议。ChatGPT 基于大规模的预训练数据集进行训练，掌握了广泛的知识领域，并能理解和生成自然语言。它可以处理各种问题，包括常见的百科知识、实用信息、技术支持、创意灵感等等。我们可以借助 ChatGPT 来高效学习和解答疑惑。虽然 AI 的能力还没法进行体系化、系统性的详细教学，但是非常适合用来提供碎片化、即时性的帮助。
在和 AI 的交流过程中，了解如何有效与其进行沟通是很有用的。我们和 AI 的整个交流过程，都围绕着给 AI 写'提示'命令。我们可以把'提示工程'定义为创建给 AI 的输入的过程。提示输入将影响 AI 语言模型生成的输出，并且高质量的提示输入将产生更好的输出。
大语言模型的原理是通过训练神经网络模型预测下一个单词的概率分布，实现文本生成和理解的功能。 这一切是通过训练大规模数据集来实现的，数据集包括文章、书籍、期刊、报告等。根据语言模型的不同，有两种主要的学习方法 - 监督学习和无监督学习。 监督学习是模型使用带有正确答案标签的标记数据集。无监督学习是模型使用未标记的数据集，那么模型必须分析数据来获得准确的回答。 模型能够根据给定的提示生成文本，这个过程被称为语言建模。在这一点上，AI 语言模型的性能主要取决于训练数据的质量和数量。使用来自不同来源的大量数据来训练模型将有助于模型理解人类语言，包括语法、句法和语义。 大语言模型的训练过程分为两个主要步骤：预训练和微调。 在预训练阶段，大规模的文本数据被用来训练模型。该模型被要求预测给定上下文中的下一个单词或字符。通过在大量文本数据上进行这种预测任务，模型学习到了语言的统计规律、句法结构和语义关系。 在微调阶段，使用特定的任务数据集对预训练的模型进行进一步的训练，以使其适应特定的应用场景，比如说问题回答、文本生成、机器翻译等。 **大语言模型的关键思想是通过上下文信息的输入，以及模型对语言统计规律的理解，生成合乎逻辑和连贯的输出文本。**模型能够根据之前观察到的输入文本生成接下来的文本，并根据上下文调整生成的输出。这种能力使得大语言模型可以用于自动生成文章、回答问题、对话交互等多种自然语言处理任务。
结果的质量取决于输入的质量
| 角色 | 任务 | 背景 | 输出 |
|---|---|---|---|
| 1.角色：希望 AI 扮演什么角色？ 2.任务：希望 AI 做什么？ 3.背景：AI 需要哪些信息才能完成这一行动？在这里把具体信息给它。 4.输出：希望 AI 输出的格式是什么？ |
例 1： 角色：你是一位经验丰富的市场专员，擅长为各个行业和市场创建用户故事地图。 任务：以表格形式创建一个类似于 [某个具体产品] 的产品的示例用户故事地图。 背景：产品或网站类型：[提供对产品或网站的描述，包括其主要特点、功能、目标受众和价值主张。] 行业：[确定产品或网站所在的行业或市场细分，并指出任何关键趋势或挑战。] 输出：创建一个表格形式的顾客旅程地图，包括阶段、任务、用户需求和用户目标，与产品或网站的整体用户体验相匹配。
例 2： 角色：你是一位熟练撰写产品需求文档（PRD）的产品经理。 任务：根据提供的信息撰写一份全面的产品需求文档（PRD）。 背景：业务目标：[描述与此产品或功能相关的业务目标。] 产品愿景和战略：[解释产品或功能的整体愿景和战略，包括其目的、目标受众和独特卖点。] 关键特点和功能：[提供应包含在产品或功能中的关键特点和功能列表] 技术细节：[包括与产品或功能相关的任何高级技术细节，例如平台、技术集成、限制等。] 时间安排：[大致说明产品或功能的开发和发布预期时间。] 成功指标：[概述用于衡量产品或功能成功的指标。] 输出：按照以下部分构建 PRD：问题解决方法，产品概览，功能性需求，非功能性需求，解决方案，对齐关键功能点，未来考虑事项，关键逻辑
通过了解提示的不同分类，我们可以根据预期的目标回复，来构建输入给 AI 的高质量提示。 一些主要的提示类别包括：
什么是 5W 框架？
- Who 谁 - 指需要 AI 扮演的角色。例如老师、程序员、导游等角色。
- What 什么 - 指希望 AI 执行的动作。
- When 何时 - 指希望 AI 完成特定任务的时间规划。
- Where 哪里 - 指给 AI 提示的位置或上下文。
- Why 为什么 - 指给 AI 特定提示的原因、动机或目标。
例：作为一位编程助教，你的角色是为学生创建个性化的学习计划，帮助我学习如何编程。你需要了解我的目标、时间规划和学习资源，并利用这些信息制定全面的学习计划，包括明确的时间表和相关资源的链接。你应该能够根据学生的个别需求调整教学风格，并在学习过程中提供持续和指导。你的目标是帮助每位学生点亮编程技能、收获编程知识，从而实现编程目标。
在创建给 AI 的提示时，我们可以使用一个进阶框架，帮助规范提示创建的过程，得到 AI 更个性化和多样化的目标回答。
提示框架：
例： 能力和角色：扮演机器学习框架软件开发方面的专家，以及专业技术博客作家的角色。 见解：博客的受众是对机器学习领域最新进展感兴趣的专业人员。 陈述：提供对当前热门机器学习框架的全面介绍，包括优点和缺点。通过真实的例子和案例研究，说明这些框架在各个行业中的应用。 风格：在回答问题时，把 Andrej Karpathy、Francois Chollet、Jeremy Howard 和 Yann LeCun 的写作风格相结合。 实验：给我多个不同例子。
AI 有上下文记忆能力，所以如果在同一次对话中提问，它会记得之前讨论过的内容，所以可以尝试以下技巧：
本文围绕 ChatGPT 与提示工程展开，系统介绍了大语言模型的基本原理与核心术语，重点讲解了提示的结构化设计、分类体系及进阶框架，同时总结了提升 AI 输出质量、增强可读性的实用技巧与高效提示原则。通过清晰定义目标、提供上下文、迭代优化等方法，能让 AI 输出更精准、有价值的结果，帮助读者充分发挥大语言模型在碎片化学习与问题解决中的价值。