Prompt（提示詞）是什么？
Prompt 是用戶輸入給AI模型（如ChatGPT、GPT-4等）的指令或問題，用于引導模型生成符合預期的回答。它的質量直接影響AI的輸出效果。
Prompt 的核心技巧
1. 明確目標（Clarity）
- 模糊Prompt：
? “寫一篇關于健康的文章”
問題：范圍太廣，AI可能生成籠統內容。 - 清晰Prompt：
? “寫一篇800字的科普文章，介紹地中海飲食對心臟健康的益處，面向中老年人，語言通俗易懂”
技巧：
- 包含 5W1H（Who, What, When, Where, Why, How）
- 指定 格式（如列表、表格、代碼、Markdown）
2. 提供上下文（Context）
- 缺乏上下文：
? “總結這篇文章”
問題：AI不知道是哪篇文章。 - 優化后：
? “請用中文總結以下關于量子計算的英文文章，列出3個關鍵點：[粘貼文章內容]”
技巧：
- 對于復雜任務，先提供背景信息。
- 示例：
你是一位經驗豐富的Python工程師，請用代碼示例解釋裝飾器（Decorator）的用法，要求包含@語法和實際應用場景。
3. 分步引導（Step-by-Step）
- 單步Prompt：
? “寫一個電商網站的后端代碼”
問題：任務太復雜，AI可能遺漏細節。 - 分步Prompt：
? "分步驟設計一個電商網站的后端：- 列出需要的API端點（如/users, /products）
- 用Python Flask框架編寫/products的GET和POST接口代碼
- 添加JWT身份驗證邏輯"
技巧：
- 使用 “Think step by step”（逐步思考）提升邏輯性。
- 示例：
請逐步解釋如何用PyTorch訓練一個MNIST手寫數字分類模型，包括數據加載、模型定義、訓練循環和評估。
4. 角色扮演（Role Prompting）
通過賦予AI特定角色，提高回答的專業性：
- 普通Prompt：
? “如何學習機器學習？” - 角色Prompt：
? “假設你是一位資深的機器學習教授，為本科生設計一份為期3個月的學習計劃，包含每周的閱讀材料和實踐項目。”
常用角色：
- 行業專家（醫生、律師、工程師）
- 特定風格（莎士比亞、魯迅、科技博主）
5. 示例引導（Few-Shot Prompting）
提供輸入-輸出的例子，引導AI模仿格式或風格：
示例1：
輸入：如何泡茶？
輸出：1. 燒水至80℃；2. 取3克茶葉放入杯中；3. 倒入熱水，等待2分鐘。 請用相同格式回答：如何煮咖啡？
輸出：
1. 磨15克咖啡豆；2. 將濾紙放入濾杯；3. 用92℃熱水緩慢注水，萃取2分30秒。
適用場景：
- 格式化輸出（如JSON、表格）
- 模仿特定寫作風格
6. 限制與約束（Constraints）
通過限制條件避免無關內容：
- 無約束：
? “寫一首詩” - 有約束：
? “寫一首七言絕句，主題是秋天，押韻‘ang’韻腳，避免使用‘落葉’一詞”
常用約束：
- 字數限制（“用50字以內總結”）
- 禁用詞匯（“不要提及政治”）
- 語言風格（“口語化”“學術嚴謹”）
7. 反向Prompt（Negative Prompt）
明確禁止AI做的事情：
寫一篇關于人工智能的短文，要求：
- 不要列舉技術術語
- 避免未來主義預測
- 聚焦當前實際應用
高級技巧
1. 鏈式Prompt（Chain-of-Thought）
將復雜問題拆解成多輪提問：
第一輪：解釋什么是區塊鏈？
第二輪：基于之前的解釋，說明區塊鏈如何保證數據不可篡改？
2. 溫度（Temperature）控制
- 低溫度（如0.2）：輸出確定性高，適合事實性回答。
- 高溫度（如0.8）：輸出更創意，適合寫作或頭腦風暴。
3. 系統消息（System Message）
在對話開始時設定AI的行為：
你是一位嚴謹的科學編輯，所有回答需引用權威論文，不確定時明確告知。
總結：Prompt優化清單
| 技巧 | 示例 | 適用場景 |
|---|---|---|
| 明確目標 | “用300字解釋光合作用，面向小學生” | 避免模糊回答 |
| 分步引導 | “分三步教我搭建React項目” | 復雜任務 |
| 角色扮演 | “作為資深律師，分析合同風險點” | 專業化回答 |
| 示例引導 | 提供輸入-輸出對 | 格式化/風格模仿 |
| 反向Prompt | “不要使用技術術語” | 限制輸出范圍 |
實踐建議：多測試不同Prompt，觀察AI的輸出差異，逐步迭代優化！
(C/C++))
