文章目录
上一轮工业革命已成历史，这一轮智能革命正在眼前。
我们正见证历史，关注我，一起学习大模型。
一、原理基础-何为prompt
prompt，意为提示词。
是用户发给大模型的"指令"或"问题"，它直接决定了模型会"思考"什么以及如何"回答"。prompt写的越清晰，回答的越好。
比喻理解
RAG = 实时"开卷考"。
- 没有RAG：大模型是"闭卷考"，只能依赖训练时记住的、可能过时的知识。
- 有RAG：大模型在答题前，先自动去专属资料库（你的文档、数据库）（也就是通常叫的【知识库】）里查一遍，把查到的相关原文片段，和你的问题一起作为"参考资料"摆在眼前，再生成答案。
核心目的：让大模型的回答依据可靠、实时可更新、且可追溯来源。
那你可能会问：
有rag的时候，除了查专属资料库，还会去查"训练时记住的、可能过时的知识"吗？
答：会查，但会优先、且主要依赖检索到的专属资料库信息。查不到了，再去训练时候的查。但它可能会给出说明，比如我没有在知识库中查询到相关信息，但根据我的能力，我可以告诉你吧啦吧啦...
二、prompt重要性
就好像你想让张三把他身后的水杯递给你，你会有很多种说法：
1.张三，把那个给我
2.张三，把那个红色水杯给我
3.张三，把你身后的那个红色带把的水杯给我
这样对比下来，你觉得张三最能听得懂哪句？肯定是第三句。
同理，你把想问的问题告诉大模型，要想得到你想要的答案，首先得问清楚问明白。这直接决定了你能不能得到一个想要的答案。所以，他很重要。
三、prompt的组成
prompt也是有套路的，现在很多企业也都加上了根据你的问题，自动给你扩展成更好的prompt的功能。通常扩展成下面这样：
python
【角色设定】
你是一位经验丰富的网络安全专家。
【任务指令】
请分析以下代码片段中的安全漏洞。
【输入内容】
def process_input(user_input):
return eval(user_input) # 这里存在安全隐患
【输出要求】
- 指出具体漏洞类型
- 说明潜在风险
- 提供修复方案
- 用表格形式呈现- 角色设定 (Role)：让模型"扮演"特定专家
- 任务指令 (Task)：明确要做什么
- 上下文 (Context)：提供必要背景信息
- 输入数据 (Input)：需要处理的具体内容
- 输出格式 (Format)：指定结构、长度、风格等
- 约束条件 (Constraints)：限制范围、避免偏离
当然，你不按照这种格式也可以，大模型也会回答你，但效果可能会打折扣。