你写的提示词都是错的！跟着吴恩达，半小时学会prompt工程，秒变摸鱼大师

很多人在问，为什么我写的提示词，根本得不到我想要的内容？或者跟AI磨叽了半天，好不容易把内容拾掇起来了，结果主管一眼看出是AI写的。

不仅完成不了工作，还被老板骂的狗血淋头，成了办公室的笑话。

以chatGpt为代表的LLM大语言模型自问世以来，迅速进入了职场打工人的工具列表。

国内国外大模型层出不穷，各种工具应有尽有，可90%以上的打工人至今写不出合格的指令提示词，更别提利用提示词去搞副业了。

1

LLM简介

AI大佬吴恩达有一套免费的提示词课程，详细的描述了LLM(大语言模型)的发展状况和写出提示词指令的方法论。

课程第一部分，讲了大语言模型的应用场景，这部分我们简单了解下，不做详细解释。

LLM可完成的任务包括：

总结（总结文章中心思想，总结用户评论）

                                图为总结用户评论并进行概括

推断(情绪分类，主题提取)

                                     图为分析评论的情感

转换文本（翻译、改写）

                          图为讲一篇深奥的文章转化成适合小朋友听的

扩展（自动写电子邮件，自动写文章，写短篇小说）

                                扩展自动写电子邮件介绍文章

2

prompt使用技巧

大语言模型就像一个博览群书，通晓古今的新员工，虽然非常聪明，但没有工作经验，不懂工作流程。

如果大语言模型的输出不符合你的预期，往往是你给的指令不够准确。

prompt的两个基本原则就是：

1.编写明确和具体的指令；

2.给模型足够的时间思考。

下面我们结合案例，来讲解这两个原则在具体使用中的策略。

gitHub上有一个吴恩达大佬写的agent:andrewyng/translation-agent，用来完成对源语言对目标语言的翻译。

工作流程如下：1.将文本从source_language翻译成target_language;

2.让LLM反思翻译结构，并给出优化建议

3.使用这些建议再次翻译。

我们来复刻下吴恩达老师提示词的创作历程：

1.先进行简单的翻译

提示词

您的人物是{{source_lang}} 到{{target_lang}} 的翻译，请为输入的文本提供目标语言的翻译。``不要输出翻译以外的内容``{{source_lang}}: {{source_text}}``   ``{{target_lang}}:

只需完成源语言，翻译文字和目标语言三个占位符数据的补充，就能进行简单的翻译。

2.然后让AI对自己的翻译结构打分，并给出建议，这个过程也就是反思，即prompt的第二个原则：给模型足够的时间思考。

提示词

您的任务是仔细阅读一段从{{source_lang}}到{{target_lang}}的源文本和翻译，然后提出建设性的批评和有助于改进翻译的建议。``最终翻译的风格和语调应与在{{country}}日常口语中使用的{{target_lang}}风格相匹配。``   ``源文本和初步翻译由XML标签<SOURCE_TEXT></SOURCE_TEXT>和<TRANSLATION></TRANSLATION>界定，如下所示：``   ``<SOURCE_TEXT>``{{source_text}}``</SOURCE_TEXT>``   ``<TRANSLATION>``{{translation_1}}``</TRANSLATION>``   ``在撰写建议时，请参考这些规则：``(1) 准确性（纠正添加错误、误译、遗漏或未翻译的文本），``(2) 流畅性（应用{{target_lang}}的语法、拼写和标点规则，确保没有重复），``(3) 风格（确保翻译反映源文本的风格并考虑文化背景），``   ``为改进翻译，编写一份具体、实用和建设性的建议清单。``每个建议针对翻译的一个具体部分，原文和建议对照输出。``仅输出建议，其他内容不要输出。``   

在提示词中，我们看到了几个技巧：

技巧1：使用分隔符

比如上面提示词的占位符

<SOURCE_TEXT>``{{source_text}}``</SOURCE_TEXT>

使用分隔符，如：```, “”", < >, ；让模型清楚的知道哪些是独立的部分，避免提示注入。

比如你的提示词是：

请输入你的姓名年龄性别

这样的提示词，大语言模型是理解不了需要输入什么内容的。

加入分隔符，

请输入你的姓名、年龄、性别

才能分辨出来。

技巧2：结构化输出

要对输出样式和格式进行清晰的说明，比如上面提示词的：

为改进翻译，编写一份具体、有用和建设性的建议清单。``每个建议应针对翻译的一个具体部分。``仅输出建议，其他内容不要输出。

3.提升翻译

你的任务是翻译一段从源语言（source_lang）到目标语言（target_lang）的文本，同时考虑专家的建议和建设性的批评。``   ``源文本、初步翻译和专家语言学家的建议由XML标签<SOURCE_TEXT></SOURCE_TEXT>、<TRANSLATION></TRANSLATION>和<EXPERT_SUGGESTIONS></EXPERT_SUGGESTIONS>分隔，如下所示：``   ``<SOURCE_TEXT>``{{source_lang}}``</SOURCE_TEXT>``   ``<TRANSLATION>``{{translation_1}}``</TRANSLATION>``   ``<EXPERT_SUGGESTIONS>``{{reflection}}``</EXPERT_SUGGESTIONS>``   ``翻译时考虑专家的建议。翻译时要确保：``(1) 准确性（纠正添加错误、误译、遗漏或未翻译的文本），``(2) 流畅性（应用目标语言的语法、拼写和标点规则，并确保没有重复），``(3) 风格（确保翻译反映源文本的风格），``(4) 其他错误。``   ``仅输出新翻译，不要输出其他内容。

‍

经过了翻译和改进翻译后，就能获得一个质量不错的翻译效果。

这就是prompt提示工程的第二个原则：1.将任务分解，分步骤执行指令；2.让模型先梳理信息，再输出内容。

3

将上述指令优化为Agent

再完成指令的优化后，已经能得到不错的翻译效果。

但每次通过补充占位符的方式，来进行翻译，实在是繁琐。

现将提示词优化成agent的形式，提示词如下：

# Role: 资深翻译专家``   ``## Background:``你是一位经验丰富的翻译专家,精通{{source_lang}}和{{target_lang}}互译,尤其擅长将{{source_lang}}文章译成流畅易懂的{{target_lang}}。你曾多次参与文章翻译的校对和审核，能对翻译的文章提出一针见血的见解``   ``## Attention:``- 翻译过程中要始终坚持"信、达、雅"的原则,但"达"尤为重要``- 译文要符合{{target_lang}}的表达习惯,通俗易懂,连贯流畅` `- 避免使用过于文绉绉的表达和晦涩难懂的典故引用``- 对于专有的名词或术语，可以适当保留或音译``   ``## Constraints:` `- 译文要忠实原文,准确无误,不能遗漏或曲解原意``- 建议要明确可执行，一针见血``- 尽可能详细地对每段话提出建议``   ``## Goals:``- 你会获得一段{{source_lang}}的原文，以及它对应的初始翻译，你需要针对这段翻译给出你的改进建议``- 尽可能详细地对每段话进行判断，对于需要修改部分的提出建议，而无需修改的部分不要强行修改``- 译文要准确传达原文意思,语言表达力求浅显易懂,朗朗上口``- 适度使用一些熟语俗语、流行网络用语等,增强译文的亲和力``   ``## Skills:``- 精通{{source_lang}} {{target_lang}}两种语言,具有扎实的语言功底和丰富的翻译经验``- 擅长将{{source_lang}}表达习惯转换为地道自然的{{target_lang}}``- 对当代{{target_lang}}语言的发展变化有敏锐洞察,善于把握语言流行趋势``   ``## Workflow:``1. 第一轮直译:逐字逐句忠实原文,不遗漏任何信息``2. 第二轮意译:在直译的基础上用通俗流畅的{{target_lang}}意译原文,至少提供2个不同风格的版本``3. 第三轮校审:仔细审视译文,消除偏差和欠缺,使译文更加地道易懂` `4. 第四轮定稿:择优选取,反复修改润色,最终定稿出一个简洁畅达、符合大众阅读习惯的译文``   ``## OutputFormat:` `- 每一轮翻译前用【思考】说明该轮要点``- 每一轮翻译后用【翻译】呈现译文```- 在\`\`\`代码块中展示最终定稿译文，\`\`\`之后无需加其他提示`````## Suggestions:``- 直译时力求忠实原文,但不要过于拘泥逐字逐句``- 意译时在准确表达原意的基础上,用最朴实无华的{{target_lang}}来表达` `- 校审环节重点关注译文是否符合{{target_lang}}表达习惯,是否通俗易懂``- 定稿时适度采用一些熟语谚语、网络流行语等,使译文更接地气- 善于利用{{target_lang}}的灵活性,用不同的表述方式展现同一内容,提高译文的可读性``   ``## Initialization:``- 作为角色 <Role>,引导用户输入要翻译的内容，严格遵守 <Attention>,<Constraints> , 严格按照<Workflow>执行，每执行一步，思考一步，不得跳过，<OutputFormat>不得输出翻译以外的内容。``   

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓