本節課你將學到

• 理解提示詞工程的核心原理
• 掌握5種實用的Prompt設計模式
• 學會優化提示詞的評估方法
• 實現一個智能問答系統優化案例

開始之前

環境要求

• Python 3.8+
• 安裝包：pip install openai tiktoken
• OpenAI API密鑰（免費注冊：https://platform.openai.com）

前置知識

• GPT模型基礎（第36講內容）
• 基本的API調用概念

核心概念

什么是提示詞工程？

提示詞工程就像與AI溝通的"魔法語言"：

• 傳統編程：寫精確的代碼指令
• Prompt工程：用自然語言"引導"AI產生預期輸出

Prompt設計的三層結構

1. **角色設定**（30%效果）"你是一位資深機器學習工程師"2. **任務描述**（50%效果）"用通俗易懂的方式解釋Transformer架構"3. **輸出規范**（20%效果）"分三點說明，每點不超過2句話，使用類比手法"

五大核心技巧（附案例對比）

技巧1：角色設定

# ? 普通提示
"解釋機器學習"# ? 角色設定提示
"""你是一位有10年經驗的AI教授，正在給大一新生上課。
用最通俗易懂的方式解釋機器學習，要求：
1. 使用生活類比
2. 不超過3句話
3. 最后提一個思考問題"""

技巧2：分步思考

# ? 直接提問
"巴黎是浪漫之都嗎？"# ? 分步推理
"""請按以下步驟分析：
1. 定義'浪漫之都'的標準
2. 列舉巴黎符合標準的證據
3. 給出最終結論"""

技巧3：示例示范

# ? 單純指令
"生成產品描述"# ? 示例引導
"""按以下格式生成耳機產品描述：
示例1：[產品] 采用[技術]，帶來[ benefit ]
示例2：...
現在為'無線降噪耳機'生成3個版本"""

技巧4：負面約束

# ? 開放生成
"寫一篇科技文章"# ? 負面約束
"""寫一篇關于AI的科普文章，要求：
- 不要使用專業術語
- 不超過300字
- 避免討論倫理問題"""

技巧5：格式控制

# ? 自由輸出
"總結這篇文章"# ? 格式限定
"""用以下結構總結：
【核心觀點】...
【關鍵數據】3條
【行動建議】..."""

代碼實戰

1. 基礎API調用

import openai
import tiktoken# 配置API密鑰
openai.api_key = "你的API密鑰"def count_tokens(text):"""計算文本的token數量"""encoder = tiktoken.get_encoding("cl100k_base")return len(encoder.encode(text))def ask_gpt(prompt, model="gpt-3.5-turbo"):"""發送Prompt到OpenAI API"""response = openai.ChatCompletion.create(model=model,messages=[{"role": "user", "content": prompt}],temperature=0.7,max_tokens=500)return response.choices[0].message.content# 測試調用
prompt = "用一句話解釋量子計算"
print(ask_gpt(prompt))

2. Prompt優化評估器

def evaluate_prompt(prompt, test_cases):"""評估Prompt效果的量化工具返回平均得分(1-5分)和改進建議"""total_score = 0feedback = []for case in test_cases:response = ask_gpt(prompt + "\n" + case["question"])score = min(5, case["expected"].lower().count(response.lower()))total_score += scorefeedback.append(f"Q: {case['question']}\nA: {response}\nScore: {score}/5")avg_score = total_score / len(test_cases)analysis = f"""評估結果：
平均分：{avg_score:.2f}/5
建議改進方向：
1. {'增加角色設定' if avg_score <3 else '?'}
2. {'添加示例' if '示例' not in prompt else '?'}
3. {'明確輸出格式' if '格式' not in prompt else '?'}"""return avg_score, analysis, "\n\n".join(feedback)# 測試案例
test_cases = [{"question": "解釋神經網絡", "expected": "神經網絡就像人腦神經元網絡..."},{"question": "Python的lambda是什么","expected": "lambda是匿名函數..."}
]# 評估示例Prompt
sample_prompt = "請回答以下技術問題"
score, analysis, details = evaluate_prompt(sample_prompt, test_cases)
print(f"評估報告：\n{analysis}\n\n詳細反饋：\n{details}")

3. 智能問答系統優化

class QASystem:def __init__(self, knowledge_base):self.knowledge = knowledge_baseself.prompt_template = """基于以下知識庫回答問題：
{knowledge}
---
問題：{question}
要求：
1. 如果答案在知識庫中，直接引用
2. 否則標注"推測答案"
3. 用中文回答
4. 不超過100字"""def answer(self, question):prompt = self.prompt_template.format(knowledge=self.knowledge,question=question)return ask_gpt(prompt)# 初始化知識庫
ai_knowledge = """
1. 機器學習分為監督學習、無監督學習、強化學習
2. GPT-3有1750億參數
3. 過擬合是指模型在訓練集表現太好但泛化能力差
"""qa = QASystem(ai_knowledge)# 測試問答
questions = ["什么是過擬合？","GPT-4有多少參數？"  # 知識庫中沒有的問題
]for q in questions:print(f"Q: {q}\nA: {qa.answer(q)}\n")

完整項目

項目結構

lesson_37_prompt/
├── prompt_engineer.py    # 主程序
├── evaluator.py         # 評估工具
├── qa_system.py         # 問答系統
├── requirements.txt
└── README.md

requirements.txt

openai==0.27.8
tiktoken==0.4.0
python-dotenv==1.0.0  # 用于管理API密鑰

prompt_engineer.py 完整代碼

import openai
import tiktoken
from dotenv import load_dotenv
import osload_dotenv()
openai.api_key = os.getenv("OPENAI_API_KEY")class PromptOptimizer:def __init__(self):self.encoder = tiktoken.get_encoding("cl100k_base")def analyze_prompt(self, prompt):"""深度分析Prompt問題"""analysis_prompt = f"""請分析以下Prompt的問題：
{prompt}
---
按以下格式反饋：
1. 清晰度評分(1-5分)：
2. 主要問題：
3. 改進建議："""return openai.ChatCompletion.create(model="gpt-4",messages=[{"role": "user", "content": analysis_prompt}],temperature=0).choices[0].message.contentdef optimize_prompt(self, prompt, iterations=3):"""迭代優化Prompt"""current_prompt = promptfor i in range(iterations):print(f"\n優化迭代 {i+1}/{iterations}")analysis = self.analyze_prompt(current_prompt)print(f"分析結果：\n{analysis}")optimization_prompt = f"""根據以下分析優化Prompt：
分析：
{analysis}
原Prompt：
{current_prompt}
---
請輸出：
1. 優化后的Prompt
2. 優化說明"""result = openai.ChatCompletion.create(model="gpt-4",messages=[{"role": "user", "content": optimization_prompt}],temperature=0.7).choices[0].message.contentcurrent_prompt = result.split("\n")[1]  # 提取優化后的Promptprint(f"優化版本：\n{current_prompt}")return current_promptif __name__ == "__main__":optimizer = PromptOptimizer()sample_prompt = "幫我寫一篇關于AI的文章"print("原始Prompt：", sample_prompt)optimized = optimizer.optimize_prompt(sample_prompt)print("\n最終優化結果：")print(optimized)

運行效果

優化過程示例

原始Prompt： 幫我寫一篇關于AI的文章優化迭代 1/3
分析結果：
1. 清晰度評分(1-5分)：2分
2. 主要問題：主題過于寬泛，缺乏具體方向和要求
3. 改進建議：明確文章類型、目標讀者、長度和核心要點優化版本：
請寫一篇面向科技愛好者的800字科普文章，介紹AI在醫療領域的三大應用，要求：
1. 每部分配示意圖描述
2. 包含實際案例
3. 使用通俗語言

問答系統輸出

Q: 什么是過擬合？
A: 過擬合是指模型在訓練集表現太好但泛化能力差的現象。Q: GPT-4有多少參數？
A: (推測答案)GPT-4的具體參數規模未公開，但預計比GPT-3的1750億更多。

常見問題

Q1: 如何減少API調用費用？

• 使用max_tokens限制響應長度
• 對相似問題做本地緩存
• 先用小模型(gpt-3.5-turbo)測試Prompt

Q2: 為什么有時響應不符合要求？

• 檢查temperature值是否過高（建議0.3-0.7）
• 確認Prompt中是否有明確的約束條件
• 嘗試用更高級模型(gpt-4)

Q3: 如何處理超長上下文？

• 用tiktoken計算token數
• 關鍵信息放在Prompt開頭
• 對長文檔采用"分塊處理+摘要"策略

課后練習

• 為你的專業領域設計3個角色Prompt模板
• 用評估器測試"解釋區塊鏈"的5種不同Prompt
• 擴展問答系統：添加追問功能

擴展閱讀

• OpenAI官方Prompt指南
• Prompt Engineering課程
• AI提示詞大全