【大语言模型笔记进阶一步】提示语设计学习笔记，跳出框架思维，自己构建提示词

本文链接：https://blog.csdn.net/qq_39950572/article/details/145925293

一、大语言模型应用场景

1. 文本生成

文本创作： 诗歌故事，剧本，推文帖子
摘要与改写： 长文本摘要与简化，多语言翻译与本地化
结构化生成： 表格，根据需求生成代码片段，API文档生成

2. 语义理解

语义分析： 解析，意图识别，实体提取
文本分类： 主题标签生成，垃圾内容检测
知识推理： 数学、常识推理，事件关联性（因果分析）

3. 代码生成补全

代码生成
代码调试
技术文档处理
智能对话
计算推理

二、创新的火花：如何自己去设计提示词

AI交互的三重概率：多层互动逐层精炼

初始生成概率：AI通过大模型的概率预测与推理生成初步内容
交互筛选概率：用户与AI互动，通过对话和选择筛选出更优作品。
主观优化概率：用户基于自身能力和创意对生成内容进行个性化优化

🌌 提示词语链介绍

简述：提示语链是用于引导AI生成内容的连续性提示语序列，告诉AI“做什么”，引导AI“如何做”

   💭 **思考步骤**

       1. 提问前先明确目标与要求。

       2. 设定上下文背景

           3. 明确核心内容，并确保内容连贯性（逻辑性）。

           4. 只需要提供必要的信息的，不用拘泥于框架；

           5. 结构化提示词有助于AI理解，记住并遵循指令；复杂的内容可以用结构化梳理，但简单的指令直接提问即可。

       6. 提问约束明确是否需要拓展与联想。

           **太过微管理的方式指挥AI，只会扼杀AI的创造力**

           1. 不要过度干涉AI思考方式：不要指定思考步骤，除非你只希望严格执行

      	   2. 最后改善语言表达，评估整体质量。

           3. 通过观察AI的思考方式来理解原因，微调提示词。

   ---

📑 提示词设计思路

提示词设计思路一：主题聚焦机制（TFM，锁定核心内容）

   - 构建主题原型：确定主题的核心特征和典型例子；出主题的关键特征和代表性例子

   - 设置语义框架：创建与主题相关的概念网络

   - 建立重点梯度：设定主题相关性的层级结构；按重要性排序相关概念和子主题

   - 提供主题引导图：计特定的关键词（主要与次要）或短语来保持主题聚焦

提示词设计思路二：知识转移技术（KTT，跨域智慧应用）

   - 定义问题：确目标领域需要解决的问题或创新点·个性化挑战

   - 寻找源域：搜索可能包含相关知识或方法的其他领域

   - 知识提取：从源域提取关键的知识、技能或方法

   - 相似性分析：分析源域和目标域之间的结构相似性

   - 转移策略设计：制定知识从源域到目标域的转移策略

   - 构建转移提示：创建引导AI进行知识转移的提示语

提示词设计思路三：多重约束策略（MCS，发创造性问题解决）

   - 问题定义：确需要解决的核心问题

   - 约束条件设定：制定多个具有挑战性的限制条件

   - 约束间矛盾分析：识别约束之间的潜在冲突，估每个约束对问题解决的影响

   - 创造性妥协探索：寻找满足所有约束的创新解决方案

   - 约束突破思考：探索创造性地绕过或重新定义约束

☄️ 设计模型

1. 涌现思维模型

   - 分解与重组：将复杂问题拆解为简单组件，再设计交互方式

   - 设定约束：使用提示语定义组件设定规则

   - 分析与调优：设计机制来观察和约束多组件的结果。

   📝 **流程思路**

       - 设定期望结果 ----> 倒推提示语结果 ----> 调整提示语细节

       - 将问题抽象化 ----> 代入案例收集具象化反馈 ----> 迭代与优化

3. 任务拆解模型：SPECTRA

   - Segmentation（分割）：将大任务分为独立但相关的 部分 

   - Prioritization（优先级）：确定子任务的重要性和执行 顺序 

   - Elaboration（细化）：深入探讨每个子任务的细节

   - Connection（连接）：建立子任务之间的逻辑关联

   - Temporal Arrangement（时序安排）：考虑任务的时 间维度

   - Resource Allocation（资源分配）：为每个子任务分配 适当的注意力资源

   - Adaptation（适应）：根据AI反馈动态调整任务结构

4. 发散模型：IDEA

   - Imagine（想象）：鼓励超越常规的思考

   - Diverge（发散）：探索多个可能性

   - Expand（扩展）：深化和拓展初始想法 

   - Alternate（替代）：寻找替代方案

5. 设计模型：CIRS

   - Refinement （优化）：对初步输出进行修改和完善

   - Context （上下文）：提供背景信息和任务概述

   - Synthesis（综合）：整合所有输出，形成最终成果

   - Instruction（指令）：给出具体的指示

6. 提示词构建模型：RTGO

   - Role（角色）

   - Goal（目标）

   - Task（任务）

   - Objective（操作要求）

三、个人提升方向

个人提升方向

AI思维 / 引导力：掌握AI思维模式，构建个人提示词体系，建立人机协作认知框架（工作流）主导AI交互过程，确保输出符合预期
整合力 / 创新力：融合人机优势，跨领域知识整合，构建创新生态系统，创造1+1>2的价值
判断力 / 竞争力：保持独立思考，发展个人方法论，创造专属工具组合，形成难复制优势，做AI输出的把关者

进阶思路

AI 进阶使用
- 知识唤醒：AI辅助头脑风暴，通过AI提问激发思考，用AI拓展思维维度
- 知识整合：AI辅助关联分析，发现知识应用场景形成系统化观点
- 提示构建：形成结构化提示，整合关键信息要素，设定具体的约束。

AI辅助知识生成进化

知识获取增强：构建概念图谱，学习人机交互（对话），验证知识。
知识整合升级：跨领域关联，系统化重构知识体系，实践验证情境化应用
知识创新突破：构建新观点，构建新方法，实践应用创造价值
AI 学习路径与节点
- 基础使用层（独特工作流）：单一任务，简单提示词，被动应用
- 进阶使用层（方法创新）：任务组合，结构化提示词，主动优化
- 创新使用层（领域整合）：流程再造，提示词艺术，创造性应用
知识库+知识唤醒框架：融合具身性的高质量内容，将人的具身经验与AI的形式知识有机结合，产生既有深度又有温度的内容
突破路径：建立提示词体系，设计协作流程，发展创新方法，打造个人特色