Prompt 提示词编写指南：如何发挥大语言模型最大潜力
引言
提示工程（Prompt Engineering）是一门相对较新的学科，旨在开发和优化提示（Prompts），以便高效地利用语言模型（LM）进行各种应用和研究。掌握提示工程技能有助于更深入地理解大型语言模型（LLM）的能力边界与限制。研究人员利用提示工程改善 LLM 在问答、算术推理等任务上的表现；开发人员则设计能与 LLM 及其他工具接口交互的强大提示技术。
本文主要介绍标准提示的基础知识，提供指导如何使用提示与大语言模型进行交互的完整框架，涵盖从基础组件到高级技巧的实战内容。
提示的组成要素
一个有效的提示通常包含以下核心组成部分，并非所有部分在所有场景下都是必需的，具体取决于任务类型：
- 指令 (Instruction)：明确告诉模型需要执行的具体任务或操作，例如'总结'、'翻译'、'生成代码'。
- 上下文 (Context)：提供外部信息或背景资料，帮助模型更好地理解任务环境，减少歧义。
- 输入数据 (Input Data)：模型需要处理的具体内容，即问题、文本片段或待分析的数据。
- 输出指示 (Output Indicator)：定义期望输出的类型、格式或风格，如 JSON、Markdown 表格或特定长度。
合理组织这些要素能显著提升模型的响应质量。建议将指令放在提示的最开头，并使用清晰的分隔符（如 ### 或 ---）区分不同部分。
提示词的通用设计技巧
1. 明确的指令
使用动词明确的指令来引导模型。常见的指令包括'写入'、'分类'、'总结'、'翻译'、'排序'、'提取'等。尝试不同的指令组合、关键词和上下文，找到最适合特定用例的方案。指令越具体，效果通常越好。
示例：
### 指令 ###
将下面的文本翻译成西班牙语：
文本：'嗨！'
输出：
Texto: "¡Hola!"
2. 具体性与约束
输入的指示和任务要求应非常具体。提示越详细，结果往往越准确，特别是在要求模型以特定格式或风格返回内容时。但需注意，详细并不意味着冗长，应避免无关细节，因为模型有输入长度限制。
示例：信息提取
提取以下文本中的人物信息。
期望格式：
人物：{"姓名":"","性别":""}
输入：
姚明（Yao Ming），男，汉族，无党派人士，1980 年 9 月 12 日出生于上海市徐汇区，祖籍江苏省苏州市，前中国职业篮球运动员，司职中锋，现任亚洲篮球联合会主席、中国篮球协会主席、中职联公司董事长兼总经理、十三届全国青联副主席，改革先锋奖章获得者，第十四届全国人大代表。
输出：
人物：{"姓名"
