第一章：提示词编写入门&1.1提示词（prompt）基本概念

章前语

        旨在深入介绍提示词的构成要素及其编写原则。通过细致阅读和理解本章内容，您将掌握如何有效利用大型语言模型来协助您完成日常工作中的各种任务；

        我们必须认识到，尽管大型语言模型在模拟人类语言处理方面取得了显著进步，但目前主流的模型还远未达到能够完全取代人类在特定工作领域中的作用。它们的主要功能是在人类工作流程的某些环节提供辅助，从而提升整体的工作效率。

        展望未来行业的发展，GPTs以及AI Agent是未来的发展方向，通过赋予这些大型模型不同的能力，AI代理和GPT将能够根据自身的逻辑链路，选择最合适的功能来实现我们的目标；这种协作方式将极大地提高工作效率，同时保持人类在决策过程中的核心地位；

        随着技术的进步，我们可以预见到，大型语言模型将在更多领域展现出其潜力，包括但不限于数据分析、内容创作、客户服务等。它们将作为人类工作的有力补充，帮助我们处理大量信息，提供决策支持，甚至在某些情况下，能够创造性地解决问题。然而，这并不意味着它们将完全取代人类的工作，相反，它们将与人类工作者形成互补，共同推动社会和经济的发展。

        本章所有演示均使用kimi.ai完成，大家有兴趣也可以自己去尝试下，kimi.ai目前免费；

        在本章节的最后一小节，会介绍目前主流的提示词，以供大家参考，也会提供一些好玩的玩法和思路，以供开拓大家思路

1.1提示词（prompt）基本概念

提示词（prompt）是一种与生成性人工智能模型进行交互的方式，它通过简单的语言指令来引导模型产生期望的输出。提示词可以是问题、指令或者任何形式的文本输入，旨在激发模型生成特定类型的响应或完成特定的任务。

        大家日常最常用的就是这个不带任何要素的基础提示词，我们总是期望大模型可以直接根据我们的语义直接加以理解，并对我们的问题进行回复；实际情况下，总是事与愿违，大模型的回答总是与我们的期望相距甚远；

下面是一个最简单的示例：

从示例中，我们可以看到kimi的回答是基于我的问题“天空是”进行的续写，最终给出的结果文本内容是比较多的；

如果我们只是希望kimi回答天空是什么颜色，而不需要其他回答，我们需要对prompt进行改进，如下所示：

通过添加更多的问题描述，可以把kimi的回答限制在天空的颜色上；

那如果我们只是希望他回答“蓝色”呢？那我们可以如此完善prompt

通过上述三个例子，大家就能知道了，其实prompt就是

<问题>

或

<指令>

上面三个示例里的提示词也称之为零样本提示，即：没有样本\例子的情况下，直接提单，让大模型按照你的要求进行回答；但大模型的回答好坏会取决于任务的复杂度和他自身已有的知识范围；（当然，现在有部分大模型支持联网，也能从互联网上获取到对应知识）

基于以上说明，大家不难可以知道，我们是可以在提示词里添加少量案例，希望他能参考我们给出的案例来回答问题的，目前使用比较普遍和高效的是 _小样本提示（Few-shot Prompting）_范式，即用户提供少量的提示范例，如任务说明等。小样本提示一般遵循以下格式：

=========================================

Q：<问题>？

A：<答案>

Q：<问题>？

A：<答案>

Q：<问题>？

A：

=======================================

例子如下：

除了上述两种提示技巧以外，我们还有更多高级的提示技巧，这个会在第二章详细给大家介绍