#Prompt | AI | LLM # 人类如何写出LLM理解的Prompt

一、如何写好Prompt

结构化Prompt

结构化Prompt是对信息进行组织,使其遵循特定模式和规则,以便于有效理解信息。常用模块包括:

  • Role: 指定角色,使模型聚焦于特定领域。
  • Profile: 包括作者、版本、语言和描述。
  • Goals: 描述Prompt的目标,聚焦模型的注意力。
  • Constraints: 描述限制条件,帮助模型进行剪枝。
  • Skills: 描述技能项,强化特定领域的信息权重。
  • Workflow: 定义对话和输出的方式。
  • Initialization: 冷启动时的对白,强调需注意的重点。

示例

以"知识探索专家"为例,结构化Prompt包括:

  • Profile: 作者、版本、语言和描述。
  • Goals: 提出并解答有关用户指定知识点的三个关键问题:其来源、其本质、其发展。
  • Constraints: 对于不在知识库中的信息,明确告知用户;不进行无意义的夸奖和客气对话;解释完概念即结束对话。
  • Skills: 知识获取和整合能力、广泛的知识库、排版审美、使用比喻方式、惜字如金。
  • Workflows: 按照框架扩展用户提供的概念,并通过排版美化。
python 复制代码
知识探索专家

## Profile:

author: Arthur
version: 0.8
language: 中文
description: 我是一个专门用于提问并解答有关特定知识点的 AI 角色
## Goals: 提出并尝试解答有关用户指定知识点的三个关键问题:其来源、其本质、其发展。

## Constrains:

对于不在你知识库中的信息, 明确告知用户你不知道
你不擅长客套, 不会进行没有意义的夸奖和客气对话
解释完概念即结束对话, 不会询问是否有其它问题
## Skills:

具有强大的知识获取和整合能力
拥有广泛的知识库, 掌握提问和回答的技巧
拥有排版审美, 会利用序号, 缩进, 分隔线和换行符等等来美化信息排版
擅长使用比喻的方式来让用户理解知识
惜字如金, 不说废话
## Workflows: 你会按下面的框架来扩展用户提供的概念, 并通过分隔符, 序号, 缩进, 换行符等进行排版美化

1.它从哪里来? ━━━━━━━━━━━━━━━━━━

讲解清楚该知识的起源, 它是为了解决什么问题而诞生。
然后对比解释一下: 它出现之前是什么状态, 它出现之后又是什么状态?
2.它是什么? ━━━━━━━━━━━━━━━━━━

讲解清楚该知识本身,它是如何解决相关问题的?
再说明一下: 应用该知识时最重要的三条原则是什么?
接下来举一个现实案例方便用户直观理解:
案例背景情况(遇到的问题)
使用该知识如何解决的问题
optional: 真实代码片断样例
3.它到哪里去? ━━━━━━━━━━━━━━━━━━

它的局限性是什么?
当前行业对它的优化方向是什么?
未来可能的发展方向是什么?

二、LLM未来发展

理解LLM

深入理解大型语言模型是构建有效Prompt的基础。不同模型对相同提示词的响应不同,源于它们的参数设置、训练语料库和微调策略的不同。

行业KnowHow

对特定领域的深刻理解和行业经验是提升Prompt质量的核心。个人的隐性知识和审美构成了与LLM交互中的竞争优势。

逻辑清晰

能否清晰、不矛盾地传递复杂信息是考验个人表达能力的重要方面。

快速写好初稿

  • Meta-Prompt: 基于框架形成SOP,快速生成初稿。
  • 药剂师Prompt: 对初稿进行优化,将抽象词汇具体化。

三、人类未来发展

逻辑与审美

逻辑思考和审美可能是人类在LLM进步中的最后防线。逻辑思考是人类科学进步的基石,而审美涉及个人经验和情感,是LLM难以复制的人类特质。

隐性知识的挑战

将隐性知识转化为显性提示,是提升Prompt效果的挑战。

角色转变

人类可能从知识提供者转变为知识的筛选者和审美的判断者。

持续学习和适应

随着LLM技术的发展,人类需要不断更新知识库和提升Prompt设计技巧。

结语

Prompt工程不仅是技术问题,也是人类认知和表达的深刻话题。随着LLM技术的不断发展,我们需要持续学习和适应,以更好地理解和利用这些工具。同时,人类的发展将依赖于逻辑思考和审美能力,这些是与LLM交互中的核心竞争力。

参考文献

提示工程:我们如何写好Prompt?

如何写好Prompt: 结构化

相关推荐
gaoshengdainzi1 分钟前
镜片防雾性能测试仪在自动驾驶与无人机领域的创新应用
人工智能·自动驾驶·无人机·镜片防雾性能测试仪
Listennnn24 分钟前
优雅的理解神经网络中的“分段线性单元”,解剖前向和反向传播
人工智能·深度学习·神经网络
云卓SKYDROID42 分钟前
无人机机体结构设计要点与难点!
人工智能·科技·无人机·科普·云卓科技
誉鏐1 小时前
PyTorch复现线性模型
人工智能·pytorch·python
我要昵称干什么1 小时前
基于S函数的simulink仿真
人工智能·算法
向上的车轮1 小时前
NOA是什么?国内自动驾驶技术的现状是怎么样的?
人工智能·机器学习·自动驾驶
AndrewHZ1 小时前
【图像处理基石】什么是tone mapping?
图像处理·人工智能·算法·计算机视觉·hdr
Ai尚研修-贾莲1 小时前
基于DeepSeek、ChatGPT支持下的地质灾害风险评估、易发性分析、信息化建库及灾后重建
人工智能·chatgpt
SelectDB技术团队2 小时前
Apache Doris 2025 Roadmap:构建 GenAI 时代实时高效统一的数据底座
大数据·数据库·数据仓库·人工智能·ai·数据分析·湖仓一体
weixin_435208162 小时前
通过 Markdown 改进 RAG 文档处理
人工智能·python·算法·自然语言处理·面试·nlp·aigc