大模型 Prompt 工程核心技巧与实战指南
随着 ChatGPT 等生成式 AI 的爆发，大语言模型（Large Language Model, LLM）已深入公众视野。虽然 LLM 达到了类人的交互水平，但要最大化其能力，仍需以'大模型视角'进行思考和对话。这正是提示词工程师（Prompt Engineer）的核心工作。本文将系统梳理 Prompt 工程的关键技巧，帮助用户高效驾驭大模型。
一、本质是提问的技巧
大模型首次实现了自然语言与计算机的深度交流。为了达到事半功倍的效果，必须精进提问技巧。建议将大模型视为精通某一领域的专业顾问（如导游、咨询师），以专业对话的角度提出问题。
常见误区示例：
- 模糊提问： '五一假期去上海玩，推荐一些行程'。
- 结果： 大模型通常给出中规中矩的通用日程，缺乏参考价值。
优化原则：
- 角色设定： 明确大模型的身份，例如'你是一位资深旅游规划师'。
- 专注主题： 一次对话聚焦一个具体问题或主题。
- 要素齐全： 列出关键信息，如时间、地点、人物、事件等。
- 限定范围： 明确约束条件，例如'可以做什么'、'不可以做什么'、'特定时间点要求'。
- 分隔清晰： 使用标点符号对提问进行结构化分隔，帮助模型抓住重点。
优化后的 Prompt 示例：
'五一假期，从南京出发，坐高铁，目的地上海，亲子 3 日游，不去迪士尼，不去动物园，安排详细行程。'
这种结构化的提问能显著提升回答的针对性和可用性。
二、及时补充上下文
大语言模型相比传统 AI 的最大进步在于超长上下文记忆能力。在与模型对话时，应充分利用这一特性：
- 动态补充： 不可能一次性写出完美提示。一旦有新想法或发现遗漏，应及时追加信息。
- 纠正偏差： 大模型有时会产生幻觉或胡言乱语（受 Temperature 参数影响）。一旦发现跑偏，需提供新的上下文进行纠正。
- 提供示例： 若对输出有特殊要求，提供 Few-Shot（少样本）示例是极佳的方式。模型能很好地捕获示例中的模式，从而输出更优质的内容。
关于上下文长度： 现代大模型的上下文窗口通常在 4096 Token 以上，部分模型甚至支持数十万 Token。对于常规问题，输入字数溢出并非主要担忧，但需注意有效信息的密度。
三、掌握命令和特殊标记
尽管输入是自然语言，但底层仍是程序化机器，因此存在特殊的命令和标记来简化输入并提升效率。
1. 简洁的命令动词
使用清晰、无歧义的动词作为指令开头：
描述(Describe)拟定(Draft)写出(Write)规划(Plan)总结(Summarize)
2. 特殊标记符号
利用符号增强语义共识，类似数学物理符号的作用：
- 方括号：
[ ]用于强调关键词或变量。 - 引号：
"""或'''用于包裹长文本块，避免被误解析为指令。 - 井号：
###常用于标题或段落分隔。
四、理解专业领域知识
通用技巧适用于常规问题，但在专业领域（如代码生成、图像创作），仅靠通用技巧是不够的。需要结合领域知识，将抽象需求转化为专业术语。
