如何高效的向AI大模型提问？ - 提示工程Prompt Engineering-CSDN博客

本文链接：https://blog.csdn.net/holyvslin/article/details/144347518

大模型的输入，决定了大模型的输出，所以一个符合要求的提问Prompt起到关键作用。
以下是关于提示工程Prompt Engineering主要方法的详细表格，包括每种方法的优点、缺点、应用场景以及具体示例：

主要方法	优点	缺点	应用场景	示例
明确性	- 提高模型理解能力 - 减少歧义	- 需要仔细设计，避免模糊表达	- 问答系统 - 文本生成	模糊提示：告诉我关于天气的事。明确提示：请告诉我今天上海的天气，包括温度和降水概率。
上下文信息	- 提供背景帮助模型理解 - 增强输出的相关性	- 需要提供足够的上下文，过多上下文可能导致信息过载	- 情感分析 - 领域特定应用	缺乏上下文的提示：解释“加密”。上下文提示：在计算机安全中，解释“加密”及其重要性。
格式化	- 提高模型对信息的结构化理解 - 使输出更清晰	- 可能需要额外的时间来设计格式	- 数据提取 - 文本摘要	未格式化的提示：告诉我健康饮食的好处。格式化提示：请列出三种健康饮食的好处，并简要说明。
逐步提示	- 使回答过程更清晰 - 允许模型逐步构建答案	- 可能导致较长的交互过程，增加用户等待时间	- 复杂问题解答 - 教学辅助	直接提示：告诉我如何做披萨。逐步提示：请列出制作披萨所需的主要材料，然后描述制作步骤。
示例提示	- 提供具体参考，帮助模型理解任务 - 可以有效引导模型输出	- 需要精心选择示例，以确保示例的相关性和准确性	- 文本生成 - 机器翻译	缺乏示例的提示：生成一个产品描述。带有示例的提示：请为智能手表生成描述，示例：这款智能手表具有全天候心率监测、GPS定位等功能。
添加限定角色身份	- 提供明确的角色背景，帮助模型理解任务 - 增强输出的相关性和专业性	- 可能限制模型的创造性 - 需要确保角色身份的准确性，以避免误导	- 客户支持 - 专业咨询 - 教学辅助	客户支持：作为一名技术支持代表，您能否帮助我解决我的电脑无法连接互联网的问题？专业咨询：作为一名营养师，请告诉我如何制定健康的饮食计划。教学辅助：你是一位历史老师，请解释一下赤壁之战的关键事件。