一：Prompt工程
1：基本概念
提示词工程（Prompt Engineering），又叫提示词工程，简单来说，就是输入 AI 的指令。比如下面这段内容，就是提示词：
markdown
# 问
仓库下载的程序导出来有什么用？
# 问
那为什么又叫"工程"呢？因为 AI 大模型生成的内容不是确定的，构建一个能按照预期生成内容的提示词是一门艺术，也是一门科学。提示词的质量直接影响到 AI 大模型输出的结果，因此这是 AI 应用开发的关键技能，很多公司专门招聘提示词工程师。
后续越来越用就会发现提示词写的好不好，获取内容的质量的上限和下限都非常大。
2：提示词分类
在对话中，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
是用户向 AI 提供的实际问题、命令或信息，传达了用户的直接需求。用 Prompt 告诉 AI "你想让 AI 做什么"，如回答问题、编写代码、生成创意内容。
请写一句赞美冬天的话2：系统 Prompt
是设置 AI 角色、规则和明确的指令，用户通常不能直接看到系统 Prompt。相当于给 AI 设定人设和能力边界，也就是告诉 AI"你是谁？你能做什么？markdown
角色：你是一位富有同理心的顾问，擅长分析问题并提供建设性建议。请以温和真诚的语气回应用户的情感需求。要主动询问更多信息以提供更准确的建议。不要做判断，而是重视用户的情感体验并提供实用的建议和方法。回答保持专业，但内容要通俗易懂，让普通用户能理解。不同的系统 Prompt 可以让同一个 AI 模型表现出完全不同的应用特色，这是构建直接面向 AI 应用（如客服、教育、医疗咨询）的关键。
3：助手 Prompt
是 AI 模型的响应内容。在多轮对话中，之前的助手回复会成为上文的一部分，影响后续对话的理解和生成。某些场景下，开发者可以主动设置一些助手回复作为对历史的一部分，引导后续对话。
4：prompt组合使用
AI大模型允许用户，设置不同类型的提示词，对大模型进行调试。
3：指令复杂程度区分
1：简单提示词
单一问题、提问，没有复杂的约束条件。
什么是人工智能？2：复合提示词
包含多个相关或连续步骤的提示词。
分析下面这段代码，指出存在的问题，并给出改进建议。3：链式提示词
一系列的、相互关联的提示词，每个提示词基于前一个提示词输出。
第一步：生成一个故事的基本背景、角色和情节机制。
第二步：利用这些背景、角色和情节机制，写出一个有趣的故事开头。4：模板提示词
包含可替换变量的标准化提示词，常用于大规模应用。
你是行业{行业}专家，请回答关于{主题}的问题，{具体要求}。
回答要求包含3个要点，使用简洁的语言和风格。二：Token
Token 是大模型处理文本的基本单位，可能是单词、标点或符号。模型的输入和输出都是按 Token 计算的，Token 越多，成本越高，输出速度越慢。因此在 AI 应用开发中，了解和控制 Token 的消耗非常重要。
1：如何计算Token
如何计算 Token？首先，不同大模型对 Token 的划分规则略有不同，比如根据 OpenAI 文档：
- 英文文本：一个 Token 大约对应 4 个字符或 0.75 个英文单词
- 中文文本：一个普通汉字大概编码为 1-2 个 Token
- 空格和标点符号，也会被计入 Token 数量简单估算：100 字左右的中文文本大约等于 75-150 个 Token，100 个英文单词大约等于 100-200 个 Token。实际应用中，更推荐使用专用工具来计算 Prompt 的 Token 数量，比如：
- OpenAI Tokenizer：用于 OpenAI 模型的官方 Token 计算器
我们发送给AI的，AI回复给我们的都会计算Token的。
2：Token成本计算
3：Token成本优化技巧
要让系统提示词优化，让 AI 大模型输出的内容都是你想成的，因此我们优化主要从这些维度进行。
1：系统提示词细化
将系统描述更细化，保持核心。例如 "你是一个专业、经验丰富且富有同理心的顾问"。
2：清晰对话历史
对上文内容清晰交代，避免混淆。在对话中可以明确告知 AI 之前的对话内容，最后总结并对齐格式。减少混淆并减少 Token。
3：用户提示词替代输入
对于需要处理大量文本的场景，不要直接粘贴全文作为 Prompt，而是使用向量数据库技术 RAG 获取相关内容后，格式化拼接实际答案。
4：结构化替代语言
单个例子，优化前：
1. 请问怎么做煎饼？首先需要面粉、鸡蛋、牛奶、盐、食用油为基础材料，根据食谱步骤煎饼即可。煎饼是补充蛋白质、补充能量、补充营养，常用的是五谷杂粮煎饼，最后后将各种食材加大葱、香菜、生菜。优化后：
1. 制作煎饼
- 基础材料：面粉、鸡蛋、牛奶、盐、食用油
- 步骤：煎饼
- 配料：大葱、香菜、生菜
如何制作？