吴恩达ChatGPT提示词工程实战：从原理到高效调优

1次阅读

共计 2052 个字符，预计需要花费 6 分钟才能阅读完成。

在 ChatGPT 等大模型的实际应用中，开发者常常遇到这样的困扰：同样的模型，不同人使用效果天差地别。问题的核心往往在于提示词（Prompt）的设计。一个好的提示词就像给 AI 的精准导航，而糟糕的提示词则像模糊的地图，容易让模型 ” 迷路 ”。

吴恩达教授在提示词工程领域提出了系统的设计方法论，主要解决以下常见痛点：

模型输出与预期不符（答非所问）
响应内容过于笼统缺乏针对性
多轮对话中上下文丢失
敏感内容意外触发

模糊的指令得到模糊的回答。比如：

# 模糊示例
帮我写篇文章

# 清晰示例
请用通俗易懂的语言，为技术博客撰写一篇 800 字左右的 Python 入门指南，目标读者是零基础大学生，要求包含安装步骤、基础语法示例和常见错误解决方法

通过明确限制条件控制输出范围：

长度限制（” 用 50 字概括 ”）
格式要求（” 用 Markdown 列表呈现 ”）
风格指定（” 用专业学术语气 ”）
视角限定（” 以产品经理角度分析 ”）

提供 1 - 3 个输入输出示例能显著提升模型表现：

prompt = """
将用户评论分类为正面 / 负面 / 中立，示例：评论：物流速度太慢了
情感：负面

评论：包装很精美，但尺寸偏大
情感：中立

请分类以下评论：{user_input}
"""

以下是一个带错误处理的多轮对话实现示例：

import openai
from typing import List, Dict

class DialogueSystem:
    def __init__(self):
        self.conversation_history: List[Dict] = []

    def _safe_api_call(self, prompt: str, max_retry=3) -> str:
        """
        带重试机制的 API 调用
        参数说明：- temperature: 控制创造性（0-1），越高越随机
        - max_tokens: 限制响应长度
        """
        for _ in range(max_retry):
            try:
                response = openai.ChatCompletion.create(
                    model="gpt-3.5-turbo",
                    messages=[{"role": "system", "content": "你是一位专业的 IT 技术支持助手"},
                        *self.conversation_history,
                        {"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)}")
        return "服务暂时不可用，请稍后再试"

    def chat(self, user_input: str) -> str:
        """处理用户输入并维护对话历史"""
        # 敏感词过滤（示例）if any(word in user_input.lower() for word in ["暴力", "违法"]):
            return "抱歉，我无法处理该类型请求"

        response = self._safe_api_call(user_input)
        self.conversation_history.extend([{"role": "user", "content": user_input},
            {"role": "assistant", "content": response}
        ])

        # 防止历史记录过长
        if len(self.conversation_history) > 6:
            self.conversation_history = self.conversation_history[-6:]

        return response