AI提示词工程实战：从基础原理到高效调优策略

1次阅读

没有评论

共计 2026 个字符，预计需要花费 6 分钟才能阅读完成。

在开发 AI 应用时，我们常常遇到以下问题：

语义歧义：同样的提示词在不同场景下可能产生完全不同的理解
上下文溢出 ：当提示词过长时，超出模型的 context window(上下文窗口) 限制
输出格式失控：模型返回的结果格式不符合预期，增加后续处理难度

这些问题直接影响了 AI 应用的稳定性和可用性。以一个客服机器人项目为例，我们发现仅因提示词微调就导致意图识别准确率波动达 15%。

采用三层结构设计提示词：

系统指令层：定义模型的基础行为准则
用户指令层：明确具体任务要求
示例模板层：提供输入输出示例

# 三层提示词结构示例
system_prompt = """你是一个专业的客服助手，回答时应保持礼貌和专业。"""
user_prompt = """请根据以下用户问题提供解决方案：{user_input}"""
example_template = """
示例：用户：我的订单没有收到
助手：很抱歉给您带来不便。请提供订单号，我将立即为您查询。"""

使用 Python 的 f -string 实现变量动态替换：

def generate_prompt(user_input: str, product: str) -> str:
    """
    动态生成提示词
    :param user_input: 用户输入内容
    :param product: 产品类型
    """base_prompt ="""
    你是一个 {product} 专家，请用中文回答以下问题：问题：{query}
    要求：回答不超过 100 字，包含 3 个关键点
    """

    try:
        return base_prompt.format(product=product, query=user_input)
    except KeyError as e:
        print(f"缺少必要参数: {e}")
        return ""

通过提供少量示例提升模型表现：

few_shot_prompt = """
请将以下英文翻译成中文：示例 1:
输入: Hello world
输出: 你好，世界

示例 2:
输入: Good morning
输出: 早上好

现在请翻译：{user_input}
"""

计算 token 数时保留 20% 余量
长文本采用 ” 继续 ” 分段处理

from transformers import GPT2Tokenizer
tokenizer = GPT2Tokenizer.from_pretrained("gpt2")

def check_length(prompt: str, max_tokens=2000) -> bool:
    tokens = tokenizer(prompt)['input_ids']
    return len(tokens) <= max_tokens * 0.8

建立实时过滤机制：

sensitive_words = ["暴力", "色情", "政治"]  # 示例敏感词库

def filter_content(text: str) -> str:
    for word in sensitive_words:
        if word in text:
            text = text.replace(word, "***")
    return text

建议采用 Git 管理提示词版本，每个版本包含：

提示词内容
测试用例
性能指标

import pandas as pd

def ab_test(prompt_a: str, prompt_b: str, test_cases: list) -> dict:
    results = {"A": [], "B": []}

    for case in test_cases:
        # 这里替换为实际调用模型的代码
        result_a = call_model(prompt_a.format(query=case))
        result_b = call_model(prompt_b.format(query=case))

        # 人工或自动评估结果质量
        results["A"].append(evaluate(result_a))
        results["B"].append(evaluate(result_b))

    return pd.DataFrame(results)