提示词工程-学习笔记

提示词工程

提示词工程，就是设计、优化发给大模型（ChatGPT、豆包、Claude 等）的指令（Prompt），让 AI 输出结果精准、符合预期、高质量。

本质：人和 AI 沟通的语言技巧。

提示词核心万能框架

CRISPE 框架

1. C‑Capacity 角色：你是谁 / AI 扮演谁
2. R‑Role 任务：要做什么事
3. I‑Information 背景信息：相关资料、上下文、约束条件
4. S‑Steps 步骤：执行流程
5. P‑Output 输出格式：结果长什么样（markdown、表格、要点、文案）
6. E‑Example 示例（可选）：给一个参考样例

复杂问题，提示词手段

Chain-of-Thought (cot思维链)

思维链（CoT）就是让 AI 不要直接蹦出最终答案，把中间一步步的推理过程写出来，再给出结果。

它是一种提示词技巧，专门提升大模型做推理题的正确率（数学、逻辑、推理、应用题）。

Zero‑Shot‑CoT 零样本思维链

请一步一步进行思考，写出你的推理过程。

Few‑Shot‑CoT 少样本思维链

你给 AI 1‑2 个「问题 + 分步解答」的示范，它照着范例的格式一步步推你的新问题。

CoT 为什么效果更好？

大模型直接输出答案时，经常跳过中间逻辑，容易犯低级推理错误。

分步思考相当于把任务拆解成小步骤，降低难度。

PromptChaining（链式提示）

链式提示 = 分多轮对话，上一轮结果传给下一轮，一步一步推进，每一步都可以人工修改。

提示词流程：

1.头脑风暴选题

2.挑选选题，生成大纲（把上一步结果拿来用）

3.基于大纲，写出初稿

4.反思校验优化（最后一轮）

ReAct(推理与⾏动协同模式)

让大模型在"思考"和"行动"之间交替进行，通过推理来决定下一步该做什么，通过行动来获取外部信息或执行操作，最终解决问题。

它不是一次性给出答案，而是像人一样边想边做。

使用reAct思维，帮我解决职场纠纷问题

Self-Consistency（⾃我⼀致性）

同一个问题，让模型生成多条独立的 CoT 推理路径，然后对多个答案投票，选出现次数最多的结果，减少推理出错。

针对该问题，生成4条相互独立、思考角度不一样的分步推理。
每条推理结尾给出自己的答案。
统计各个答案出现的频次，选择频次最高的作为最终答案。
如果出现平局，请再新增一条推理打破平局。

结构化输出

结构化输出是指强制大语言模型按照预定义的格式（如 JSON、XML、YAML、表格等）返回结果，而非自由文本

1. 提示词约束（Prompt Engineering）
2. Few-shot 示例引导
3. Schema 定义（最可靠）