《Prompt Engineering》

报告地址：提示词工程白皮书

这份《Prompt Engineering》白皮书是谷歌2025年发布的权威指南，涵盖提示工程的核心概念、技术、配置和最佳实践，非常适合从零开始系统学习。以下是为你梳理的 学习路径+核心知识点+实操建议，帮你高效掌握：

一、先搞懂：什么是提示工程？（基础认知）

核心定义

• 提示（Prompt）是大语言模型（LLM）的输入，用于引导模型生成特定输出（文本、代码、答案等）。
• 提示工程（Prompt Engineering）：设计高质量提示，优化模型配置和表达，让LLM更精准、高效地完成任务的迭代过程。
• 关键前提：无需成为数据科学家/ML工程师，任何人都能学习，但需兼顾模型特性、表达逻辑和任务需求。

为什么重要？

• 劣质提示会导致模型输出模糊、错误或无关内容；
• 好的提示能让普通LLM发挥超预期效果，甚至媲美微调模型。

二、第一步：掌握LLM输出配置（控制模型"行为"）

在写提示前，先了解模型的核心配置，直接影响输出效果：

配置项	作用	关键参数&用法
输出长度（Token Limit）	控制生成内容的长度	- 过长：耗时、费成本；过短：内容截断（比如ReAct会产生无用token）； - 需结合任务：分类任务设5-10Token，长文本生成设1024+。
温度（Temperature）	控制输出随机性（0-∞）	- 0：确定性输出（贪婪解码，选概率最高token，适合数学、事实问答）； - 0.1-0.2：低随机性（适合分类、总结）； - 0.9+：高随机性（适合创意写作、 brainstorm）。
Top-K/Top-P（采样控制）	限制候选token范围，平衡多样性	- Top-K：选前K个高概率token（K=1=贪婪解码，K=30-40适合平衡创意）； - Top-P：选累积概率≤P的token（P=0.95常用，避免低概率token）； - 实操：默认0.2温度+0.95Top-P+30Top-K，创意任务调至0.9温度+0.99Top-P+40Top-K。

避坑点

• 温度过高（＞10）或Top-K/Top-P设为最大值：输出杂乱无章；
• 温度0时，Top-K/Top-P失效；Top-K=1时，温度/Top-P失效；
• 注意"重复循环bug"：低温度可能导致重复文本，高温度可能随机循环，需微调参数平衡。

三、核心技能：10大提示技术（按"易→难"排序）

每个技术都有明确适用场景，建议先掌握前5个基础技术，再进阶复杂技术：

1. 零样本提示（Zero-Shot）------ 入门首选

• 定义：只给任务描述，不给示例（适合简单、通用任务）；
• 示例：Classify movie reviews as POSITIVE, NEUTRAL or NEGATIVE. Review: "Her is a disturbing masterpiece." Sentiment:；
• 适用场景：文本分类、简单问答、指令执行（如"总结这段文字"）；
• 关键：指令清晰，输出格式明确（比如要求大写标签）。

2. 单样本/少样本提示（One-Shot/Few-Shot）------ 解决复杂任务

• 定义：给1个（单样本）或3-5个（少样本）示例，引导模型学习模式；
• 示例：Parse pizza orders to JSON: EXAMPLE: 我要小份芝士披萨 → {"size":"small","ingredients":["cheese"]}。用户输入：我要中份番茄+火腿披萨 → JSON：；
• 关键：示例要"相关、多样、含边缘案例"（比如披萨订单示例包含"双配料""特殊要求"）；
• 适用场景：格式转换（JSON/表格）、复杂分类、自定义任务（如产品命名规则）。

3. 系统/角色/上下文提示（System/Role/Contextual）------ 精准引导模型定位

三者常结合使用，核心是给模型"明确身份/背景/规则"：

类型	核心作用	示例
系统提示（System）	定义任务规则、输出格式	Classify reviews, return JSON: {"sentiment":"","name":""}（强制JSON输出）；
角色提示（Role）	给模型分配身份，控制语气	Act as a travel guide for Amsterdam, suggest 3 museums.（旅行向导角色）；
上下文提示（Contextual）	提供背景信息，消除歧义	Context: 为80年代街机游戏博客写文章 → 推荐3个选题（上下文限定"复古游戏"）。

• 适用场景：客服对话（角色=客服）、专业内容生成（角色=医生/程序员）、需要结构化输出的任务（系统提示强制格式）。

4. 分步提示（Step-Back）------ 提升复杂任务准确性

• 定义：先让模型思考"通用问题"（激活背景知识），再解决"具体问题"；
• 示例：
  第一步（通用问题）：What are 5 key settings for a challenging FPS level?（先明确FPS关卡的核心场景）；
  第二步（具体任务）：Use one setting to write a FPS level storyline（基于通用答案生成具体内容）；
• 优势：减少偏见，激活模型知识库，让输出更有深度；
• 适用场景：创意写作、复杂推理、专业内容生成（如"写AI伦理相关文章"，先问"AI伦理的核心争议点"）。

5. 思维链提示（CoT）------ 解决数学/逻辑推理问题

• 定义：让模型生成"推理步骤"，再给答案（弥补LLM直接计算/推理的缺陷）；
• 反例（无CoT）：我3岁时伴侣是我3倍年龄，我现在20岁，伴侣多少岁？ → 模型可能答63（错误）；
• 正例（CoT）：Let's think step by step: 1. 我3岁时，伴侣年龄=3×3=9岁；2. 年龄差=9-3=6岁；3. 我20岁时，伴侣=20+6=26岁；
• 进阶：结合少样本（给1个推理示例），效果更好；
• 适用场景：数学计算、逻辑推理、代码调试、复杂决策（如"是否投资某项目，列出分析步骤"）；
• 最佳实践：温度设为0（确保推理步骤稳定），答案放在推理后。

6. 自一致性（Self-Consistency）：用"多数投票"提升推理可靠性

自一致性是对思维链（CoT） 的优化技术，核心解决CoT"单一推理路径可能出错"的问题，通过生成多条推理路径并取多数结果，提升复杂任务的准确性。

（1）核心定义与解决的痛点

• 定义：通过"多轮采样生成推理路径+多数投票选最优答案"的方式，降低LLM单一推理的随机性误差，尤其适用于"存在明确正确答案但推理易出错"的任务（如逻辑判断、风险分类）。
• 痛点解决：LLM的CoT技术依赖"贪心解码"（只选概率最高的推理步骤），若某一步推理偏差，会导致最终答案错误；自一致性通过"多路径验证"，让正确答案在多数推理中浮现。

（2）工作原理（三步流程）

文档明确其标准流程，需结合高温度配置 （鼓励推理多样性）和结果统计：

1. 生成多样推理路径：对同一问题，用高温度（如0.9-1.0）多次调用LLM生成推理过程（每次推理步骤可能不同）；
2. 提取答案：从每条推理路径中提取最终结论（如"IMPORTANT"或"NOT IMPORTANT"）；
3. 多数投票：选择出现次数最多的答案作为最终结果（视为"最一致、最可靠"的结论）。

（3）实操案例（文档中邮件分类任务）

任务：将一封"黑客报告网站漏洞"的邮件分类为"IMPORTANT"或"NOT IMPORTANT"（邮件语气友好，易误导LLM）。

• 多轮推理示例 ：
  • 尝试1：认为"漏洞是安全风险，需紧急处理"→ 结论"IMPORTANT"；
  • 尝试2：认为"邮件无紧迫感、未要求行动"→ 结论"NOT IMPORTANT"；
  • 尝试3：认为"漏洞可执行恶意代码， sender身份不明"→ 结论"IMPORTANT"；
• 结果："IMPORTANT"出现2次，"NOT IMPORTANT"出现1次，最终选择"IMPORTANT"，符合实际安全需求。

（4）适用场景与优缺点

• 适用场景：逻辑分类（如邮件重要性、风险等级）、数学计算验证、事实性推理（如"某事件是否符合政策"）；
• 优点：无需微调，仅通过多轮采样提升准确性；能降低LLM的"幻觉"和"单一推理偏差"；
• 缺点：成本高（需多次调用LLM，消耗更多Token和时间）；仅适用于"有明确正确答案"的任务，创意类任务（如写作）不适用。

7. Tree of Thoughts（ToT）：用"多路径探索"解决复杂决策

ToT是对CoT的泛化升级，将"单一线性推理链"扩展为"多分支推理树"，让LLM像人类一样"探索不同解决思路"，适用于需要"分步决策、多方案评估"的复杂任务。

（1） 核心定义与核心差异

• 定义：通过构建"思维树"（每个节点代表一个推理步骤/中间结论），让LLM在每个节点探索多条可能的推理路径，最终筛选出最优路径，解决CoT"线性推理无法回溯"的问题。

• 与CoT的关键差异 ：

  维度	思维链（CoT）	Tree of Thoughts（ToT）
  推理结构	单一线性链（A→B→C→答案）	多分支树（A→B1/A→B2→C1/C2→答案）
  路径探索	无法回溯，错一步则全错	可在每个节点探索多路径，灵活调整
  适用任务	简单推理（如数学计算）	复杂决策（如规划、创意设计）
  中间结论利用	仅用最终推理链	评估每个节点的中间结论，剪枝无效路径

（2）工作原理（四步流程）

文档强调ToT的核心是"维护思维树+动态剪枝"：

1. 问题拆解：将复杂任务拆分为多个"中间步骤"（如"写小说"拆分为"设定世界观→设计角色→规划剧情→填充细节"）；
2. 生成思维树：对每个中间步骤（树节点），生成多条可能的推理路径（如"世界观设定"可生成"科幻/奇幻/复古"3条路径）；
3. 评估与剪枝：LLM对每个节点的推理路径进行"有效性评估"（如"复古世界观是否符合小说主题"），剔除无效路径（如"科幻与主题不符"）；
4. 筛选最优路径：遍历修剪后的思维树，选择逻辑最连贯、结果最优的路径，生成最终答案。

（3）实操案例（文档隐含场景：游戏关卡设计）

任务：为第一人称射击（FPS）游戏设计一个"有挑战性的关卡剧情"。

• ToT推理过程 ：
  1. 中间步骤1（关卡场景选择）：生成"废弃军事基地/赛博朋克城市/水下研究设施"3条路径；
  2. 评估剪枝：剔除"废弃军事基地"（过于常见，缺乏新意），保留后两者；
  3. 中间步骤2（敌人设计）：对"水下研究设施"生成"变异海洋生物/失控机器人"2条路径；
  4. 评估剪枝：选择"变异海洋生物"（与水下场景更契合，增加沉浸感）；
  5. 最终路径：水下研究设施→变异海洋生物→需要潜水装备+解谜→关卡剧情（如"玩家潜入深海实验室，对抗变异生物，破解洪水危机"）。

（4）适用场景与关键优势

• 适用场景：复杂规划（如项目管理计划、旅行路线设计）、创意创作（如小说/剧本分镜）、多步骤决策（如产品设计方案评估）；
• 关键优势 ：
  • 灵活性高：可回溯、调整推理路径，避免CoT"一步错全错"；
  • 深度推理：能处理"需要多方案对比"的任务，结果更全面；
  • 可解释性强：每个节点的推理过程和评估逻辑可追溯，便于调试。

8. ReAct：用"推理+工具"解决"知识不足"问题

ReAct是结合"自然语言推理"与"外部工具调用"的范式，让LLM像人类一样"思考→行动→获取信息→再思考"，解决LLM"知识过时、无法获取实时数据"的核心痛点。

（1）核心定义与核心价值

• 定义：通过"思维-行动-观察"循环（Thought→Action→Observation），让LLM先推理"需要什么信息"，再调用外部工具（如搜索、数据库、代码解释器）获取信息，最后基于信息生成答案，实现"Agent化"（自主完成复杂任务）。
• 核心价值：突破LLM"静态知识"局限------LLM的训练数据有时间截止（如2023年），无法获取实时信息（如2025年事件）或特定领域数据（如某公司财报），ReAct通过工具调用填补这一空白。

（2） 工作原理（循环流程）

文档以"查询Metallica乐队成员子女总数"为例，明确ReAct的标准循环：

1. 思维（Thought）：分析问题，确定"需要先知道Metallica成员名单，再查每个成员的子女数量，最后求和"；
2. 行动（Action）：调用工具（如SerpAPI搜索），输入"Metallica乐队成员名单"；
3. 观察（Observation）：获取工具返回结果（如"成员包括James Hetfield、Lars Ulrich、Kirk Hammett、Robert Trujillo"）；
4. 循环迭代 ：基于观察结果继续推理→行动→观察：
   • 思维："需查James Hetfield的子女数量"→行动：搜索→观察："3个孩子"；
   • 思维："需查Lars Ulrich的子女数量"→行动：搜索→观察："3个孩子"；
   • 以此类推，直到获取所有成员数据；
5. 生成答案：汇总观察结果（3+3+2+2=10），返回最终答案。

（3）实操关键（文档强调的技术细节）

• 工具配置：需结合框架（如LangChain）加载工具（如搜索工具SerpAPI、代码工具Python Interpreter），并配置API密钥（如SerpAPI密钥）；
• 提示设计：必须在提示中明确"允许调用工具"和"输出格式"（如"先思考需要什么信息，再用Action: [工具名] + Input: [查询词] 格式调用工具"）；
• 结果处理：需自动保存"思维-行动-观察"历史，供LLM后续推理使用；若工具返回无效信息（如搜索结果为空），需让LLM重新调整查询词（如"Metallica current members 2025"）。

（4） 适用场景与优缺点

• 适用场景：实时信息查询（如"2025年奥斯卡最佳影片"）、数据计算（如"某股票近30天涨幅"）、跨平台交互（如"调用数据库查询用户信息"）、复杂工具任务（如"用代码生成图表"）；
• 优点：突破LLM知识局限，获取实时/特定数据；可自主完成"推理+执行"全流程，实现Agent化应用；
• 缺点：依赖外部工具（需配置API、处理工具故障）；学习成本高（需掌握LangChain等框架）；仅适用于"需要外部信息"的任务，纯逻辑推理（如数学题）不适用。

9. 自动提示工程（APE）------ 批量生成优质提示

• 定义：用LLM生成多个候选提示，通过BLEU/ROUGE评分筛选最优提示；
• 示例：为T恤电商聊天机器人生成提示→ 让LLM生成10种用户可能的提问方式（如"我要小码MetallicaT恤""Can I order a small Metallica t-shirt?"）→ 筛选最贴合用户习惯的提示；
• 适用场景：大规模应用（如客服机器人、批量任务处理），减少人工编写成本。

10. 代码提示（Code Prompting）------ 开发者必备

• 四大场景：
  1. 写代码：Write a Bash script to rename files in a folder by prepending "draft_"；
  2. 解释代码：粘贴无注释代码，要求"逐行解释功能"；
  3. 代码翻译：Translate Bash script to Python；
  4. 调试代码：粘贴报错代码+错误信息，要求"找出问题并修复"；
• 关键：输出格式明确（如"用Markdown格式返回代码"），生成后务必测试（LLM可能生成语法错误）。

四、必看：12个最佳实践（避坑+提效）

1. 提供示例：少样本提示比零样本效果好10倍，示例要相关、多样；
2. 简洁明确：避免复杂句式和冗余信息（比如"纽约带3岁孩子旅游"→ 优化为"Act as a travel guide for Manhattan with 3-year-olds"）；
3. 明确输出格式：比如"生成3段博客，每段100字， conversational风格"，而非"生成博客"；
4. 用指令代替限制：比如"只讨论游戏机名称、厂商、年份、销量"，而非"不要提游戏名称"；
5. 控制Token长度：按任务设上限（如推文→280字符，长文→1024+Token）；
6. 使用变量 ：复用提示（如Tell me a fact about {city}，替换{city}为阿姆斯特丹/巴黎）；
7. 实验输入/输出格式：同一任务可试"问题式"（What is...）、"指令式"（Write...）、"陈述式"（The Sega Dreamcast is...）；
8. 分类任务混合示例类别：少样本示例中打乱POSITIVE/NEGATIVE顺序，避免模型死记硬背；
9. 适配模型更新：新模型版本可能改变对提示的响应，需重新测试调整；
10. 结构化输出（JSON/XML）：非创意任务用JSON，减少幻觉、便于后续处理（如数据提取）；
11. 协作实验：和其他提示工程师一起头脑风暴，对比不同提示的效果；
12. 完整文档记录：用表格记录每次尝试（模板如下），方便迭代和复盘：

Prompt ID	目标任务	模型	配置（温度/Top-K/Top-P）	完整提示内容	输出结果	效果（OK/NOT OK）	迭代优化点
1_1	电影评论分类	gemini-pro	0.1/NA/1	...	POSITIVE	OK	无
1_2	披萨订单转JSON	gemini-pro	0.1/NA/1	...	...	SOMETIMES OK	补充边缘案例

五、工具推荐

• 测试平台：Vertex AI Studio（谷歌官方，支持Gemini，可配置参数）、Gemini Chat（免费快速测试）；
• 框架：LangChain（用于ReAct、工具调用）、json-repair（修复LLM生成的残缺JSON）；
• 评估指标：BLEU/ROUGE（评估提示质量）、人工评分（输出相关性、准确性）。