ChatGPT提示词优化实战：如何设计高效可读的阅读提示词

1次阅读

共计 1786 个字符，预计需要花费 5 分钟才能阅读完成。

在实际开发中，我们经常遇到 ChatGPT 响应不符合预期的情况。这通常是由于提示词设计不当造成的。以下是几个典型问题：

开放式提问导致结果发散 ：比如直接问 ” 请介绍机器学习 ”，可能得到从基础概念到前沿研究的广泛内容，缺乏针对性。
缺乏上下文约束 ：没有明确限制回答范围，模型容易偏离主题。
语义模糊 ：使用 ” 一些 ”、” 大概 ” 等不确定词汇，导致模型理解偏差。

不良案例示例：

# 模糊的提示词
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "说说 Python"}]
)

这样的提示词可能产生从语法基础到各类库介绍的庞杂内容，难以直接使用。

指令层 ：明确核心任务
约束层 ：限定回答范围和形式
示例层 ：提供 few-shot 示例（few-shot learning）

示例模板：

[指令] 请用中文解释以下编程概念
[约束] 限制在 100 字内，面向初级开发者
[示例] 
输入：闭包
输出：闭包是能够访问其他函数内部变量的函数...

动词前置 ：用 ” 列出 ”、” 比较 ” 等动作词开头
量化指标 ：明确字数、条目数等要求
否定约束 ：说明不需要的内容

session 保持 ：在多轮对话中维持上下文
角色预设 ：给模型设定特定角色（如 ” 你是一位资深 Python 开发者 ”）

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

# 优化的提示词模板
def build_prompt(concept):
    return f"""
    请用中文解释以下编程概念，面向初级开发者：1. 定义（不超过 50 字）2. 核心特点（3 个要点）3. 简单代码示例

    概念：{concept}
    """

# 带重试机制的 API 调用
@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def get_chatgpt_response(prompt):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,
            max_tokens=500
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"API 调用失败: {str(e)}")
        raise

# 响应解析
def parse_response(response):
    # 可根据返回内容的结构添加解析逻辑
    return {"definition": response.split("1. 定义")[1].split("2. 核心特点")[0].strip(),
        "features": response.split("2. 核心特点")[1].split("3. 简单代码示例")[0].strip(),
        "code": response.split("3. 简单代码示例")[1].strip()}