Prompt提示词工程
Prompt是 与大模型交互的核心媒介，质量直接影响模型输出的效果。因此掌握Prompt相关知识，能显著提高对大模型的操控。
提示词学习
Spring Ai提示词
Prompt Engineering Guide提示词工程指南
提示词库
在编写Prompt前，可以查看库中是否存在符合需求的。
文本对话：Authropic提示词库
Prompt的基本构成
一个有效的Prompt通常包含3个关键要素，根据任务复杂度灵活调整。
把大模型当作一个员工。向他下达任务。一个好的领导需要明确任务。1、任务目标(要做什么)
首先告诉任务目标，要达成的结果。(如：写一篇会议总结)
2、背景信息(前提条件)
知道任务目标 并不能开始执行，因为没有明确任务的前提环境。还需要告诉他执行任务的背景。(如：针对上周的销售总结会议)
3、输入数据(额外的条件)
有了上面2条要求，就可以执行任务。但是为了更好的规范 任务的结果，可以向模型提供一些条件让其更好的返回结果。(如：字数限制500字)
Prompt设计的核心原则
1、具体清晰
- 避免模糊表述，明确任务边界。
- 反例：写一篇关于环保的文章。
- 示例：为初中生写一篇500字左右的环保短文，重点讲 污水治理，语言口语化。
2、提供示例
- 当任务复杂时，给出1-3个示例(少量样本)，帮助模型理解预期输出。
- 示例：
- 请将下列句子分为"积极"和"消极"
- 示例1："今天天机真好！- 积极"
- 示例2："这饭太难吃了！- 消极"
- 句子：这电影太精彩了！ - ？
3、分步引导
- 对逻辑推理类任务(如数学题、因果分析)，引导模型"分步思想"，减少错误。
- 常用技巧：在Prompt中加入"首先...其次...最后"，请先分析结论，在得出结果。
- 示例："解决问题：一个商店有 30 个苹果，卖出 12 个，又进货 25 个，现在有多少个？请先算卖出后剩下的数量，再算进货后的总数。"
4、设定角色
- 给模型设定特定角色，让其根据对应身份返回结果。
5、控制输出格式
- 对于需要格式化输出的任务(如表格、列表、JSON)，明确格式要求。
- 示例： 列出3中释放压力的方法。用序号+短句放回。如：1：深呼吸。
进阶的Prompt技术
1、思维链
核心：让模型在输出答案前，先一步一步解释推理过程，适用于复杂逻辑、数学，多步骤任务。
触发词：在Prompt中告诉模型"让我们一步一步思考"或"请解释你的思考过程"
示例："问题：小明有 5 个苹果，妈妈又给了他一些，现在有 12 个，妈妈给了几个？请先说明计算步骤，再给出答案。"
2、反向提示：
核心：明确告诉模型"不要做什么"，避免输出不符合要求的结果。
示例：写一段关于秋天的文章，不要提到'叶子'。
3、零样本思维链
核心：不提供示例，仅通过关键词(如"因此""原因是")触发模型的推断能力，适用简单逻辑任务。
示例：为什么夏天白天比冬天长。(模型会分步说明地球自转，照射点移动的逻辑)
4、提示词拆解
核心：讲任务拆分为多个子任务，让模型逐一完成，降低单次推理难度。
- 示例：写一篇关于AI对就业的影响。
- 先列举Ai对就业的3个正面影响
- 在列举AI对就业的3个负面影响。
- 最后整合，生成文章。
5、元提示
核心：让模型先"理解Prompt本身的要求 "，在执行任务，适用于超长任务或模糊指令。
示例：先分析我接下来的问题需要你完成的任务，再给出答案。懂？
6、自我评估和修公正
让模型进行自我评估和纠正。
7、多角度分析：
引导模型从不同的角色、立场或专业分析问题。
8、知识检索和引用
引导模型检索相关信息，并指出数据来源 提高可靠性。
Prompt注意事项于优化技巧
1、不要过于简洁，
- 过于简洁导致模型误解任务；
- 优化：补充细节(受众、风格、长度等)
2、信息过载
- 过长的背景描述，或混乱的逻辑会让模型抓不到重点。
- 优化：分点列举要求保证逻辑明确，用"首先/然后..."等标识核心信息。
3、迭代优化
- 若首次响应结果不符合预期时，可以基于结果调整Prompt(如：刚才回答太简单，请针对xx补充细节)
4、利用模型特性
- 大模型对于"数字""列表"等明确指令词("总结"，"对比"，"分析")更敏感，可优先使用这类表述。
Prompt分类
1、按照角色分类
- 系统Prompt：指定模型的基本属性，用户不可见。告诉模型"他是谁"以及个人的信息。
- 用户Prompt：用户向模型提问的消息。直接传达了用户的需求。告诉模型要做什么。
可以根据不同逻辑进行分类、