Prompt 提示工程的基础原理与实践方法。首先阐述了 Prompt 工程的概念，即通过精细调整 AI 输入以获得符合需求的输出。接着分析了 Prompt 的主要类型，包括问题式、陈述式、指令式及情感传入式，并探讨了 Prompt 工程师的职责与所需技能。文章重点讲解了零样本、少样本、思维链、模板式等核心提示技术，并提供了具体示例。此外，还总结了进阶技巧如明确性、迭代优化及避免幻觉的方法，并规划了从初阶应用到商业闭环的四阶段学习路径，旨在帮助读者系统掌握大模型应用技能。
想象一下，你在装饰房间。你可以选择一套标准的家具，这是快捷且方便的方式，但可能无法完全符合你的个人风格或需求。另一方面，你也可以选择定制家具，选择特定的颜色、材料和设计，以确保每件家具都符合你的喜好和空间要求。
这就是 Prompt 工程的概念。就像你通过选择不同的设计元素来定制家具一样，Prompt 工程涉及对 AI 的输入进行精细调整，以获得更加贴合需求的结果。通过改变、添加或精确化输入的提示，你可以引导 AI 产生更符合特定要求或风格的输出，就像为房间挑选和定制合适的家具一样。
很多人对语言大模型的认知和理解局限于智能回答层面，将它定位为取代搜索平台的智能应答机器人。但是随着更多大模型在各个领域应用的逐渐渗入，更多企业业务落地场景也在不断挖掘，人们会逐渐意识到大模型的能力远不止仅仅的问答作用。如果我们想要开始正式深入学习大模型的应用，迈开的第一步就会了解到 Prompt 提示工程，本系列文章将 Prompt 提示工程从简入深全面讲解以及实际落地运用，赋能不限于直媒体运营、AIGC 文案生成，以及语音视频合成方面的运用。
在 AI 语境中，"Prompt"通常指的是向模型提出的一个请求或问题，这个请求或问题的形式和内容会影响模型的输出。例如：在一个文本生成模型中，提示可以是一个问题、一个话题或者是一段描述，模型根据这个提示生成相应的文本。Prompt 工程是指人们向生成性人工智能（AI）服务输入提示以生成文本或图像的过程中，对这些提示进行精炼的过程。任何人都可以使用像 GPT-3.5、DALL-E 这样的生成器，通过自然语言来进行操作。这也是 AI 工程师在使用特定或推荐提示对大型语言模型（LLMs）进行精炼时使用的技术。
例如，如果你在使用大模型来头脑风暴你的简历的专业概述时，你可能会写下这样的命令：'为市场分析师编写一个样本专业概述。'对于大模型的回答，你可能会给出像'太正式'或'缩短到不超过 100 个词'这样的反馈。而 Prompt 工程就是不断整理优化每一次的提示词，让 LLM 能够做出最符合我们需要的效果回答。在某些情况下，调整提示可能是提高模型输出质量的唯一途径，特别是在使用那些不允许直接修改内部机制的预训练模型时。
我们再来看看 ChatGPT 的 Prompt 工程师给的例子：
For text models like ChatGPT:
For image models like DALL-E:
文本模型 ChatGPT 和 DALL-E 例子都差不多，以文本模型 ChatGPT 为例子，提出的提示词有四句：
第一句为提出问题，专业和执行总结，引出两个具体目标； 第二句指明场景情景和具体服务对象。 第三句对生成内容提出要求。 第四句加入情感内容到生成文本中。
这里我们要知道，因为生成人工智能是一个根据人类和机器产生的数据训练的机器人，它不具备筛选你正在交流的内容以理解你实际在说什么的能力。也就是说你说的就是你得到的。当将查询输入到 AI 生成器中时，最好使用特定的、简单的语言进行查询，并且没有不必要的填充符。例如，您可以查询'为学术研究提案编写大纲，包括标题、摘要和下一步行动'，而不是'编写包含标题和下一步骤的大纲'。所以构建 Prompt 工程也有一些技巧和原则，简单可以归结为以下几种类型：
问题式 Prompt 通过提出问题来引导模型生成答案。这类 Prompt 最直接、最简单，适用于需要获取具体信息的场景。就像第一个例子给出的 What's the difference between a professional summary and an executive summary?
陈述式 Prompt 通过描述一个场景或状态来引导模型生成相关内容。这类 Prompt 更注重模型的创造性和表现力，适用于需要模型产生描述、故事或观点等内容的场景。比如为一位正在寻找营销经理工作的营销分析师写一篇专业摘要，Write a professional summary for a marketing analyst looking for a marketing manager job.
指令式 Prompt 通过给出明确的指令来引导模型完成特定任务。这类 Prompt 要求模型具有较强的执行能力，适用于需要模型进行翻译、纠错、编程等任务的场景。比如现在把它缩减到不到 60 个单词，Now trim it down to less than 60 words.
在特点的条件下我们可以会需要生成一些带有强烈情感的文本内容，带有主观意识的思想去批判或者是抨击，而如果我们想要生成一些此类内容就需要让语言模型知道我们所处的环境以及主观情感色彩。不提供 Prompt 情感词，AI 回答的永远是中性感情的内容生成。
当然，以上对于 Prompt 工程来说仅仅是浅显分类，真正要做好针对特点场景的分类还得让 Prompt 工程师对症下药。参考微软举垂直 Prompt 复杂度举例，帮助我们更好认识到 Prompt 工程：
| Instruction Type | Prompt | Completion |
|---|---|---|
| Simple instructions | Write an introduction for a weekly newsletter. | Welcome to our weekly newsletter. This week we have a special focus on productivity. We'll be sharing tips and tricks on how to be productive in all areas of your life. We hope you enjoy and please share with your friends! |
| Complex instructions | Write an introduction for a weekly newsletter to my company named Contoso. It should mention the great all hands meeting we had last week and thank the team for all their hard work over the tough past few months. | Welcome to Contoso's weekly newsletter! We had a great all hands meeting last week and I want to thank the team for all their hard work over the tough past few months. We're looking forward to a bright future and I'm confident that with our team's dedication and commitment, we will achieve great things. Thank you for being a part of our team and I look forward to working with you all in the coming weeks and months. Sincerely, Your name. |
| Complex Instructions | Write an introduction for a weekly newsletter, including the following: - My company is named contoso - An exuberant greeting - Thanking the team for their hard work over a couple tough months - Positive outlook for the coming quarter - Signed by the SLT | Hello Contoso team! I wanted to take a moment to thank you for all your hard work over the past few months. It's been a tough couple of months, but you've all pulled together and done an amazing job. I'm really proud of you all. Looking ahead to the next quarter, I'm feeling really positive. I think we're going to achieve some great things. Thanks again, The Senior Leadership Team. |
Prompt 工程师的主要工作是设计、优化和精炼用于生成性人工智能系统的提示（prompts）。这些提示是指导 AI 系统生成特定输出的文本输入，例如文本、图像或代码。Prompt 工程师的角色在不同的 AI 应用领域中可能有所不同，主要是根据对于的业务场景来构建特征提示词。Prompt 工程师对于人工智能工程师创造更好的服务很重要，比如处理客户服务任务或生成合法合同的聊天机器人。确保像大模型这样的生成性人工智能服务能够提供输出，需要工程师构建代码，并根据广泛准确的数据对人工智能进行培训。
在数据驱动的大世界里，我们已经到了一个地步，训练人工智能模型可以帮助更高效地提供解决方案，而无需手动对大量数据进行排序。适当的 Prompt 工程师还可以识别和减轻注入攻击（恶意入侵 ChatGPT 或聊天机器人背后的逻辑），以确保公司提供一致和准确的服务。
Coursera 对 Prompt 工程师的要求有：
Prompt engineers need to be skilled in the fundamentals of natural language processing(NLP), including libraries and frameworks, Python programming language, generative AI models, and contribute to open-source projects.
Prompt 工程师需要熟练掌握（NLP）的基础知识，包括库和框架、Python 编程语言、生成人工智能模型，并为开源项目做出贡献。成功的提示往往依赖于'一次性'或'少量'学习的实践。这是指通常通过包括输入和输出对来包括模型的期望行为的一个或多个示例。这不是在模型被永久改变的意义上的学习，而是在示例更好地调节模型，使其仅对当前推理做出所需的响应。使用没有示例的提示有时被称为'零样本'学习。使用 Chat Completion API，通常会在初始系统消息之后以示例用户/助手交互的形式向消息阵列中添加少量的热学习示例：
| Learning Type | Prompt | Completion |
|---|---|---|
| Zero-shot | Headline: Coach confident injury won't derail Warriors Topic: | The coach is confident that the injury won't derail the Warriors' season. The team is still focused on their goals and that they will continue to work hard to achieve them. |
| Few-shot | Headline: Twins' Correa to use opt-out, test free agency Topic: Baseball Headline: Qatar World Cup to have zones for sobering up Topic: Soccer Headline: Yates: Fantasy football intel for Week 6 Topic: Football Headline: Coach confident injury won't derail Warriors Topic: | Basketball |
Prompt 工程师一般会根据其目的和设计方式将 Prompt 分为几个主要类别：
零样本（Zero-shot）Prompting：
单样本（One-shot）或少样本（Few-shot）Prompting：
链式（Chain-of-thought）Prompting：
模板式（Template-based）Prompting：
对话式（Conversational）Prompting：
任务特定（Task-specific）Prompting：
这里仅展开一个具体 Prompting 给大家演示，并不展开所有形式，后续文章将会详细讲解，以模板式（Template-based）Prompting 为例：
任务：对给定的文本段落进行情感分析，判断它是正面的、负面的还是中性的。
模板式 Prompt：
在这个例子中，模板由两部分组成：
使用模板式 Prompt 的一个具体例子可能是：
为了进一步提升 Prompt 工程的效果，除了掌握基础分类外，还需要关注以下进阶技巧：
大模型虽然强大，但对模糊指令的理解能力有限。提供充足的上下文信息至关重要。例如，不要只说'写一篇文章'，而应说明'为科技博客撰写一篇关于量子计算入门的文章，受众为非技术人员，字数约 800 字'。
Prompt 工程很少能一次成功。通常需要多次迭代。记录每次尝试的 Prompt 和对应的 Output，分析差异，逐步微调关键词、语气或格式要求。
对于复杂的逻辑推理任务，引导模型分步思考能显著提高准确率。可以在 Prompt 中加入'让我们一步步思考'（Let's think step by step）的指令。
# 示例：Python 代码生成中的思维链
prompt = """
请编写一个 Python 函数，用于计算斐波那契数列的第 n 项。
请先解释算法思路，再提供代码实现。
"""
可以通过要求模型引用来源、限制回答范围或在 Prompt 中声明'如果不知道请回答不知道'来减少模型幻觉。
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：'最先掌握 AI 的人，将会比较晚掌握 AI 的人有竞争优势'。这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
建议的学习路径如下：
该阶段让大家对大模型 AI 有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
恭喜你，如果学到这里，你基本可以找到一份大模型 AI 相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。如果你能在 15 天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
Prompt 工程是连接人类意图与人工智能能力的桥梁。掌握这一技能不仅有助于提升工作效率，更是未来数字化生存的核心竞争力之一。通过持续练习、深入理解模型原理并结合实际业务场景，你将能够充分发挥大模型的潜力，创造出令人惊叹的应用。希望本文能为你的大模型之旅提供一个坚实的起点。
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
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
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，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