提示词工程实战：如何设计高效AI交互的提示词

1次阅读

没有评论

共计 1985 个字符，预计需要花费 5 分钟才能阅读完成。

提示词工程是优化 AI 模型输出的关键杠杆点。通过精心设计的提示词，开发者可以实现三个核心目标：

质量提升 ：减少模糊或无关输出，让模型更精准理解意图。例如将 ” 写篇文章 ” 优化为 ” 用通俗语言写 800 字技术博客，主题是 Python 异步编程 ”
成本控制 ：减少无效交互轮次，降低 API 调用次数。实验数据显示，优化后的提示词可减少 30% 以上的冗余请求
结果可控 ：通过结构化约束获得格式统一的输出，方便后续自动化处理

在真实业务场景中，我们常遇到这些问题：

模糊提示导致输出不稳定
示例：” 帮我分析数据 ” vs “ 用 Pandas 计算 2023 年 Q1 销售额的月度环比增长率，结果保留两位小数 ”
多轮对话中的上下文丢失
模型忘记前文设定的角色或任务约束
长对话后期出现话题漂移
超参数配置不当
temperature 值过高导致结果随机性大
max_tokens 设置不足造成截断

有效的提示词应包含三个核心要素：

template = """【角色设定】你是一位资深 Python 工程师，擅长用通俗语言解释技术概念【任务描述】向初中级开发者讲解如何使用 asyncio 实现并发 HTTP 请求【输出要求】1. 包含完整可运行的代码示例
2. 分步骤解释核心 API 的用法
3. 用表格对比同步 / 异步版本的性能差异
"""

temperature 控制输出的随机性，建议取值：

创意生成类：0.7~1.0（如写诗、故事）
技术文档类：0.2~0.5（确保术语准确）
数据计算类：0.1~0.3（完全确定性的输出）

显式声明对话阶段

messages = [{"role": "system", "content": "当前是需求澄清阶段，请确认用户需求细节"},
    {"role": "user", "content": "需要分析销售数据"}
]

定期重述关键信息
每 3 - 5 轮对话后主动重复核心参数
示例：” 根据您之前要求，我们仍在分析 2023 年 Q1 数据，当前正在处理 …”

import openai

response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "system", "content": "你是一位经验丰富的技术文档写手"},
    {"role": "user", "content": "用 Markdown 格式编写 Redis 缓存使用指南"}
  ],
  temperature=0.3,
  max_tokens=1024
)

constraint_prompt = """
生成 5 个电商促销文案，要求：1. 包含 "限时"、"折扣" 关键词
2. 每句不超过 20 字
3. 避免使用感叹号
"""

# 维护对话历史
conversation = [{"role": "system", "content": "你正在协助用户制定健身计划"}
]

def chat(user_input):
    conversation.append({"role": "user", "content": user_input})

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=conversation,
        temperature=0.5
    )

    assistant_reply = response.choices[0].message.content
    conversation.append({"role": "assistant", "content": assistant_reply})
    return assistant_reply

blacklist = ["暴力", "色情", "政治敏感"]

def safe_generate(prompt):
    if any(word in prompt for word in blacklist):
        raise ValueError("包含违禁词汇")
    # ... 调用 API 逻辑