• 學習材料：https://www.hiascend.com/developer/courses/detail/1935520434893606913 （3.5）
• 學習時長： 預計 60 分鐘
• 學習目的：
  • 了解提示工程的定義與作用
  • 熟悉提示工程的關鍵技術相關概念
  • 掌握基于昇騰適配的大模型提示工程的入門及進階指南

核心公式

好提示詞 = 立角色 + 述問題 + 定目標 + 補要求

• 立角色
  明確提示詞中的角色定位。
  示例：你現在是專業的學習與發展架構師。

• 述問題
  清晰描述需要解決的問題或任務。
  示例：我想開發【大模型掃盲培訓】，請幫忙輸出一個培訓大綱。

• 定目標
  明確任務的目標和要求。
  示例：培訓時長為 0.5 天，輸出內容包括每個模塊的培訓內容、教學設計和模塊時長。

• 補要求
  補充額外的具體需求或細節。
  示例：我想寫一個大模型的培訓材料，能否給我做一個提綱？

先看一個對比示例：

• badcase：

我想寫一個大模型的培訓材料。能否給我做一個提綱？

結果參考： chat.qwen.ai/s/604ebf5d-cd35-476c-abe4-9cb2c88c944e?fev=0.0.170

• goodcase:

你現在是專業的學習與發展架構師，我想開發【大模型掃盲培訓】，培訓時長為 0.5 天，輸出內容包括每個模塊的培訓內容、教學設計和模塊時長。

結果參考：chat.qwen.ai/s/b3887cd7-ab5e-4212-9385-20ea0e816b97?fev=0.0.170

• 專業 Prompt 更加具體、明確，包含角色定位、問題描述、目標設定和補充要求，有助于生成更高質量的回答。
• 非專業 Prompt 較為模糊，缺乏具體細節，可能導致回答不夠精準或全面。

如何立角色？

核心思想： 立角色，安上一個專家頭銜

讓AI扮演角色，你想讓它扮演一個什么樣的角色，它便以該角色去了解上下文信息和意圖，并通過定義的角色角度去思考問題與給出答案。

根據我們的實際任務，可以使用對應的示例角色，如：

• XX內容運營專家
• 廚師
• CEO
• XX程序員
• AI專家
• 化學課老師

示例：

你現在是一名小紅書內容運營，經常科普一些最新的大模型相關前沿技術。請根據該平臺的寫作風格，寫一篇大模型 DeepSeek 使用感想，語言活潑，排版參考該平臺風格，字數200字左右。

結果參考：chat.qwen.ai/s/2009632f-c0c6-4425-b602-45f5c20a14cd?fev=0.0.170

如何述問題？

核心思想： 告訴AI你的問題、背景和實際情況

告訴AI要解決的具體問題、要完成的任務或者背景信息，這有助于大模型能夠更好地了解用戶所在的上下文環境，尤其是涉及特定領域知識或目標受眾時。直觀感受問題的描述，一目了然。

basecase：

問題：我需要一份適合健身的健康飲食計劃。

結果參考： chat.qwen.ai/s/7395792e-f88b-4822-8108-1d09bb483bfa?fev=0.0.170

goodcase:

問題：請為我設計一份為期一周的健康飲食計劃。
背景信息：
- 目標：增肌和減脂相結合。
- 飲食偏好：喜歡高蛋白食物，不喜歡吃海鮮。
- 過敏信息：對堅果過敏。
- 每日熱量需求：約2000卡路里。
- 飲食時間：早餐、午餐、晚餐和兩頓加餐。

結果參考： chat.qwen.ai/s/9df410fc-37e2-4751-93f0-9a4aa9b93bcc?fev=0.0.170

總體來看，詳細描述問題可以使問題更加清晰，便于AI理解和解答。

如何定目標？

核心思想：定目標，告訴它你希望它為你做什么

讓AI明確希望達到的目標或預期效果，讓大模型理解意圖與目標，從而生成更符合預期和目的的文本。

badcase：

問題：我需要優化我的代碼性能

結果參考：chat.qwen.ai/s/a444879d-adc9-4af7-850b-8e47685ca8b2?fev=0.0.170

goodcase：

問題：我正在使用Python編寫一個圖像處理算法，運行時間過長（10分鐘）。請推薦一些具體的技術或庫，以減少運行時間至5分鐘以內。

結果參考：chat.qwen.ai/s/449564a7-8c3a-49b2-87c6-03313a547832?fev=0.0.170

總的來看：

• 明確目標：需要告訴AI你的具體需求和期望結果。目標越明確，AI生成的內容越符合預期。
• 對比示例：
  badcase：僅提出“優化代碼性能”，目標不夠具體。
  goodcase：詳細說明了使用Python編寫圖像處理算法、當前運行時間為10分鐘、期望將運行時間縮短至5分鐘以內，并請求具體的解決方案（技術或庫）。
  通過對比可以看出，目標更加具體越能夠幫助AI更好地理解需求并提供更有針對性的建議。

如何補要求？

核心思想：有什么需要它特別注意的。

明確告訴AI模型需要特別注意的事項，確保其回答符合預期。告訴AI你的需求與補充說明，包括語言要求、字數要求、樣式需求等。

badcase：

請幫我寫一篇關于環保的小短文。

結果參考：chat.qwen.ai/s/532d6fa6-7821-48c1-bb44-2374816571e1?fev=0.0.170

goodcase：

請幫我寫一篇關于環保的小短文。
標題：《環保小衛士：從我做起》
字數要求：300字以內
輸出格式：段落形式，開頭有引言，結尾有總結
內容要求：重點介紹環保的重要性，至少提到兩種具體環保行為（如垃圾分類、節約用水）
風格要求：語言生動有趣，避免使用過于復雜的詞匯

結果參考：chat.qwen.ai/s/f967f14e-c3d0-4120-a694-0ce65d92c305?fev=0.0.170

補要求常用技巧

序號	常用技巧	內容
1	分隔符	使用分隔符（如“”，<>，:，等）讓AI明確理解區域。
2	結構化	尋求結構化的輸出（如JSON、HTML等）。
3	預設條件	要求模型檢查條件是否滿足，如果不滿足則停止執行后續流程。
4	少量示例	在任務前提供少量成功執行任務的示例，幫助模型學習意圖。
5	引導思考	明確任務的中間步驟或要求模型綜合考慮各種因素。

補要求技巧1：分隔符

• 作用：通過分隔符讓AI明確理解區域。
• 常用分隔符：
  • 雙引號 "
  • 尖括號 < >
  • 方括號 [ ]
  • 冒號 :
  • 混合使用多種分隔符

分隔符使用示例：

提供句子“天高云淡”的同義表達。

將 <名字> 替換成 John 后翻譯成法語：“你好，<名字>！”

請描述 [巴黎/倫敦] 的地標。

將下面這句話翻譯成法語：Je m'appelle Marie.

請為我創建一份關于 {行業} 的市場分析報告。報告應包含：
- 市場規模和增長趨勢
- 主要競爭對手列表及其市場份額
- 目標客戶群體分析
- 額外內容}
輸出格式：[PDF/Word/HTML]
附加要求：<需要數據可視化>

結果參考：chat.qwen.ai/s/a81ef841-babd-45ac-b818-8ee47c1020ef?fev=0.0.170

補要求技巧2：示例

• 作用：給AI提供少量示例，幫助模型學習提示詞的意圖，給出更好的輸出結果。
• 分類：
  • Zero-Shot：無樣例
  • One-Shot/Few-Shot：有樣例

舉個例子：學習分類任務（經典 Few-Shot 場景）

任務：判斷情緒是正面、負面還是中性

Zero-Shot：
判斷這句話的情緒：“這電影太爛了，浪費時間。”
→ 模型可能回答：“負面” ?（但不穩定）

Few-Shot 版本：
請判斷下列語句的情緒，只能回答“正面”、“負面”或“中性”：

示例1：
輸入：“這個蛋糕真好吃！”
輸出：正面

示例2：
輸入：“我不喜歡這個顏色。”
輸出：負面

示例3：
輸入：“今天是星期三。”
輸出：中性

現在請判斷：
輸入：“這電影太爛了，浪費時間。”
輸出：

預期輸出： 負面

結果參考：chat.qwen.ai/s/5551db26-8429-4b01-9a80-6f938813dbc6?fev=0.0.170

補要求技巧3：引導思考

• 作用：在設計Prompt時，引導模型進行逐步思考，尤其是對于復雜任務。
• 常用表達方式：
  1. 引導逐步思考：
     • 讓我們一步步思考……
     • 請分步驟解釋……
     • 逐步分析……
  2. 引導檢查和驗證：
     • 檢查一下結果……
     • 驗證一下你的答案……
     • 確保結果的準確性……
  3. 引導邏輯推理：
     • 從已知信息出發……
     • 根據這些條件……
     • 結合這些信息……
  4. 引導詳細解釋：
     • 詳細解釋每一步……
     • 展示你的推理過程……逐步展示你的思考……
  5. 引導自我反思：
     • 反思你的推理過程……
     • 思考你的方法是否最優……
     • 確保你的步驟完整……
  6. 引導多角度思考：
     • 從不同角度思考……
     • 考慮所有可能性……
     • 分析不同場景……

---

🌟 示例1：數學推理（引導逐步思考）

提示詞：
一個班級有30名學生，其中60%是女生。后來又轉來了5名男生。現在男生占全班人數的百分比是多少？
請一步步思考這個問題，并展示你的計算過程。

預期輸出結構：

1. 原班級女生人數：30 × 60% = 18人
2. 原班級男生人數：30 - 18 = 12人
3. 轉來5名男生后，男生總數：12 + 5 = 17人
4. 全班總人數變為：30 + 5 = 35人
5. 男生占比：17 ÷ 35 ≈ 48.57%
   答：現在男生約占全班的48.57%

? 作用：避免跳躍式計算，確保每一步都正確。

---

🌟 示例2：邏輯判斷（引導檢查和驗證）

提示詞：
小明說：“如果明天下雨，我就不去公園。” 結果第二天小明沒去公園。
能否推出“昨天下雨了”？請分步驟分析，并在最后驗證你的結論是否合理。

預期輸出結構：

1. 條件語句：“如果下雨 → 不去公園” 是一個單向條件，不能反推。
2. 實際情況：小明沒去公園，但可能因為其他原因（如生病）。
3. 逆否命題成立：“如果去公園 → 沒下雨”，但原命題不支持逆推。
4. 驗證：舉反例——假設沒下雨，但小明因病不去公園，也滿足條件。
   結論：不能推出昨天下雨了。

? 作用：防止“肯定后件”的邏輯謬誤，訓練嚴謹推理。

---

🌟 示例3：寫作任務（引導結構化表達）

提示詞：
請寫一篇關于“手機對青少年的影響”的議論文提綱。
要求：先列出正反兩方面的觀點，再選擇一個立場，最后構建三個論點并配論據。請逐步展示你的思考過程。

預期輸出結構：

1. 正面影響：獲取知識、溝通便利、學習工具
2. 負面影響：沉迷游戲、影響視力、社交減少
3. 我的立場：應合理使用，而非禁止
4. 論點1：手機是學習工具 → 可查資料、上網課
   論據：疫情期間在線教育依賴手機
5. 論點2：關鍵在于家長引導 → 設定使用時間
   論據：研究顯示有規則家庭的孩子更自律
6. 論點3：完全禁止反而激發逆反心理
   論據：心理學中的“禁果效應”

? 作用：引導從發散思維到聚焦表達，提升寫作邏輯。

---

🌟 示例4：多角度分析（引導多角度思考）

提示詞：
是否應該在學校禁止學生帶手機？請從學生、老師、家長、社會四個角度分別分析，最后給出綜合建議。

預期輸出結構：

• 學生角度：方便聯系家長，但也易分心
• 老師角度：課堂紀律難管理，影響教學效率
• 家長角度：擔心安全，但也怕孩子沉迷
• 社會角度：數字素養需培養，不能一刀切
  綜合建議：不完全禁止，而是制定使用規范，如上課關機、設置“無手機時段”

? 作用：避免片面判斷，培養系統性思維。

---

🌟 示例5：自我反思（引導自我檢查）

提示詞：
請解方程：2(x + 3) = 10，并展示完整步驟。
解完后，請檢查每一步是否正確，并說明如何驗證最終答案。

預期輸出：

1. 展開：2x + 6 = 10
2. 移項：2x = 10 - 6 = 4
3. 解得：x = 2
4. 檢查：代入原方程 → 2(2 + 3) = 2×5 = 10 ?
5. 驗證：每一步符合等式性質，無計算錯誤
   結論：x = 2 是正確解

? 作用：培養“做完題要檢查”的習慣，提升準確性。

---

🌟 示例6：復雜決策（引導綜合考慮）

提示詞：
某城市交通擁堵嚴重，政府考慮兩種方案：A. 建地鐵；B. 提高停車費。
請從成本、實施難度、長期效果、公眾接受度四個維度分析，并推薦一個方案。請逐步推理。

預期輸出結構：

1. 成本：地鐵建設成本高，停車費調整成本低
2. 實施難度：地鐵周期長，停車費政策易推行
3. 長期效果：地鐵緩解更徹底，停車費效果有限
4. 公眾接受度：提高停車費易引發不滿，地鐵受歡迎但需等待
5. 綜合建議：短期提高停車費+鼓勵公交，長期規劃地鐵

? 作用：模擬真實決策過程，提升綜合分析能力。

以上6個示例參考：chat.qwen.ai/s/84477bfc-a928-4d56-a53f-6bfc5c23b50c?fev=0.0.170

總結

• 補要求的核心：明確告知AI模型需求，包括格式、內容、風格等。
• 常用技巧：
  1. 分隔符：通過符號明確區域。
  2. 結構化：要求結構化輸出。
  3. 預設條件：設置條件檢查。
  4. 少量示例：提供示例幫助模型學習。
  5. 引導思考：通過引導語句幫助模型逐步思考和推理。