Prompt Pattern Catalog：提升ChatGPT提示工程效率的实战指南

7次阅读

共计 1879 个字符，预计需要花费 5 分钟才能阅读完成。

在使用 ChatGPT 进行开发时，很多开发者都会遇到以下典型问题：

输出结果不稳定，同样的提示词在不同时间可能得到完全不同的回答
需要反复调试提示词，花费大量时间在微调上
复杂任务需要拆分成多个步骤，但中间的衔接不够流畅
难以控制模型输出的格式和精确度

这些问题本质上都源于提示词设计缺乏系统性和方法论。而 Prompt Pattern Catalog 正是为了解决这些问题而提出的系统化方法。

Prompt Pattern Catalog 将常见的提示模式分为以下几大类：

元提示是指那些用于指导模型如何思考和处理问题的提示。比如：

# 示例：元提示
prompt = """
你是一位经验丰富的 Python 开发者。请按照以下步骤回答问题：1. 先理解问题的核心需求
2. 思考可能的解决方案
3. 选择最合适的方案并详细解释
"""

让模型展示其推理过程，通常用于复杂问题的分步解决：

# 示例：链式思考
prompt = """
请逐步解决以下数学问题：问题：如果 3x + 5 = 20，x 的值是多少？请按照以下格式回答：思考步骤 1：首先...
思考步骤 2：然后...
最终答案：...
"""

让模型自行验证其输出的正确性：

# 示例：验证循环
prompt = """
请回答以下问题，并在回答后自我验证：问题：法国的首都是哪里？回答：...

验证：请检查你的答案是否正确，并说明理由。"""

下面我们通过一个完整的 Python 示例来展示如何使用这些模式：

import openai

# 初始化 API
openai.api_key = 'your-api-key'

def get_chatgpt_response(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.7  # 控制创造性的参数
    )
    return response.choices[0].message.content

# 使用链式思考模式解决编程问题
programming_prompt = """
你是一位资深 Python 开发者。请用链式思考的方式解决以下问题：问题：如何高效地反转一个字典的键和值？请按照以下步骤回答：1. 分析原始需求
2. 考虑可能的实现方式
3. 选择最佳方案并给出代码示例
4. 讨论时间复杂度和潜在边界情况
"""

response = get_chatgpt_response(programming_prompt)
print(response)

让我们看一个简单的对比案例：

普通提示：
“ 告诉我如何反转字典 ”

输出可能：
“ 你可以用字典推导式：{v:k for k,v in my_dict.items()}”

使用模式后的提示：
“””
你是一位 Python 专家。请用链式思考的方式解释如何反转字典：
1. 分析需求
2. 列出可能的解决方案
3. 选择最佳方案
4. 考虑边界情况
“””

改进后的输出：
“””
1. 需求分析：反转字典需要将键值对互换 …
2. 可能方案：
– 字典推导式
– zip 函数
– 循环构建新字典
3. 最佳方案：字典推导式最简洁
4. 边界情况：
– 值必须是可哈希的
– 重复值会导致信息丢失
示例代码：…
“””