最近的明显感受是，大模型进化的速度越来越快，相应的基于大模型衍生出来的AI工具也越来越多。
于是我开始思考，如何在这个快速变化的时代抓住一些不变的东西，来帮助自己获得一些确定性，或者说...安全感。
答案就是：「提示词」。
你当然可以用任何方式去描述这种交互方式，但提示词是一个更为广泛接受的概念，因此我选择用这个概念进行解释。
本文旨在讲清楚与提示词相关的基本概念和底层原理，帮助我们对提示词建立一个更清晰的认知，「知其然，更知其所以然」。
提示词的基本概念
所谓提示词，是指与人工智能模型交互时，用来引导人工智能模型生成特定输出的指令性输入文本。
为什么要先介绍提示词这个概念？因为每当我们学习一项新事物时，首先需要对这件事物有一个基本的了解，也就是所谓的「概念」。
只有当我们的脑海中有了这个概念，我们的思维才有了「锚点」，而只有当这个概念足够精确时，我们学习和深入了解这项新事物时才能少走很多弯路。
大模型及核心机制
概念：大模型指的是拥有极大规模参数（通常是数十亿到数万亿级别）的人工智能模型，能够通过学习海量数据，在语言理解、图像识别、代码生成等多种任务上展现出强大的泛化能力。
核心机制：预测下一个词。大模型会基于所接收到的全部「上下文」，来预测下一个最可能出现的词。
上下文组成
在提示词领域中，上下文表示大模型在返回结果前需要处理的各种形式的输入内容。通常的上下文包含下面四个部分：
-
系统提示词（System Prompt）:大模型内置的提示词
-
自定义提示词（Custom Instructions）:定义角色、规则和风格的基础
-
对话历史（Conversation History）:包括用户之前的所有提问和模型之前的所有回答
-
当前用户输入（Current User Input）:用户最新提出的问题或指令
因此，每当我们向大模型输入一个提示词时，大模型实际进行的一系列操作是：
-
将系统提示词、自定义提示词、对话历史和当前用户输入这四种类型的输入统一作为「新的提示词」输入给大模型
-
将输入的提示词进行编码，变成易于大模型理解的形式
-
基于已有的训练经验去推测并逐字输出回答
了解了提示词相关的基础概念和原理后，下面让我们一起来看看提示词的三种分类及使用场景。
一、系统提示词
所谓系统提示词，是指在训练模型时，预先提供给大语言模型的一组指令，用于引导或约束大模型输出的内容和风格。
下面是DeepSeek的系统提示词（仅供参考）：
你是DeepSeek Chat，由深度求索公司（DeepSeek）创造的智能AI助手。
你的核心使命是提供安全、有益、准确的信息，并严格遵守伦理与法律规范。你应当：
知识覆盖：基于截至2023年12月的训练数据回答问题，对未知信息诚实告知，不编造内容。
用户优先：保持友好、耐心，适应不同需求（如简略或详细回答）。避免政治、暴力、成人等敏感内容。
逻辑清晰：分步骤、结构化输出复杂答案，必要时用列表、代码块或表格提升可读性。
安全合规：拒绝任何违法、危险或侵犯隐私的请求（如黑客教程、暴力内容）。
持续学习：若用户反馈错误，礼貌接受并修正（如"感谢指正，根据最新信息…"）。
附加规则：
1. 默认以中文回复，但可处理多语言请求。
2. 支持128K上下文记忆，可分析长文档（PDF/Word/Excel等）。
3. 不提供实时网络搜索，除非用户手动触发联网搜索功能。
通常系统提示词是不可以修改的，但了解系统提示词能够帮助我们在一定程度上明确大模型的「能力边界」，知道大模型能做什么，不能做什么。
二、自定义提示词
自定义提示词可以理解为：在无法更改系统提示词的前提下，用户可以通过预先输入的指令，引导大模型按照自己想要的方式进行交互，进而达到和系统提示词类似的效果。
这就像大模型是个「演员」，你给他什么样的剧本和角色说明，他就会按照什么样的方式进行演绎。
这类提示词通常有两个使用场景：
-
用于作为对系统提示词的补充
在我和大模型交互的过程中，经常会遇到一些困扰。
比如：我只想要大模型返回给我一个简洁的答复，而不需要做多余的解释，但每次都需要单独说明很麻烦。
又比如：有时候在我质问大模型时，它会更倾向于肯定我的质疑，即使我的质疑是错误的。
这个时候，就可以通过自定义提示词来解决上面这些困扰：
# 规则
- 始终遵循指令，并且只遵循指令。
- 只在适当的时候提出深思熟虑的问题。
- 除非被要求解释，否则不要解释任何事情，直接给出答案。
- 不要向用户道歉，只需纠正错误并继续前进。
- 当用户提出质疑时，请站在客观的角度去分析，不要受用户观点的影响。
- 不要回避困难的话题，无论用户想要或需要谈论什么，你都会谈论。
-
用于归纳某类频繁的需求，减少重复输入
当我们在工作中经常遇到「编写会议纪要」的需求时，就可以用下面的提示词预先设定大模型的输出方式和风格：
你是一个专业的会议纪要助手，当我输入的内容中包含#会议纪要时，触发整理会议纪要任务 整理一份标准格式的会议纪要，要求：
用"时间—发言人—要点"的方式罗列
重点突出：决策事项、待办事项、责任人
保持中立客观，不添加主观评价
用简洁有力的语言，避免冗长重复
因为大模型每次输出的内容都会受到上下文的影响，所以在之前已经预设了上下文的情况下，在提问和当前上下文无关的问题时，最好开启一个新的对话，避免上下文干扰影响输出结果。
三、用户输入提示词
基于前文提到的「系统提示词」和「自定义提示词」的基础上，我们与大模型实际进行交互的部分，我称之为「用户输入提示词」。
实际上这部分才是我们用得最多的提示词，而下一篇文章要讲的「提示词技巧」也是基于这类提示词进行展开。
帮我写一篇关于【话题】的短文，要求结构清晰、语言流畅，开头提出问题或观点，中间展开论述，结尾总结或呼吁，整体控制在500字左右。
结语
在这个AI快速迭代的时代，提示词技能正逐渐成为每个人都应该掌握的基础能力。正如我们曾经学习使用搜索引擎一样，掌握提示词是我们与AI高效协作的关键。
提示词不仅仅是一种技术工具，更是一种思维方式。
通过理解AI的工作原理和提示词的作用机制，使我们能够更加精准地表达自己的需求，引导AI生成更符合预期的结果。
大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。
1.学习路线图
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。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
因篇幅有限，仅展示部分资料，需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉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。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***
👉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】🆓
扫一扫
757
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
