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!