AI提示词工程实战：从新手入门到避坑指南

1次阅读

共计 1937 个字符，预计需要花费 5 分钟才能阅读完成。

提示词工程是 AI 应用开发中的关键环节，直接影响模型输出的质量。对于新手来说，提示词设计往往充满挑战，主要表现在以下几个方面：

语义理解偏差：模型可能对模糊或歧义的提示词产生误解，导致输出不符合预期
上下文丢失：在多轮对话或复杂任务中，模型容易丢失之前的上下文信息
结果不可控：相同的提示词在不同时间可能产生不一致的结果
过度简略：过于简单的提示词无法提供足够的指导
缺乏结构：混乱的提示词结构会降低模型的理解能力

明确性：清晰表达你的需求，避免模糊用语
上下文连贯性：确保提示词能保持对话或任务的连贯性
结构合理：使用分节或编号帮助模型理解复杂任务
示例引导：提供示例可以帮助模型更好地理解你的需求
长度适中：过长的提示词可能分散模型注意力，过短则可能信息不足

以下是几个实用的提示词模板结构：

请从以下文本中提取[具体信息类型]，并以 JSON 格式返回结果。要求：1. 只包含相关信息，去除无关内容
2. 保持原始信息的准确性
3. 按以下字段组织结果：[字段 1, 字段 2,...]

文本内容：[输入文本]

请将以下内容分类到 [类别 1, 类别 2,...] 中。判断标准：- 类别 1：[详细描述]
- 类别 2：[详细描述]
...

如果内容不符合任何类别，请返回 "其他"。输入内容：[待分类内容]

模糊 vs 明确
模糊：” 写一篇关于健康的文章 ”
明确：” 写一篇 800 字关于地中海饮食对心血管健康影响的科普文章，目标读者是 30-50 岁上班族 ”
单次 vs 多轮
单次：” 总结这篇文章 ”
多轮：” 首先阅读这篇文章，然后提取 3 个关键点，最后用一句话总结 ”
无示例 vs 有示例
无示例：” 把这句话改写得正式些 ”
有示例：” 把这句话改写得正式些，例如：’ 我要吃饭 ’ → ‘ 我需要用餐 '”

以下是使用 Python 调用 OpenAI API 的完整示例：

import openai
from typing import Dict, Any

# 初始化客户端
openai.api_key = 'your-api-key'

def get_completion(prompt: str, model: str = "gpt-3.5-turbo") -> Dict[str, Any]:
    """
    获取 AI 生成的文本

    参数:
        prompt: 提示词
        model: 使用的模型

    返回:
        API 响应
    """
    try:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,  # 控制创造性的参数
            max_tokens=1000   # 限制输出长度
        )
        return response
    except Exception as e:
        print(f"API 调用出错: {e}")
        return {}

# 示例使用
prompt = """
请用中文回答以下问题：1. 什么是提示词工程？2. 为什么它对 AI 应用开发很重要？3. 列举 3 个提高提示词效果的方法。要求：- 每个问题的回答不超过 100 字
- 使用清晰易懂的语言
- 按编号列出答案
"""

response = get_completion(prompt)
if response:
    print(response['choices'][0]['message']['content'])