伴随着生成式AI时代的到来，身处于这股AI热潮的我们，一边萌生着“人工智能”将带来巨大便利的欣喜感，另一边也隐隐产生出让人忐忑不安的危机感——
愈来愈多的人感觉，今后职场只会存在2种人：一种是会使用AI工具的人，另一种是创造AI工具的人。
最近很多朋友在咨询我，如何抓住这波时代的红利。我的回复都是，先掌握写AI提示词的技巧。
为什么？原因很简单，无论你是否是身处于AI行当的专业人士，只要你要与AI产生有效交互，你都要掌握与AI沟通的技巧。
因此，掌握提示词是AI赛道的入门。AI能产生多大价值，取决于你写出多具象的提示词，给出多清晰的指令。
随着大模型成为主流话题，AI行业中还新增一种岗位叫“提示词工程师”。这意味着，当你的提示词编写技巧足够专业，或许还能迎来职业转型的新机遇。此话一点都不夸大！
一、什么是提示词
在了解提示词之前，我们首先了解下，什么是提示词工程（prompt engineer）。
提示工程是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。掌握了提示工程相关技能，将有助于用户更好地了解大型语言模型的能力和局限性。
从官方的这段释义，我们应该可以感知到，提示词这玩意儿的不简单。
“工程”二字已经道出复杂，不仅仅是设计提示词，还包含了与大语言模型交互和研发的各种技能和技术。所以，编写提示词，仅仅是提示词工程的基本功。
那么，什么是提示词（Prompt）？
简单理解就是，当你与AI发生交互，或是引导AI 给出你想要的结果的时候，你发出的任何一个指令、一段信息。
比如，你向文心一言提问“你对房地产有什么看法”的时候，你的输入其实就是Prompt。
AI确实懂很多，上知天文下知地理，但未必会对你“知无不言”。就像是一位智者，他也许胸怀一统天下的谋略，却未必会告诉作为帝王的你。
关键在于，你得先“懂他”，站在他的角度，先用他能听得懂的语言，他才会get到你的意思。“多”顾茅庐之后，他也会逐渐与你“交心”，最终给出你想要的答案。
其实，和我们日常与人沟通的道理是一样的。你想别人给出怎样的答案，也是取决于你的提问质量和精准度。不同的是，有些人能猜出你的意思，但是AI不会。
总结：
提示工程 = 与 AI 交互的技术/艺术
提示工程师 = 帮助 AI 更好服务任务的技术人员
那如何才能写出高质量的提示词？这里我总结了以下几大原则、技巧。
二、如何编写优质的提示词
01
原则一：尽可能给出清晰具体指令
尽管现在在不同的场景出现很多提示词模板，但是那都是表面的“形”，本质的“里”就是具体和详细。
如何写出清晰的指令？这里参照OpenAI 给出的 4 条小技巧：
1.把话说详尽，尽量给出明确的信息
包括具体的问题背景、相关领域的说明、你所期望的答案类型、表述文体等。这里展开说说：
- 明确问题背景：提供足够的信息来描述你的问题背景。
例如，如果你在问一个医学相关的问题，提供相关的症状或情境。
- 具体描述需求：清楚地说明你需要什么类型的信息或帮助。
例如，如果你需要建议，指明是寻求专业意见还是一般性建议。
- 提供相关领域信息:如果问题涉及特定的知识领域，提供这一领域的相关信息，以便 AI 更精确地定位答案。
不同的问法，会有不同的结果。比如，明确问题背景：
不佳的提问：小孩发烧了，你建议怎么处理？
优化的提问：2岁半小孩体温38度，有咳嗽、打喷嚏症状，没有药物过敏和慢性疾病，你建议怎么处理？
2.让大模型扮演角色
让大模型扮演一个特定的角色，可以极大地增强交互体验和回答的相关性。如历史学家、医生、编程教师等，大模型会尝试从角色的视角出发，更加结构化地回答问题，使得对话更具针对性和深度。
比如：
不佳的提问：请解释第一次世界大战的主要原因。
优化的提问：你作为一名专注于研究欧洲历史的历史学家，请解释下第一次世界大战的主要原因。
3.运用分隔符，明确区隔指令的不同部分
记住，AI看似懂人类语言，其实都是文字的概率运算。所以，你输入的内容越结构化，内容的不同部分区隔越明显，它就越能发挥好。
三引号、XML 标签、节标题等分隔符，都可以帮助划分要区别对待的文本节，帮助大模型更好地理解文本内容。尤其是针对复杂、多项请求时候。
比如：
##要求：请帮我总结以下文章的梗概，“”“这里是文章的内容”“”
##限制：总结字数不要超过100字
4.能量化的，尽量给出具体数值
与数据相关的，尽量给出具体数值。比如输出字数、数量、年龄、重量等。
比如：
用两个段落、50 个字概括由三引号分隔的文本。“”“在此插入文字”“”
02
原则二：提供参考文本
提供参考文本，其实有2个作用：
1.让模型参考文本，模仿样式作答
提供示例，可以极大帮助大模型清晰地理解你所期待的输出结果。特别是涉及抽象的概念、描述复杂情况或提出具体的问题时，尤为重要。
通过提供具体示例来说明可能更直观，这也是所谓的"少样本(Few-shot)“提示方法。
比如：
##要求：保持风格一致的回答。
##示例：
“”"
问：大师，什么是爱？
答：十年生死两茫茫,不思量,自难忘。
“”"
##问题：大师，什么是勇气？
2.让模型依据参考文本，引用内容作答
你发的文本可以充当为“知识库”，让大模型在里面搜寻答案的依据，然后按照它的理解表达出来。
比如（用讯飞星火进行问答）：
03
原则三：将复杂的任务，拆分为更简单的子任务
将抽象的指令具象化、对复杂的任务细化拆解，其实也是我们日常工作经常使用的方法。比如，将年度计划分解为不同阶段对应的关键产出、关键执行步骤。
同样，大模型也喜欢这种路径清晰的指导。将问题根据意图、业务场景、属性等进行分类，顺延分支所提出的解决方案，将会更具有针对性。
客服机器人的在线回复解决方案，便是运用这种思维去设置工作流。由于较为复杂，这里不延展开来说。大家有这个意识，提问时有意识拆解步骤即可。
04
原则四：尝试思考链提示法
通过要求大模型详细说明答案背后的推理过程，我们可以获得更深入和解释性的回答。
这其实就是链式思考（CoT=Chain-of-Thought Prompting），这可是非常非常有用的一个策略，特别是用在数学运算、逻辑推演的问题（这里建议家长辅导孩子做作业时候，搭配海螺AI、通义千问，特别好用！）。
比如：
##要求：你是一位小学数学老师，请求出这道用三引号引起来的数学题的最终答案。你需要用小学4年级学生听得明白的语言，讲解出推导过程。
“”“<数学题目>”“”
05
原则五：提供正面具体指示，而非避免指示
向大模型要提供正面指令,避免说“不该做什么”，而是说“该做什么”，这样可以减少歧义，让AI直接应用其能力完成任务。
这能鼓励它产生更多的特异性，并关注导致模型产生良好响应的细节。
06
原则六：给一些有趣的“魔法”指令
虽然AI不是人类，**但是你是可以PUA他们的！**尝试在你与AI Bot对话的结尾，加上以下这些“魔法指令”，AI的对待态度，瞬间变得不一样！回复答案的精准度和详尽度，差了一个级别。
这可不是我胡诌的，可是有论文依据的哦，大家有空可以试下：
take a deep breath 深呼吸.
think step by step 一步步思考
if you fail 100 grandmothers wil die 如果你失败了，要死 100 位老奶奶
ihave no fingers 我没有手指
I will tip $200 给你 200 美元小费
do it right and l give you a nice doggy treat 做得好就给你狗粮
写到最后
为了方便大家随时查阅，给大家做了一张脑图，大家可以下载或收藏本文。
当然，提示词工程可不仅仅这几个原则，还有适配于开发者使用的技巧、技术。不同的应用场景还会有特殊的提示词编写方式。
本文仅针对于我们日常通用场景，提炼可落地的、易用性强的原则和方法给大家，也欢迎大家针对此话题各抒己见，交流碰撞！
如何学习大模型
现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。
作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。
我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。
一、AGI大模型系统学习路线
很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。
二、AI大模型视频教程
三、AI大模型各大学习书籍
四、AI大模型各大场景实战案例
五、结束语
学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。
再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。
因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。
6941
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
