AI大模型提示词工程实战：从零构建高效提示词的避坑指南

1次阅读

共计 1336 个字符，预计需要花费 4 分钟才能阅读完成。

刚接触提示词工程时，开发者经常会遇到以下问题：

指令模糊导致输出偏离预期
比如只写 ” 写一篇关于人工智能的文章 ”，大模型可能生成科普文、技术报告甚至诗歌。我曾用这个指令测试，结果 5 次运行得到 3 种完全不同风格的内容。
缺乏约束条件产生无效输出
例如让模型 ” 推荐旅游目的地 ” 却不限定预算、季节偏好，得到的推荐从东南亚到南极包罗万象，根本无法实际使用。
忽略格式要求增加解析成本
需要结构化数据时，只要求 ” 列出优势 ” 却没指定 JSON 或表格格式，后期需要额外处理文本。

有效的提示词应包含三个层次：

角色定义（Who）

"""你是一名资深机器学习工程师，擅长用通俗语言解释技术概念"""

任务描述（What+Why）

"""向非技术背景的产品经理介绍 Transformer 架构，重点说明自注意力机制如何解决长距离依赖问题"""

输出格式（How）

"""用汽车零部件类比解释，输出包含 3 个核心观点，每点不超过 2 句话"""

零样本提示 适合简单明确的任务

# 直接提问
"列出 Python 字典的 5 个常用方法"

少样本提示 适合复杂场景

"""
示例 1:
输入：把 "我爱编程" 翻译成英语
输出：I love programming

输入：把 "天气真好" 翻译成英语  
"""

import openai

# 错误示范：模糊指令
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "说说机器学习"}]
)

# 优化版本：结构化提示
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{
        "role": "system", 
        "content": "你是 AI 技术布道师，擅长用生活案例解释概念"
    }, {
        "role": "user",
        "content": "用做菜类比解释监督学习和无监督学习的区别，要求：1. 包含 3 个对比维度 2. 每点不超过 30 字"
    }],
    temperature=0.7,  # 控制创造性
    max_tokens=150    # 限制输出长度
)

# 在用户输入和模型输出间加入过滤层
def safe_prompt(prompt):
    banned_words = ['暴力', '色情', '政治']
    if any(word in prompt for word in banned_words):
        raise ValueError("包含敏感词汇")
    return prompt