AI提问之道：提示词工程实战入门指南

1次阅读

没有评论

共计 1792 个字符，预计需要花费 5 分钟才能阅读完成。

刚开始接触提示词工程时，很多开发者会遇到输出质量不稳定的问题。常见问题包括：

模糊表述 ：比如“写篇文章”这种缺乏具体要求的指令，模型可能返回泛泛而谈的内容
缺乏上下文 ：没有明确角色设定（如“你是一位经验丰富的厨师”），导致回答专业性不足
过度复杂 ：单条提示包含多个矛盾需求，如“既要简短又要详细”
忽略格式 ：未指定 JSON/XML 等结构化输出格式，增加结果解析难度

这些问题的本质都是未建立有效的「人机协作语言」，就像对实习生布置任务时没说清楚需求。

不同提示策略各有适用场景：

零样本提示 (Zero-shot)
特点：单条完整指令，如“将以下文本翻译成法语”
适用：简单明确的任务，API 调用频率低的场景
少样本提示 (Few-shot)
特点：提供 3 - 5 个输入输出示例
适用：需要特定格式的场景，如“输入：苹果输出：fruit”
思维链 (Chain-of-Thought)
特点：要求展示推理过程，如“请逐步解释答案”
适用：数学解题、逻辑判断等复杂任务

实验数据显示，在数学应用题场景下：
– 零样本准确率：32%
– 少样本准确率：45%
– 思维链提示准确率：68%

好的提示词就像产品需求文档，应包含：

角色定义

# 示例：明确 AI 角色
"""你是一位资深 Python 工程师，擅长用通俗语言解释技术概念"""

任务分解
将“写个爬虫”拆解为：
1. 目标网站分析
2. 反爬策略应对
3. 数据存储方案

格式约束

 要求返回 Markdown 格式，包含：- 功能描述
- 代码块
- 注意事项

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, max_tokens=500):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-4",
            messages=[{"role": "system", "content": "你是一位技术文档撰写专家"},
                {"role": "user", "content": prompt}
            ],
            temperature=0.7,
            max_tokens=max_tokens
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"API 调用失败: {str(e)}")
        return None

# 使用示例
good_prompt = """ 请用 300 字解释 RESTful API 设计原则：1. 按重要性降序排列
2. 每个原则配现实案例
3. 输出 Markdown 格式 """
print(get_ai_response(good_prompt))