提示词工程01

1.一个专业的Prompt提示词的基本结构

示例结构:

复制代码
# 指令
请帮我总结以下文章的核心观点

# 上下文
这是一篇关于 AI 技术发展的行业报告,目标读者是技术决策者

# 输入数据
【文章内容...】

# 输出指示
- 用 3-5 个要点总结
- 每个要点不超过 50 字
- 用 Markdown 列表格式输出

2.控制Token数量,降低成本

3.让AI输出指定格式的内容

json格式示例:

复制代码
请分析以下用户数据,并用 JSON 格式输出,格式如下:

{
  "name": "用户名称",
  "age": 年龄数字,
  "tags": ["标签1", "标签2"]
}

用户数据:[具体数据...]

Markdown表格示例:

复制代码
请对比三个产品的特点,用 Markdown 表格展示:

| 产品名称 | 价格 | 特点 |
|---------|------|------|
| 产品A | $100 | 特点描述 |

4.在系统提示词中给AI一个角色

示例:

复制代码
# 基础版
你是一位Python编程专家,请帮我解释什么是装饰器。

# 进阶版
你是一位有10年经验的Python高级工程师,擅长用简单易懂的比喻解释复杂概念。
现在你要给一个刚学编程的新手解释什么是装饰器,请用生活中的例子类比。

5.提示词分隔符有大作用

6.在提示词中设置约束条件

示例:

复制代码
请帮我写一篇关于 Python 装饰器的技术文章,要求:

1. 字数在 800-1000 字之间
2. 包含至少 2 个代码示例
3. 用 Markdown 格式,包含一级和二级标题
4. 语言通俗易懂,适合有 1 年 Python 经验的开发者
5. 不要涉及太深的元编程知识
6. 最后给出实际应用场景

7.Few-short Learning是啥?Zero-shot、One-shot、Few-shot区别?

Zore-shot示例:

复制代码
请将以下句子分类为正面、负面或中性:
"这个产品质量不错,值得推荐。"

Few-shot示例:

复制代码
请将句子分类为正面、负面或中性。

示例1:
输入:这个产品质量不错,值得推荐。
输出:正面

示例2:
输入:完全不好用,浪费钱。
输出:负面

示例3:
输入:还可以吧,没什么特别的。
输出:中性

现在请分类:
输入:服务态度很好,物流也快。
输出:

示例对比设计:

复制代码
# 不好的示例(太复杂、无代表性)
输入:这个产品非常非常好,我用了很久都没问题,强烈推荐!
输出:正面

# 好的示例(简洁、有代表性)
输入:质量不错
输出:正面

输入:完全不行
输出:负面

输入:一般般
输出:中性

8.CoT思维链

9.零样本CoT与少样本CoT的区别

零样本CoT示例:

复制代码
问题:一个数的3倍加上5等于23,这个数是多少?

让我们一步步思考。

少样本CoT示例:

复制代码
问题:一个数的2倍加上3等于11,这个数是多少?
推理:
1. 设这个数为x
2. 根据题意:2x + 3 = 11
3. 移项:2x = 11 - 3 = 8
4. 解得:x = 4
答案:4

现在解决:一个数的3倍加上5等于23,这个数是多少?

10.如何让AI一步步思考来提升推理能力

结构化思考示例:

复制代码
请分析这个商业决策,按以下步骤思考:

1. 识别问题:这个决策要解决什么问题?
2. 列出选项:有哪些可能的方案?
3. 分析利弊:每个方案的优缺点是什么?
4. 考虑风险:可能的风险和应对措施?
5. 给出建议:基于以上分析,推荐哪个方案?

问题:[具体问题描述]

11.如何利用自洽一致性来提升AI输出结果的可靠性

应用示例:

复制代码
同样的问题,生成3次:

第一次推理:
... (推理过程) ... 
答案:15

第二次推理:
... (不同的推理过程) ...
答案:15

第三次推理:
... (又一种推理路径) ...
答案:15

自洽性检查:3次都得出15,所以最终答案是15

12.如何利用Prompt降低AI幻觉

减少幻觉的提示词示例:

复制代码
请基于以下文档回答问题。重要提示:
1. 只使用文档中的信息,不要添加文档外的内容
2. 如果文档中没有相关信息,明确说"文档中未提及"
3. 引用时请注明出处

文档:【文档内容】

问题:【用户问题】

13.temperature与top_p参数如何选值?

参数选择建议:

复制代码
事实性任务(翻译、总结、问答):
temperature = 0-0.3
top_p = 0.1-0.5

创造性任务(写作、头脑风暴):
temperature = 0.7-1.0
top_p = 0.8-1.0

平衡任务(对话、解释):
temperature = 0.3-0.7
top_p = 0.5-0.9

14.设计一个可以复用的提示词模板

基础模板示例:

复制代码
# Python 字符串格式化
template = """
你是一位{role},擅长{specialty}。
请帮我{task},要求:
1. 风格:{style}
2. 长度:{length}

内容:{content}
"""

# 使用模板
prompt = template.format(
    role="技术作家",
    specialty="用简单语言解释复杂概念",
    task="写一篇技术文章",
    style="通俗易懂",
    length="800字",
    content="Python装饰器"
)
相关推荐
syso_稻草人2 天前
qwen-image-2.1 姿态控制拆解:SDPose 提骨架 + Fun-ControlNet-Union 锁姿势,换人换景不换姿势
人工智能·stable diffusion·prompt·提示词优化·qwen-image
forest_093 天前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
2601_967987373 天前
提示词工程实战:5种失效模式与7步修复框架
提示词工程·失效模式·修复框架·案例拆解·实操心得
2601_967987374 天前
AI加速波:大模型应用开发主要做哪些工作?
rag·提示词工程·agent开发·ai大模型应用开发·服务封装
zc.z4 天前
提示词工程一:Prompt基本原理
提示词工程·上下文窗口·prompt基本原理
Java后端的Ai之路5 天前
Java并发编程22-Lock接口
java·人工智能·prompt·lock
XLYcmy6 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 上
llm·prompt·模糊测试·漏洞修复·漏洞检测·deepseek·消融实验
XLYcmy6 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
forest_097 天前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
syso_稻草人7 天前
qwen-image-2.1 PE 增强编辑:QwenImage21_EditPromptRewrite 一句话中文扩写成完整编辑指令
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1