## 大语言模型提示词 入门、程序员必看内容、本篇文章会从一个程序角度带你快速入门基本的提示词工程 www.lksr.net {alertInfo}
本文由人工编写审核，非AI生成内容，请放心观看！
{getToc} $title={文章目录}
## 前提 为什么 ？
为什么要学习提示词工程这个东西呢？很简单，他可以帮助程序员工程师，更好的使用大语言模型、有研究表明：GPT-03 在优化提示词的情况在，往往会得到比 GPT- 04 更好的结果。
## 什么是提示词工程
 |
| Prompt |
提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。
研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。
## 实际使用 - 以文本生成文本为例子
### 构建清晰明确的 Prompt
无论什么情况在，把自己的需求表述明白，是使用大模型最最基础的Prompt 工程能力
### Prompt 框架规范化您的 Prompt
任何情况用户提出一个需求，Prompt 应该尽量遵循Prompt 输出框架，来保证输入需求的清晰规范！
- 背景：介绍与任务紧密相关的背景信息。这一环节有助于LLM深入理解讨论的具体环境，从而保证其生成内容与话题高度相关。
- 目的：明确指出您期望LLM完成的具体任务。通过设定清晰、精确的目标指令，可引导LLM聚焦于实现既定任务，提升输出的有效性。
- 风格：指定您希望 LLM 输出的写作风格，可以是某个具体名人、具体流派或者某类专家的写作风格。
- 语气：定义输出内容应有的语气，比如正式、诙谐、温馨、关怀等，以便适应不同的使用场景和使用目的。
- 受众：明确指出内容面向的读者群体，无论是专业人士、入门学习者还是儿童等，这样LLM就能调整语言和内容深度，使之更加贴合受众需求。
- 输出：规定输出内容的具体形式，确保LLM提供的成果能直接满足后续应用的需求，比如列表、JSON数据格式、专业分析报告等形式。
### 例子：
非规范Prompt
我想推广公司的新产品。我的公司名为阿里云百炼，新产品名为 Zephyr Z9，是一款轻薄便携的手机。帮我创建一条微博帖子，简洁而深具影响力。VS 规范提示词
#背景#我想为公司的新产品做广告。我公司的名字叫阿里云百炼，产品叫阿里云百炼 Zephyr Z9，是一款轻薄便携的手机。
#目的#
为我创建一个微博帖子（限制：500字），旨在让人们有兴趣点击产品链接购买。
#风格#
遵循黑米等成功公司为类似产品做广告的写作风格。
#语气#
有说服力
#受众#
我公司在微博上的受众通常是年轻一辈人。定制你的帖子，保证喜欢数码产品的人能快速关注到你的帖子。
#输出#
微博上的帖子，简洁而有影响力。
#目的#
为我创建一个微博帖子（限制：500字），旨在让人们有兴趣点击产品链接购买。
#风格#
遵循黑米等成功公司为类似产品做广告的写作风格。
#语气#
有说服力
#受众#
我公司在微博上的受众通常是年轻一辈人。定制你的帖子，保证喜欢数码产品的人能快速关注到你的帖子。
#输出#
微博上的帖子，简洁而有影响力。
### 优化提示词
技巧一：为模型提供输出样例
简单来说，就是自己给个输出实际示例
技巧二：设定完成任务的步骤
技巧三：使用分隔符号区分单元
技巧四：引导模型“思考”
也就是常说的：任务详细拆分，大模型无法思考极度复杂任务，使用者利用Prompt 人为拆分，帮助大模型完成！
对于逻辑推理和语境学习的复杂任务来说，简单的 Prompt 技巧可能无法满足任务需求。但您可以通过引导模型生成推理过程或帮助模型拆解复杂任务并逐步推理的方式，让模型在生成推理结果前生成更多的推理依据，从而提升模型在复杂问题上的表现。
- 思维链（Chain of Thought，COT）
- 思维树（Tree of Thoughts, ToT)、Boosting of Thoughts
## https://help.aliyun.com/zh/model-studio/prompt-engineering-guide
对于逻辑推理和语境学习的复杂任务来说，简单的 Prompt 技巧可能无法满足任务需求。但您可以通过引导模型生成推理过程或帮助模型拆解复杂任务并逐步推理的方式，让模型在生成推理结果前生成更多的推理依据，从而提升模型在复杂问题上的表现。
- 思维链（Chain of Thought，COT）
- 提示链（Prompt Chaining）
- 思维树（Tree of Thoughts, ToT)、
- 思维树（Tree of Thoughts, ToT)、
Boosting of Thoughts
Chain of Thought 本质上是把模型的“隐式推理”外显化，让复杂任务分解为可理解的步骤。对于编程、数学、逻辑推理类任务尤其有效。
提示链（Prompt Chaining）就是用户一步一步引导大模型来完成任务！
更多的情况是使用不到，所有很少有人提及！这里暂时按下不表！
## Prompt 测试与迭代
 |
此外，值得注意的是，除了精心设计的 prompt 外，用户提供的反馈和修正也是获取模型最佳输出的关键因素之一。即使在 prompt 优化完成后，持续地在线上环境中接收反馈并作出相应调整，才能使模型更好地理解和满足用户需求。
## 本文内容：
## 直接使用模板
###提示词模板
背景：（在这里补充与任务相关的背景信息，帮助模型理解上下文）目的：（清晰描述你希望模型完成的具体目标或任务）风格：（指定写作风格，可以是某个专家、学派、名人，或某类专业风格）语气：（设定整体语气，比如正式、轻松、诙谐、学术化、关怀等）受众：（说明目标读者群体，例如：专业研究员、初学者、普通大众、儿童）输出：（定义内容的最终交付形式，比如：要点列表、分析报告、代码片段、表格、JSON数据格式等）{codebox}
### 写作模板
背景：
我正在写一篇关于人工智能伦理的科普文章，内容会发布在微信公众号，读者大多是非专业人士。
目的：
请帮我生成一篇简洁易懂的文章，解释人工智能在隐私、算法偏见和社会影响方面的核心问题。
风格：
采用《经济学人》的风格，逻辑清晰，兼具严谨与可读性。
语气：
中立而理性，避免过度渲染，但要保持一定的亲和力。
受众：
普通大众，对AI有兴趣，但专业知识有限。
输出：
一篇 800 字以内的文章，结构分为引言、三个核心问题、结论。{codebox}
### 编程模板
背景：
我正在开发一个 Flutter 应用，需要使用平台通道调用原生 Android 功能。
目的：
请帮我写一段 Flutter 端与 Android 原生端交互的示例代码，包括获取已安装应用列表。
风格：
代码应遵循 Flutter 官方文档推荐的最佳实践，结构清晰。
语气：
技术化、简洁，不做无谓解释。
受众：
有一定开发经验的工程师。
输出：
完整的代码示例，包含 Flutter 端和 Android 原生端（Kotlin）部分。{codebox}
## 提示词使用技巧
- 让 AI 根据 模板生成你需要的内容的提示词：
- 然后重新打开新窗口，输入得到的提示词
- 这样可以节省大量个人输入！
 |
| 获取提示词Prompt |
 |
| 提示词 |
## 进阶地址
## https://www.promptingguide.ai/zh## https://help.aliyun.com/zh/model-studio/prompt-engineering-guide
版权声明：感谢您的阅读，资源整理自网络，如果您发现任何侵权行为，请联系 理科生网 管理人员，管理员将及时删除侵权内容。否则均为 理科生网 原创内容，转载时请务必以超链接(而非纯文本链接)标注来源于理科生网及本文完整链接，感谢！{alertInfo}