提示词（Prompt）指南
提示词是你输入给人工智能模型（如大语言模型）的指令、问题或描述，用来引导模型生成符合你需求的回答。
两种类型
系统提示词
- 定义：设定 AI 的全局行为、身份、规则。
- 特点：优先级高，通常在整个对话中持续生效，用户不可见或固定。
用户提示词
- 定义：每次具体提问的内容。
- 特点：动态变化，可以覆盖部分系统设定。
Prompt 内容分类
构建提示词时，通常包含以下六大要素：
-
身份设定
- 定义：指定 AI 或执行者扮演什么"人"或"角色"。
- 作用：决定了回答的语气、专业领域和视角。
- 示例："你是一位资深律师"、"你是一名小学语文老师"。
-
背景设定
- 定义：描述任务发生的场景、情境或故事前提。
- 作用：为回应提供上下文，帮助理解为什么需要做这件事。
- 示例："用户正在备考研究生，心情焦虑"。
-
参考资料
- 定义：提供给 AI 用来生成回答的事实、数据、文档或知识片段。
- 作用：限制 AI 不能随意发挥，必须基于给定材料。
- 示例："请参考以下产品说明书......"。
-
样例
- 定义：给出一个或几个输入→输出的示范，让 AI 模仿格式、风格或推理方式。
- 作用：比文字指令更直观，能减少歧义。
- 示例："问：2+2=？ 答：4"。
-
指令
- 定义：明确要求 AI 执行的动作或输出形式。
- 作用：指令通常以祈使句出现，是任务的核心要求。
- 示例："用三个要点回答"、"翻译成英文"、"总结以上内容"。
-
限定条件
- 定义：对回答的约束。
- 作用：用来控制输出范围，避免跑题或风险。
- 示例："不超过 200 字"、"不要涉及政治观点"、"只使用中文"。
Prompt 样例数量分类
根据提供示例的数量，提示词可分为以下三类：
Zero-Shot（零样本）
不给任何示例，直接给出指令或问题，让模型凭自身知识回答。
- 适用场景：模型已经理解的任务，或示例不必要。
- 示例 ： 指令：请将以下句子翻译成英文："今天天气很好。"
模型输出：The weather is nice today.
One-Shot（单样本）
给 1 个示例，然后让模型完成类似的任务。示例起到示范格式、风格或推理路径的作用。
- 适用场景：任务有一定格式要求，但不需要太多例子。
- 示例 ： 将中文翻译成英文。
中文："我爱你" → 英文："I love you"
现在请翻译："他喜欢吃苹果。"
模型输出：He likes to eat apples.
Few-Shot（少量样本）
给 2 个以上（通常 2~5 个）示例，让模型从中归纳出模式或规律，再应用到新输入上。
- 适用场景：任务较复杂，需要模型理解某种映射关系（如情感分类、代码生成、特殊格式转换）。
- 示例 ： 示例 1：评论："这部电影太棒了！" → 情感：正面
示例 2：评论："剧情无聊，浪费时间。" → 情感：负面
示例 3：评论："画面很美，但故事老套。" → 情感：中性
现在请判断："演员演技一流，可惜剧本太差。"
模型输出：中性
对比总结
| 类型 | 示例数量 | 学习方式 | 典型场景 |
|---|---|---|---|
| Zero-Shot | 0 | 依赖预训练知识 | 通用问答、翻译、摘要 |
| One-Shot | 1 | 模仿一个格式 | 格式输出、角色扮演 |
| Few-Shot | 2~5 | 归纳模式 | 分类、代码生成、逻辑推理 |
注意：一般来说，Few-Shot 效果优于 One-Shot 优于 Zero-Shot，但会消耗更多 token 和推理时间。
高质量提示词检查清单
编写提示词时，请检查以下几点：
- 有清晰的任务动词（总结、翻译、分类、生成......）
- 提供了必要的背景或身份设定
- 给出了输入数据或参考资料（如果需要）
- 用 Few-Shot 样例说明了格式或推理过程（如果需要）
- 指定了输出格式、字数、风格等约束
- 没有矛盾或过度的限制
- 经过至少一次测试和迭代