- 学习材料：https://www.hiascend.com/developer/courses/detail/1935520434893606913 （3.5）
- 学习时长： 预计 60 分钟
- 学习目的：
- 了解提示工程的定义与作用
- 熟悉提示工程的关键技术相关概念
- 掌握基于昇腾适配的大模型提示工程的入门及进阶指南
核心公式
好提示词 = 立角色 + 述问题 + 定目标 + 补要求
-
立角色
明确提示词中的角色定位。
示例：你现在是专业的学习与发展架构师。
-
述问题
清晰描述需要解决的问题或任务。
示例：我想开发【大模型扫盲培训】，请帮忙输出一个培训大纲。
-
定目标
明确任务的目标和要求。
示例：培训时长为 0.5 天，输出内容包括每个模块的培训内容、教学设计和模块时长。
-
补要求
补充额外的具体需求或细节。
示例：我想写一个大模型的培训材料，能否给我做一个提纲？
先看一个对比示例：
- badcase：
markdown
我想写一个大模型的培训材料。能否给我做一个提纲？结果参考： chat.qwen.ai/s/604ebf5d-cd35-476c-abe4-9cb2c88c944e?fev=0.0.170
- goodcase:
markdown
你现在是专业的学习与发展架构师，我想开发【大模型扫盲培训】，培训时长为 0.5 天，输出内容包括每个模块的培训内容、教学设计和模块时长。结果参考：chat.qwen.ai/s/b3887cd7-ab5e-4212-9385-20ea0e816b97?fev=0.0.170
- 专业 Prompt 更加具体、明确，包含角色定位、问题描述、目标设定和补充要求，有助于生成更高质量的回答。
- 非专业 Prompt 较为模糊，缺乏具体细节，可能导致回答不够精准或全面。
如何立角色？
核心思想： 立角色，安上一个专家头衔
让AI扮演角色，你想让它扮演一个什么样的角色，它便以该角色去了解上下文信息和意图，并通过定义的角色角度去思考问题与给出答案。
根据我们的实际任务，可以使用对应的示例角色，如：
- XX内容运营专家
- 厨师
- CEO
- XX程序员
- AI专家
- 化学课老师
示例：
markdown
你现在是一名小红书内容运营，经常科普一些最新的大模型相关前沿技术。请根据该平台的写作风格，写一篇大模型 DeepSeek 使用感想，语言活泼，排版参考该平台风格，字数200字左右。结果参考：chat.qwen.ai/s/2009632f-c0c6-4425-b602-45f5c20a14cd?fev=0.0.170
如何述问题？
核心思想： 告诉AI你的问题、背景和实际情况
告诉AI要解决的具体问题、要完成的任务或者背景信息，这有助于大模型能够更好地了解用户所在的上下文环境，尤其是涉及特定领域知识或目标受众时。直观感受问题的描述，一目了然。
basecase：
markdown
问题：我需要一份适合健身的健康饮食计划。结果参考： chat.qwen.ai/s/7395792e-f88b-4822-8108-1d09bb483bfa?fev=0.0.170
goodcase:
markdown
问题：请为我设计一份为期一周的健康饮食计划。
背景信息：
- 目标：增肌和减脂相结合。
- 饮食偏好：喜欢高蛋白食物，不喜欢吃海鲜。
- 过敏信息：对坚果过敏。
- 每日热量需求：约2000卡路里。
- 饮食时间：早餐、午餐、晚餐和两顿加餐。结果参考： chat.qwen.ai/s/9df410fc-37e2-4751-93f0-9a4aa9b93bcc?fev=0.0.170
总体来看，详细描述问题可以使问题更加清晰，便于AI理解和解答。
如何定目标？
核心思想：定目标，告诉它你希望它为你做什么
让AI明确希望达到的目标或预期效果，让大模型理解意图与目标，从而生成更符合预期和目的的文本。
badcase：
markdown
问题：我需要优化我的代码性能结果参考：chat.qwen.ai/s/a444879d-adc9-4af7-850b-8e47685ca8b2?fev=0.0.170
goodcase：
markdown
问题：我正在使用Python编写一个图像处理算法，运行时间过长（10分钟）。请推荐一些具体的技术或库，以减少运行时间至5分钟以内。结果参考：chat.qwen.ai/s/449564a7-8c3a-49b2-87c6-03313a547832?fev=0.0.170
总的来看：
- 明确目标：需要告诉AI你的具体需求和期望结果。目标越明确，AI生成的内容越符合预期。
- 对比示例：
badcase：仅提出"优化代码性能"，目标不够具体。
goodcase：详细说明了使用Python编写图像处理算法、当前运行时间为10分钟、期望将运行时间缩短至5分钟以内，并请求具体的解决方案（技术或库）。
通过对比可以看出，目标更加具体越能够帮助AI更好地理解需求并提供更有针对性的建议。
如何补要求？
核心思想：有什么需要它特别注意的。
明确告诉AI模型需要特别注意的事项，确保其回答符合预期。告诉AI你的需求与补充说明，包括语言要求、字数要求、样式需求等。
badcase：
markdown
请帮我写一篇关于环保的小短文。结果参考：chat.qwen.ai/s/532d6fa6-7821-48c1-bb44-2374816571e1?fev=0.0.170
goodcase：
markdown
请帮我写一篇关于环保的小短文。
标题：《环保小卫士：从我做起》
字数要求：300字以内
输出格式：段落形式，开头有引言，结尾有总结
内容要求：重点介绍环保的重要性，至少提到两种具体环保行为（如垃圾分类、节约用水）
风格要求：语言生动有趣，避免使用过于复杂的词汇结果参考：chat.qwen.ai/s/f967f14e-c3d0-4120-a694-0ce65d92c305?fev=0.0.170
补要求常用技巧
| 序号 | 常用技巧 | 内容 |
|---|---|---|
| 1 | 分隔符 | 使用分隔符（如""，<>，:，等）让AI明确理解区域。 |
| 2 | 结构化 | 寻求结构化的输出（如JSON、HTML等）。 |
| 3 | 预设条件 | 要求模型检查条件是否满足，如果不满足则停止执行后续流程。 |
| 4 | 少量示例 | 在任务前提供少量成功执行任务的示例，帮助模型学习意图。 |
| 5 | 引导思考 | 明确任务的中间步骤或要求模型综合考虑各种因素。 |
补要求技巧1：分隔符
- 作用：通过分隔符让AI明确理解区域。
- 常用分隔符 ：
- 双引号
" - 尖括号
< > - 方括号
[ ] - 冒号
: - 混合使用多种分隔符
- 双引号
分隔符使用示例：
markdown
提供句子"天高云淡"的同义表达。
markdown
将 <名字> 替换成 John 后翻译成法语："你好，<名字>！"
markdown
请描述 [巴黎/伦敦] 的地标。
markdown
将下面这句话翻译成法语：Je m'appelle Marie.
markdown
请为我创建一份关于 {行业} 的市场分析报告。报告应包含：
- 市场规模和增长趋势
- 主要竞争对手列表及其市场份额
- 目标客户群体分析
- 额外内容}
输出格式：[PDF/Word/HTML]
附加要求：<需要数据可视化>结果参考：chat.qwen.ai/s/a81ef841-babd-45ac-b818-8ee47c1020ef?fev=0.0.170
补要求技巧2：示例
- 作用：给AI提供少量示例，帮助模型学习提示词的意图，给出更好的输出结果。
- 分类 ：
- Zero-Shot：无样例
- One-Shot/Few-Shot：有样例
举个例子：学习分类任务（经典 Few-Shot 场景）
任务：判断情绪是正面、负面还是中性
Zero-Shot：判断这句话的情绪："这电影太烂了，浪费时间。"
→ 模型可能回答："负面" ✅（但不稳定）
Few-Shot 版本：请判断下列语句的情绪，只能回答"正面"、"负面"或"中性"：
示例1：
输入："这个蛋糕真好吃！"
输出：正面
示例2：
输入："我不喜欢这个颜色。"
输出：负面
示例3：
输入："今天是星期三。"
输出：中性
现在请判断：
输入："这电影太烂了，浪费时间。"
输出：
预期输出： 负面
结果参考：chat.qwen.ai/s/5551db26-8429-4b01-9a80-6f938813dbc6?fev=0.0.170
补要求技巧3：引导思考
- 作用：在设计Prompt时，引导模型进行逐步思考，尤其是对于复杂任务。
- 常用表达方式 ：
- 引导逐步思考 ：
- 让我们一步步思考......
- 请分步骤解释......
- 逐步分析......
- 引导检查和验证 ：
- 检查一下结果......
- 验证一下你的答案......
- 确保结果的准确性......
- 引导逻辑推理 ：
- 从已知信息出发......
- 根据这些条件......
- 结合这些信息......
- 引导详细解释 ：
- 详细解释每一步......
- 展示你的推理过程......逐步展示你的思考......
- 引导自我反思 ：
- 反思你的推理过程......
- 思考你的方法是否最优......
- 确保你的步骤完整......
- 引导多角度思考 ：
- 从不同角度思考......
- 考虑所有可能性......
- 分析不同场景......
- 引导逐步思考 ：
🌟 示例1：数学推理（引导逐步思考）
提示词：
一个班级有30名学生，其中60%是女生。后来又转来了5名男生。现在男生占全班人数的百分比是多少？
请一步步思考这个问题，并展示你的计算过程。
预期输出结构：
- 原班级女生人数：30 × 60% = 18人
- 原班级男生人数：30 - 18 = 12人
- 转来5名男生后，男生总数：12 + 5 = 17人
- 全班总人数变为：30 + 5 = 35人
- 男生占比：17 ÷ 35 ≈ 48.57%
答：现在男生约占全班的48.57%
✅ 作用：避免跳跃式计算，确保每一步都正确。
🌟 示例2：逻辑判断（引导检查和验证）
提示词：
小明说："如果明天下雨，我就不去公园。" 结果第二天小明没去公园。
能否推出"昨天下雨了"？请分步骤分析，并在最后验证你的结论是否合理。
预期输出结构：
- 条件语句："如果下雨 → 不去公园" 是一个单向条件，不能反推。
- 实际情况：小明没去公园，但可能因为其他原因（如生病）。
- 逆否命题成立："如果去公园 → 没下雨"，但原命题不支持逆推。
- 验证：举反例------假设没下雨，但小明因病不去公园，也满足条件。
结论：不能推出昨天下雨了。
✅ 作用：防止"肯定后件"的逻辑谬误，训练严谨推理。
🌟 示例3：写作任务（引导结构化表达）
提示词：
请写一篇关于"手机对青少年的影响"的议论文提纲。
要求：先列出正反两方面的观点，再选择一个立场，最后构建三个论点并配论据。请逐步展示你的思考过程。
预期输出结构：
- 正面影响：获取知识、沟通便利、学习工具
- 负面影响：沉迷游戏、影响视力、社交减少
- 我的立场：应合理使用，而非禁止
- 论点1：手机是学习工具 → 可查资料、上网课
论据：疫情期间在线教育依赖手机- 论点2：关键在于家长引导 → 设定使用时间
论据：研究显示有规则家庭的孩子更自律- 论点3：完全禁止反而激发逆反心理
论据：心理学中的"禁果效应"
✅ 作用：引导从发散思维到聚焦表达，提升写作逻辑。
🌟 示例4：多角度分析（引导多角度思考）
提示词：
是否应该在学校禁止学生带手机？请从学生、老师、家长、社会四个角度分别分析，最后给出综合建议。
预期输出结构：
- 学生角度：方便联系家长，但也易分心
- 老师角度：课堂纪律难管理，影响教学效率
- 家长角度：担心安全，但也怕孩子沉迷
- 社会角度：数字素养需培养，不能一刀切
综合建议：不完全禁止，而是制定使用规范，如上课关机、设置"无手机时段"
✅ 作用：避免片面判断，培养系统性思维。
🌟 示例5：自我反思（引导自我检查）
提示词：
请解方程：2(x + 3) = 10，并展示完整步骤。
解完后，请检查每一步是否正确，并说明如何验证最终答案。
预期输出：
- 展开：2x + 6 = 10
- 移项：2x = 10 - 6 = 4
- 解得：x = 2
- 检查：代入原方程 → 2(2 + 3) = 2×5 = 10 ✅
- 验证：每一步符合等式性质，无计算错误
结论：x = 2 是正确解
✅ 作用：培养"做完题要检查"的习惯，提升准确性。
🌟 示例6：复杂决策（引导综合考虑）
提示词：
某城市交通拥堵严重，政府考虑两种方案：A. 建地铁；B. 提高停车费。
请从成本、实施难度、长期效果、公众接受度四个维度分析，并推荐一个方案。请逐步推理。
预期输出结构：
- 成本：地铁建设成本高，停车费调整成本低
- 实施难度：地铁周期长，停车费政策易推行
- 长期效果：地铁缓解更彻底，停车费效果有限
- 公众接受度：提高停车费易引发不满，地铁受欢迎但需等待
- 综合建议：短期提高停车费+鼓励公交，长期规划地铁
✅ 作用：模拟真实决策过程，提升综合分析能力。
以上6个示例参考：chat.qwen.ai/s/84477bfc-a928-4d56-a53f-6bfc5c23b50c?fev=0.0.170
总结
- 补要求的核心：明确告知AI模型需求，包括格式、内容、风格等。
- 常用技巧 ：
- 分隔符：通过符号明确区域。
- 结构化：要求结构化输出。
- 预设条件：设置条件检查。
- 少量示例：提供示例帮助模型学习。
- 引导思考：通过引导语句帮助模型逐步思考和推理。
