AI大模型提示词工程实战：从基础Prompt设计到高级策略优化

1次阅读

没有评论

共计 1911 个字符，预计需要花费 5 分钟才能阅读完成。

在和大模型打交道的过程中，糟糕的 Prompt 设计经常让我们得到令人失望的结果。以下是三个最常见的错误案例：

模糊指令导致偏离预期
示例 Prompt：” 写一篇关于健康的文章 ”
问题：没有指定长度、目标受众或具体方面，导致输出内容过于泛泛
缺乏上下文控制引发冗余
示例 Prompt：” 解释机器学习 ”
问题：未限定知识水平和解释深度，可能产生过于基础或过于专业的内容
格式不规范造成解析困难
示例 Prompt：” 总结这篇文 … [直接粘贴 3000 字文档]”
问题：未预留指令和内容的明确分隔，模型可能混淆指令和待处理文本

使用明确的动作动词（生成 / 列举 / 比较等）
限定输出格式（Markdown/JSON/ 纯文本等）
示例优化：” 用 300 字向高中生解释神经网络基本原理，使用类比手法 ”

显式声明前置条件：” 假设你是资深 Python 开发者 …”
控制输出风格：” 用非技术语言解释 …”
设置回答边界：” 仅讨论 2020 年后的技术发展 ”

指令与内容分离：使用 \”\”\” 或 — 作为分隔符
重要参数前置：”[语言 = 中文][长度 =500 字]…”
多轮对话标记：”## 后续问题：…”

system message 的黄金结构：

你是一位{角色}，擅长{领域}。你的任务是{具体目标}。回答要求：{格式 / 风格限制}。

分步推理模板：

请按以下步骤分析问题：1. 识别核心要素
2. 建立关联关系
3. 推导可能结论
4. 验证逻辑链条

混合输入处理原则：
– 文本描述优先：” 图片显示的是 …”
– 元数据补充：”[图片分辨率 =1024×768][主色调 = 蓝色]”
– 跨模态关联：” 根据图表趋势，预测 …”

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def get_ai_response(prompt, temperature=0.7):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-4",  # 指定模型版本
            messages=[{"role": "system", "content": "你是一位技术文档工程师"},  # 系统角色设定
                {"role": "user", "content": prompt}  # 用户输入
            ],
            temperature=temperature,  # 控制输出随机性(0-1)
            max_tokens=2000  # 限制最大输出长度
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"API 调用失败: {str(e)}")
        raise

# 使用示例
effective_prompt = """
请用 Markdown 格式生成 Python 正则表达式教程，要求：- 包含 3 个常用场景示例
- 每个示例给出模式解释和匹配结果
- 面向初级开发者
"""
print(get_ai_response(effective_prompt))

估算工具：使用 tiktoken 库计算 token 数
分段策略：长文本按语义分块处理
压缩技巧：去除冗余形容词 / 重复内容

双层防护方案：
1. 前置过滤：在 Prompt 中加入 ” 拒绝回答涉及 … 的问题 ”
2. 后置检查：正则匹配关键词(如隐私数据)

监控指标：记录每次调用的 token 消耗
缓存机制：对相同 Prompt 复用结果
降级策略：非关键任务使用轻量模型

优化维度	原始 Prompt	优化后 Prompt	改进效果
指令清晰度	“ 写代码 ”	“ 用 Python 实现快速排序，添加逐行注释 ”	输出可直接运行
上下文控制	“ 解释 SSL”	“ 向运维人员解释 SSL 握手过程，重点说明密钥交换 ”	专业度提升 40%
格式规范	“ 总结这篇文章 ”	“ 用三个要点总结下文，每个要点不超过 20 字：\”\”\”[文章]\”\”\””	信息提取准确率提高