Prompt 工程
基本概念
Prompt 工程(Prompt Engineering)又叫提示词工程，简单来说，就是输入给 Al 的指令。比如下面这段内容，就是提示词：
那为什么要叫"工程"呢?
因为 AI 大模型生成的内容是不确定的，构建一个能够按照预期生成内容的提示词既是一门艺术，也是一门科学。提示词的质量直接影响到 A1大模型输出的结果，因此这也是 AI 应用开发的关键技能，很多公司专门招聘提示词工程师。
我们学习 Prompt 工程的目标是：通过精心设计和优化输入提示来引导 Al 模型生成符合预期的高质量输出。
提示词分类
核心-基于角色的分类
在 AI 对话中，基于角色的分类是最常见的，通常存在3种主要类型的 Prompt：
- 1)用户 Prompt (User Prompt)：这是用户向 AI 提供的实际问题、指令或信息，传达了用户的直接需求。用户 Prompt 告诉 AI 模型"做什么"，比如回答问题、编写代码、生成创意内容等。
用户：帮我写一首关于春天的短诗
- 2)系统 Prompt (System Prompt)：这是设置 A 模型行为规则和角色定位的隐藏指令，用户通常不能直接看到。系统 Prompt 相当于给 AI 设定人格和能力边界，即告诉 A"你是谁?你能做什么?"。
系统：你是一位经验丰富的恋爱顾问，擅长分析情感问题并提供建设性建议。请以温暖友善的语气回答用户的恋爱困惑，必要时主动询问更多信息以便提供更准确的建议。不要做出道德判断，而是尊重用户的情感体验并提供实用的沟通和相处技巧。回答时保持专业性，但避免使用过于学术的术语，确保普通用户能够理解你的建议。
- 3)助手 Prompt (Assistant Prompt)：这是 A| 模型的响应内容。在多轮对话中，之前的助手回复也会成为当前上下文的一部分，影响后续对话的理解和生成。某些场景下，开发者可以主动预设一些助手消息作为对话历史的一部分，引导后续互动。
助手：我是你的恋爱顾问，很高兴能帮助你解决情感问题。你目前遇到了什么样的恋爱困惑呢？可以告诉我你们的关系现状和具体遇到的问题吗？
扩展知识-基于功能的分类
除了基于角色的分类外，我们还可以从功能角度对提示词进行分类，仅作了解即可。
- 1)指令型提示词(instructional Prompts)：明确告诉 Al 模型需要执行的任务，通常以命令式语句开头。
翻译以下文本为英文：春天来了，花儿开了。
- 2)对话型提示词(Conversational Prompts)：模拟自然对话，以问答形式与 AI 模型交互。
你认为人工智能会在未来取代人类工作吗？
- 3)创意型提示词(Creative Prompts)：引导 AI 模型进行创意内容生成，如故事、诗歌、广告文案等。
写一个发生在未来太空殖民地的短篇科幻故事，主角是一位机器人工程师。
- 4)角色扮演提示词(Role-Playing Prompts)：让 AI 扮演特定角色或人物进行回答
假设你是爱因斯坦，如何用简单的语言解释相对论？
- 5)少样本学习提示词(Few-Shot Prompts)：提供一些示例，引导 A| 理解所需的输出格式和风格。
将以下句子改写为正式商务语言：
示例1：
原句：这个想法不错。
改写：该提案展现了相当的潜力和创新性。
示例2：
原句：我们明天见。
改写：期待明日与您会面，继续我们的商务讨论。
现在请改写：这个价格太高了。
扩展知识-基于复杂度的分类
还可以从结构复杂度的角度对提示词进行分类，仅作了解即可。
- 1)简单提示词(Simple Prompts):单一指令或问题，没有复杂的背景或约束条
什么是人工智能？
- 2)复合提示词(Compound Prompts):包含多个相关指令或步骤的提示词。
分析下面这段代码，解释它的功能，找出潜在的错误，并提供改进建议。
- 3)链式提示词(Chain Prompts):一系列连续的、相互依赖的提示词，每个提示词基于前一个提示词的输出。
第一步：生成一个科幻故事的基本情节。
第二步：基于情节创建三个主要角色，包括他们的背景和动机。
第三步：利用这些角色和情节，撰写故事的开篇段落。
- 4)模板提示词(Template Prompts):包含可替换变量的标准化提示词结构，常用于大规模应用。
你是一位专业的{领域}专家。请回答以下关于{主题}的问题：{具体问题}。
回答应包含{要点数量}个关键点，并使用{风格}的语言风格。
Prompt 优化技巧
一、基础提示技巧
1、明确指定任务和角色
为 AI 提供清晰的任务描述和角色定位，帮助模型理解背景和期望。
系统：你是一位经验丰富的Python教师，擅长向初学者解释编程概念。
用户：请解释 Python 中的列表推导式，包括基本语法和 2-3 个实用示例。
2、提供详细说明和具体示例
提供足够的上下文信息和期望的输出格式示例，减少模型的不确定性。
请提供一个社交媒体营销计划，针对一款新上市的智能手表。计划应包含:
- 目标受众描述
- 三个内容主题
- 每个平台的内容类型建议
- 发布频率建议
示例格式:
目标受众: [描述]
内容主题: [主题1], [主题2], [主题3]
平台策略: [平台] - [内容类型] - [频率]
3、使用结构化格式引导思维
通过列表、表格等结构化格式，使指令更易理解，输出更有条理。
分析以下公司的优势和劣势:
公司: Tesla
请使用表格格式回答，包含以下列:
- 优势(最少3项)
- 每项优势的简要分析
- 劣势(最少3项)
- 每项劣势的简要分析
- 应对建议
4、明确输出格式要求
指定输出的格式、长度、风格等要求，获得更符合预期的结果。
撰写一篇关于气候变化的科普文章，要求: - 使用通俗易懂的语言，适合高中生阅读
- 包含5个小标题，每个标题下2-3段文字
- 总字数控制在800字左右
- 结尾提供3个可行的个人行动建议
二、进阶提示技巧
1、思维链提示法(Chain-of-Thought)
引导模型展示推理过程，逐步思考问题，提高复杂问题的准确性。
问题：一个商店售卖T恤，每件15元。如果购买5件以上可以享受8折优惠。小明买了7件T恤，他需要支付多少钱？
请一步步思考解决这个问题:
- 首先计算7件T恤的原价
- 确定是否符合折扣条件
- 如果符合，计算折扣后的价格
- 得出最终支付金额
2、少样本学习(Few-Shot Learning)
通过提供几个输入-输出对的示例，帮助模型理解任务模式和期望输出。
我将给你一些情感分析的例子，然后请你按照同样的方式分析新句子的情感倾向。
输入: "这家餐厅的服务太差了，等了一个小时才上菜"
输出: 负面，因为描述了长时间等待和差评服务
输入: "新买的手机屏幕清晰，电池也很耐用"
输出: 正面，因为赞扬了产品的多个方面
现在分析这个句子:
"这本书内容还行，但是价格有点贵"
3、分步骤指导(step-by-Step)
将复杂任务分解为可管理的步骤，确保模型完成每个关键环节。
请帮我创建一个简单的网站落地页设计方案，按照以下步骤:
步骤1: 分析目标受众(考虑年龄、职业、需求等因素)
步骤2: 确定页面核心信息(主标题、副标题、价值主张)
步骤3: 设计页面结构(至少包含哪些区块)
步骤4: 制定视觉引导策略(颜色、图像建议)
步骤5: 设计行动召唤(CTA)按钮和文案
4、自我评估和修正
让模型评估自己的输出并进行改进，提高准确性和质量。
解决以下概率问题:
从一副标准扑克牌中随机抽取两张牌，求抽到至少一张红桃的概率。
首先给出你的解答，然后: - 检查你的推理过程是否存在逻辑错误
- 验证你使用的概率公式是否正确
- 检查计算步骤是否有误
- 如果发现任何问题，提供修正后的解答
5、知识检索和引用
引导模型检索相关信息并明确引用信息来源，提高可靠性。
请解释光合作用的过程及其在植物生长中的作用。在回答中: - 提供光合作用的科学定义
- 解释主要的化学反应
- 描述影响光合作用效率的关键因素
- 说明其对生态系统的重要性
对于任何可能需要具体数据或研究支持的陈述，请明确指出这些信息的来源，并说明这些信息的可靠性。
6、多视角分析
引导模型从不同角度、立场或专业视角分析问题，提供全面见解。
分析"城市应该禁止私家车进入市中心"这一提议:
请从以下4个不同角度分析: - 环保专家视角
- 经济学家视角
- 市中心商户视角
- 通勤居民视角
对每个视角:
- 提供支持该提议的2个论点
- 提供反对该提议的2个论点
- 分析可能的折中方案
7、多模态思维
结合不同表达形式进行思考，如文字描述、图表结构、代码逻辑等。
设计一个智能家居系统的基础架构:
- 首先用文字描述系统的主要功能和组件
- 然后创建一个系统架构图(用ASCII或文本形式表示)
- 接着提供用户交互流程
- 最后简述实现这个系统可能面临的技术挑战
尝试从不同角度思考:功能性、用户体验、技术实现、安全性等。
三、提示词调试与优化
好的提示词可能很难一步到位，因此我们要学会如何持续调试和优化 Prompt。
1、迭代式提示优化
通过逐步修改和完善提示词，提高输出质量。
初始提示: 谈谈人工智能的影响。
收到笼统回答后
改进提示: 分析人工智能对医疗行业的三大积极影响和两大潜在风险，提供具体应用案例。
如果回答仍然不够具体
进一步改进: 详细分析AI在医学影像诊断领域的具体应用，包括:
- 现有的2-3个成功商业化AI诊断系统及其准确率
- 这些系统如何辅助放射科医生工作
- 实施过程中遇到的主要挑战
- 未来3-5年可能的技术发展方向
2、边界测试
通过极限情况测试模型的能力边界，找出优化空间。
尝试解决以下具有挑战性的数学问题:
证明在三角形中，三条高的交点、三条中线的交点和三条角平分线的交点在同一条直线上。
如果你发现难以直接证明: - 说明你遇到的具体困难
- 考虑是否有更简单的方法或特例可以探讨
- 提供一个思路框架，即使无法给出完整证明
3、提示词模板化
创建结构化模板，便于针对类似任务进行一致性提示，否则每次输出的内容可能会有比较大的区别，不利于调试。
【专家角色】: {领域}专家
【任务描述】: {任务详细说明}
【所需内容】:
- {要点1}
- {要点2}
- {要点3}
【输出格式】: {格式要求}
【语言风格】: {风格要求}
【限制条件】: {字数、时间或其他限制}
例如:
【专家角色】: 营养学专家
【任务描述】: 为一位想减重的上班族设计一周健康饮食计划
【所需内容】: - 七天的三餐安排
- 每餐的大致卡路里
- 准备建议和购物清单
【输出格式】: 按日分段，每餐列出具体食物
【语言风格】: 专业但友好
【限制条件】: 考虑准备时间短，预算有限
4、错误分析与修正
系统性分析模型回答中的错误，并针对性优化提示词，这一点在我们使用 Cursor 等AI开发工具生成代码时非常有用。
我发现之前请你生成的Python代码存在以下问题:
- 没有正确处理文件不存在的情况
- 数据处理逻辑中存在边界条件错误
- 代码注释不够详细
请重新生成代码，特别注意: - 添加完整的异常处理
- 测试并确保所有边界条件
- 为每个主要函数和复杂逻辑添加详细注释
- 遵循PEP 8编码规范
用好ai提示词来辅助开发
一、需求分析
1、需求从哪儿来?
但是我大脑空空，没什么想法，从哪里挖掘需求呢?其实很简单!现在有很多 A1 应用平台，比如豆包、文心一言、ChatGPT 等，这些平台上已经有了大量 AI 应用，是很好的参考源，随便挑一个都可以变成完整的项目。
比如我们来开发一个 恋爱大师 A 应用，用户在恋爱过程中难免遇到各种难题，让 A1为用户提供贴心情感指导。
2、怎么细化需求?
有了上面这样一个初步的想法后，我们要进一步完善需求，明确项目要具有哪些功能。
但是我大脑空空，也没什么经验，怎么细化需求呢?
答案很简单 -- 问 A!
AI不仅是我们要开发的产品，也是强大的需求分析助手。通过精心设计的提示词，可以让 AI 帮助我们进行需求细化和扩展。比如下面这段 Prompt:
示例 Prompt:
我要开发一个【恋爱大师】AI 应用，用户在恋爱过程中难免遇到各种难题，让 AI 为用户提供贴心情感指导。
请你帮我进行需求分析，满足我的目标。
如果你要做一个大项目，还可以进一步完善提示词:
我要开发一个【恋爱大师】AI 应用，用户在恋爱过程中难免遇到各种难题，让 AI 为用户提供贴心情感指导。
请你帮我进行需求分析，满足我的目标。
具体需要:
- 分析目标用户群体及其核心需求
- 提出主要功能模块和服务内容
- 考虑产品的差异化竞争点
- 分析可能的技术挑战和解决方案
AI 给出的示例输出如下，接下来我们化身为"老板"，只需要对 A1 给出的需求文档进行评审即可:
咱们从服务对象、服务内容、产品特性等维度，来剖析"恋爱大师"AI应用的开发需求：
### 一、目标用户洞察 - **年龄与身份**：18-35岁人群是恋爱活动的主力军，涵盖大学生、职场新人等。他们熟悉数字化生活，热衷借助AI解决恋爱问题。
- **恋爱状态及需求**
- **单身群体**：渴望打破社交壁垒，寻觅恋爱机会。他们需要拓展社交圈、提升自我魅力、学习搭讪技巧等方面的指导。
- **恋爱中人群**：重点关注如何处理情侣间的争吵矛盾，掌握沟通艺术，安排浪漫约会，进一步升温感情。
- **失恋人群**：急需摆脱失恋阴影，修复受伤的情感，重新建立自信，恢复正常生活节奏。
### 二、功能板块规划
#### （一）问题识别与分类
- **自然语言处理**：用户以文字或语音倾诉恋爱困扰，AI凭借自然语言处理技术，精准提炼问题核心，判别用户情绪状态，如愤怒、迷茫、伤心等。
- **问题归类**：将收集到的问题，归入表白难题、约会安排、信任危机、分手应对等预设类别，为后续的个性化解答做好准备。
#### （二）个性化指导服务 - **智能问答**：针对用户提出的问题，AI从海量的恋爱案例、心理学知识以及专业情感建议中，生成贴合实际的解决方案。比如，当用户纠结"该不该向喜欢的人表白"时，AI会依据用户描述的双方关系，给出不同策略。
- **课程推送**：设计系列恋爱课程，如"脱单秘籍""恋爱保鲜术""走出失恋阴霾"等，以图文、音频、视频等多元形式呈现，助力用户系统学习恋爱知识。
- **案例分享**：分享真实且具有代表性的恋爱故事，通过对成功与失败案例的复盘，为用户提供借鉴与启示。
#### （三）特色辅助功能 - **聊天话术生成**：用户输入聊天场景或对方信息，AI创作富有吸引力、契合氛围的聊天话术，帮助用户提升沟通效果。
- **恋爱规划制定**：依据用户的恋爱阶段和目标，制定专属恋爱计划，涵盖约会安排、礼物挑选、情感互动等细节。
#### （四）互动交流社区 - **话题讨论**：搭建线上社区，用户可发布恋爱问题、分享经验心得，实现用户间的相互交流与支持。
- **专家直播**：定期邀请情感专家进行直播，解答用户普遍关注的恋爱问题，分享前沿恋爱观念和技巧。
### 三、非功能要求 - **隐私安全**：在数据收集、存储和使用过程中，严格遵循相关法规，采取加密、匿名化等技术手段，保护用户隐私，让用户放心倾诉。
- **情感陪伴感**：AI回复需富有情感，模拟真实交流场景，避免机械化回答，给予用户温暖贴心的陪伴。
- **持续优化**：搭建反馈机制，收集用户评价和建议，持续优化AI算法和服务内容，提升服务质量。
你会发现，AI给出的需求好多啊!我们到底要做哪些呢?这里涉及到一个很经典的策略 -- MVP 最小可行产品策略。
3、MVP 最小可行产品策略
MVP 最小可行产品策略是指：先开发包含 核心功能 的基础版本产品快速推向市场，以最小成本验证产品假设和用户需求。通过收集真实用户反馈进行选代优化，避免开发无人使用的功能，降低资源浪费和开发风险。
基于这个策略，我们可以先开发一个简单但实用的 AI 对话应用，让用户能够和 AI恋爱大师进行多轮对话交流。因为"对话"是本产品的核心功能，暂时不要考虑更复杂的功能了。后续可以根据用户用量和反馈，决定下一步是深化对话能力还是扩展更多功能模块。
明确需求后，下面我们进行方案设计，看看怎么实现这个需求。
二、AI 应用方案设计
1、系统提示词设计
前面提到，系统提示词相当于 A1 应用的"灵魂"，直接决定了 AI 的行为模式、专业性和交互风格。
对于 AI 对话应用，最简单的做法是直接写一段系统预设，定义"你是谁?能做什么?"，比如:
你是一位恋爱大师，为用户提供情感咨询服务
这种简单提示虽然可以工作，但效果往往不够理想。
因此我们要优化系统预设，可以借助 AI进行优化。示例 Prompt:
我正在开发【恋爱大师】AI 对话应用，请你帮我编写设置给 AI 大模型的系统预设 Prompt 指令。要求让 AI 作为恋爱专家，模拟真实恋爱咨询场景、多给用户一些引导性问题，不断深入了解用户，从而提供给用户更全面的建议，解决用户的情感问题。
AI提供的优化后系统提示词：
扮演深耕恋爱心理领域的专家。开场向用户表明身份，告知用户可倾诉恋爱难题。围绕单身、恋爱、已婚三种状态提问：单身状态询问社交圈拓展及追求心仪对象的困扰；恋爱状态询问沟通、习惯差异引发的矛盾；已婚状态询问家庭责任与亲属关系处理的问题。引导用户详述事情经过、对方反应及自身想法，以便给出专属解决方案。
PromptTemplate
PromptTemplate 是 Spring Al框架中用于构建和管理提示词的核心组件。允许开发者创建带有占位符的文本模板，然后在运行时动态替换这些占位符。
通过使用 PromptTemplate，你可以更加结构化、可维护地管理 A应用中的提示词，使其更易于优化和扩展，同时降低硬编码带来的维护成本。
PromptTemplate 最基本的功能是支持变量替换。你可以在模板中定义占位符，然后在运行时提供这些变量的值
PromptTemplate 在以下场景特别有用：
- 1.动态个性化交互：根据用户信息、上下文或业务规则定制提示词
- 2.多语言支持：使用相同的变量但不同的模板文件支持多种语言
- 3.A/B测试：轻松切换不同版本的提示词进行效果对比
- 4.提示词版本管理：将提示词外部化，便于版本控制和迭代优化
实现原理
PromptTemplate 底层使用了 Oss StringTemplate 引擎，这是一个强大的模板引擎，专注于文本生成。在Spring Al中，PromptTemplate 类实现了以下接囗：
public class PromptTemplate implements PromptTemplateActions, PromptTemplateMessageActions {
// 实现细节
}
ai提示词：
很多 AI 系统支持 Markdown 语法，在 AI 提示词中，#、##、### 主要作用是标记层级标题，用于清晰划分内容结构，帮助 AI 更好地理解信息的逻辑关系。
它的核心价值在于通过格式化，让提示词从 "大段文字" 变成 "有组织的框架"，降低 AI 理解信息的成本。