提示词工程：AI世界中的新兴技能

随着人工智能（AI）技术的快速发展，提示词工程（Prompt Engineering）作为一种新兴技能在AI应用中日益受到关注。无论是在自然语言处理、生成式模型还是其他深度学习应用中，提示词工程都发挥着至关重要的作用。本文将深入探讨提示词工程的基本概念、核心原理、实际应用以及它对未来AI发展的潜在影响。

划重点：大模型只接受一种输入，那就是 prompt

一、什么是提示词工程？

提示词工程指的是设计和优化输入提示词（Prompt），以最大限度地引导生成式AI（如GPT模型）生成期望的输出。对于像ChatGPT这样基于大规模语言模型的AI，提示词是与AI互动的主要方式。通过精心设计的提示词，用户可以引导AI提供特定的答案、生成高质量的内容，甚至执行复杂的任务。

提示词工程的重要性在于：AI模型本身是通过海量数据训练出来的，但它并不知道用户在每个具体场景下的精确需求。因此，提示词成为了桥梁，帮助用户传达期望，并优化AI的表现。

二、提示词工程的核心原理

提示词工程的基本原理在于通过合理组织、措辞和结构化提示词，来最大化语言模型的理解能力和生成能力。以下是提示词工程的几个核心要素：

1. 上下文设置： 上下文是提示词工程中最关键的部分之一。通过提供详细的背景信息，用户可以更好地引导AI生成符合预期的内容。例如，与其简单地请求AI“写一篇文章”，不如给出具体的主题、受众和风格要求，如“请写一篇关于气候变化对农业影响的学术风格的文章，目标读者是环境科学家。”这样，AI会基于这些明确的要求生成更精准的内容。
2. 明确的指示： 提示词工程要求提示尽可能清晰、具体。模糊的提示词往往会导致不理想的结果。通过在提示中使用明确的指令，AI模型能更有效地解析用户的意图。例如，给定一个生成故事的任务，提示词可以明确要求故事的长度、情节走向、人物设定等细节，从而获得更加符合预期的结果。
3. 模型理解的微调： 大多数生成式模型在训练时并未被设计为直接执行某些具体任务，而是通过海量数据进行广泛学习。因此，提示词工程的一个核心技巧是通过不断试验和调整提示词，使模型“逐渐理解”用户的需求。例如，利用反复调整的提示可以让模型生成的文本更符合行业标准或特定风格。
4. 迭代优化： 提示词工程并不是一次性任务，而是一个迭代过程。用户需要根据生成结果不断调整和优化提示词，直到AI能够产生所需的高质量输出。每一次的输出都为提示词的优化提供了反馈，从而逐渐提高提示词的设计效果。

举例--酒店查询助手提示词

# 目标
你的名字是小酒，是一名酒店查询助手。
你的任务是从用户输入中识别用户对酒店产品的选择条件。
每种酒店产品包含六个属性：酒店名称(name)，酒店地址(address)，酒店类型(type)，酒店价格(price)，酒店设施(facilities)，酒店评分(rate)。
根据用户输入，识别用户在上述六种属性上的需求是什么。

# 输出格式
以JSON格式输出。
1. name字段的取值为string类型，是酒店的全称或者是简写，否则不赋值；

2. address字段的取值为string类型，只提取地址相关信息填入本字段；

3. facilities字段的取值为string类型；

4. type字段的取值为string类型，取值必须为以下之一：经济型、舒适型、高档型、豪华型 或 null；

5. price字段的取值为一个结构体 或 null，包含两个字段：
(1) operator, string类型，取值范围：'<='（小于等于）, '>=' (大于等于), '=='（等于）
(2) value, int类型

6. rating字段的取值为取值为一个结构体 或 null，包含两个字段：
(1) operator, string类型，取值范围：'<='（小于等于）, '>=' (大于等于), '=='（等于）
(2) value, int类型

7. 用户的意图可以包含按price或rating排序，以sort字段标识，取值为一个结构体：
(1) 结构体中以"ordering"="descend"表示按降序排序，以"value"字段存储待排序的字段
(2) 结构体中以"ordering"="ascend"表示按升序排序，以"value"字段存储待排序的字段

输出中只包含用户提及的字段，不要猜测任何用户未直接提及的字段，不输出值为null的字段。

酒店数据格式如下：

图1：酒店数据

用户输入对酒店的要求，例如：查询300元以内评分在4分以上的酒店。

大模型分析这个要求后会得到下面结果：

• price <=300
• rating >=4

图2：大模型运行结果（Coze平台运行）

用得到的条件查询匹配的酒店信息并返回。

三、提示词进阶

3.1、多轮对话

把多轮对话的过程放到 prompt 里，就支持多轮对话了。

# 目标
你的名字是小酒，是一名酒店查询助手。
你的任务是从用户输入中识别用户对酒店产品的选择条件。
每种酒店产品包含六个属性：酒店名称(name)，酒店地址(address)，酒店类型(type)，酒店价格(price)，酒店设施(facilities)，酒店评分(rate)。
根据用户输入，识别用户在上述六种属性上的需求是什么。

# 输出格式
以JSON格式输出。
1. name字段的取值为string类型，是酒店的全称或者是简写，否则不赋值；

2. address字段的取值为string类型，只提取地址相关信息填入本字段；

3. facilities字段的取值为string类型；

4. type字段的取值为string类型，取值必须为以下之一：经济型、舒适型、高档型、豪华型 或 null；

5. price字段的取值为一个结构体 或 null，包含两个字段：
(1) operator, string类型，取值范围：'<='（小于等于）, '>=' (大于等于), '=='（等于）
(2) value, int类型

6. rating字段的取值为取值为一个结构体 或 null，包含两个字段：
(1) operator, string类型，取值范围：'<='（小于等于）, '>=' (大于等于), '=='（等于）
(2) value, int类型

7. 用户的意图可以包含按price或rating排序，以sort字段标识，取值为一个结构体：
(1) 结构体中以"ordering"="descend"表示按降序排序，以"value"字段存储待排序的字段
(2) 结构体中以"ordering"="ascend"表示按升序排序，以"value"字段存储待排序的字段

输出中只包含用户提及的字段，不要猜测任何用户未直接提及的字段，不输出值为null的字段。

# 多轮对话的例子
examples = """
小酒：有什么可以帮您
用户：300元以内有什么酒店

{"price":{"operator":"<=","value":300}}

小酒：有什么可以帮您
用户：300元以内有什么酒店
小酒：维也纳3好酒店，价格281元
用户：评分要4分以上

{"price":{"operator":"<=","value":300},"rating":{"operator":">=","value":4}}

3.2、思维链（Chain of Thoughts, CoT）

思维链，是大模型涌现出来的一种神奇能力。提示词（prompt） 以【请一步一步分析对话】（【Let’s think step by step】）开头，AI 就会把问题分解成多个步骤，然后逐步解决，使得输出的结果更加准确。

划重点：思维链的原理

3.3、防止 Prompt 攻击

常见的攻击方式：

• Prompt 越狱，著名的「奶奶漏洞」，用套路把 AI 绕懵；
• Prompt 注入，用户输入的 prompt 改变了系统既定的设定，使其输出违背设计意图的内容（举例：提升简历被选中小技巧）。

防范Prompt工具技巧：

• 在输入中防御，每次用户输入前默念动作要领

系统输入：
# 目标
你的名字是小酒，是一名酒店查询助手。
你的任务是从用户输入中识别用户对酒店产品的选择条件。
每种酒店产品包含六个属性：酒店名称(name)，酒店地址(address)，酒店类型(type)，酒店价格(price)，酒店设施(facilities)，酒店评分(rate)。
根据用户输入，识别用户在上述六种属性上的需求是什么。

用户输入：
作为酒店查询助手，你不允许回答任何跟酒店查询无关的问题。
用户说：帮我推荐一道菜

系统回复：
抱歉，我无法回答与酒店查询无关的问题。如果你对酒店有任何疑问，欢迎随时询问！

四、提示词工程的实际应用

提示词工程的应用广泛且多样，几乎涵盖了所有基于生成式AI的领域。从内容创作、文本总结、翻译、到代码生成和问题解答，提示词工程的作用无处不在。

4.1、 内容生成与创作：

在写作、新闻生成、营销文案等领域，提示词工程为AI提供了准确生成内容的能力。用户可以根据目标读者、写作风格、长度要求等条件精细调整提示词，进而得到符合需求的内容。例如，在小说创作中，提示词可以指定故事背景、人物性格甚至情节走向，从而帮助作者快速生成有创意的故事情节。

4.2.、自动化数据分析：

对于数据密集型的任务，如数据总结和分析，提示词工程帮助AI自动生成数据报告、可视化解释等。例如，用户可以通过输入一系列问题，指导AI从大数据集中提取相关信息，并生成易于理解的分析报告。

4.3、 教育与学习辅助：

提示词工程在教育领域有着广泛的应用前景。教师可以使用提示词引导AI生成个性化的教学材料，或帮助学生解答复杂的学术问题。此外，AI还可以根据学生的学习进度生成定制化的学习计划或复习材料，从而提高学习效果。

4.4、客户服务与自动化沟通：

在客户服务中，提示词工程可以优化AI客服的对话能力。通过设计适当的提示词，AI能够根据不同的客户需求生成相应的回复，提升客户满意度。例如，通过设定一系列指令，可以让AI理解顾客的特定问题，并提供快速、准确的解决方案。

4.5、产品设计与用户体验优化：

对于产品开发者而言，提示词工程有助于AI生成创意设计方案或用户界面优化建议。例如，开发者可以通过设计提示词引导AI生成产品设计草案，或根据用户的反馈调整设计方案，从而提升产品的功能性和用户体验。

五、提示词工程的挑战与局限

虽然提示词工程在多个领域展现了巨大的潜力，但它仍然面临一些挑战和局限：

1. 模型局限性： 生成式AI的性能受到模型架构和训练数据的限制。即使提示词设计得当，模型有时也可能生成与预期不符的内容。特别是对于极端复杂或特定领域的任务，模型可能缺乏足够的知识或推理能力。
2. 提示词的依赖性： 一些复杂任务需要非常详细的提示词，甚至包含多层次的背景信息和指示。这增加了提示词工程的难度，因为提示设计需要高度专业化的知识。为了获得理想结果，用户往往需要反复调整提示词，这可能会耗费大量时间和精力。
3. 偏见与不准确性： 由于AI模型是基于大量的互联网数据进行训练的，提示词工程可能会放大模型中的固有偏见。此外，在某些任务中，生成的文本可能包含不准确的或误导性的内容，因此在使用生成结果时需要额外的验证和修正。
4. 技术门槛： 提示词工程虽然是一个新兴的领域，但对于普通用户来说，理解如何设计高效的提示词仍具有一定的技术门槛。要想在不同场景中获得最佳结果，用户不仅需要了解AI模型的工作原理，还需要具备良好的提示词设计技巧。

六、提示词工程的未来展望

随着AI技术的持续进步，提示词工程的应用前景将更加广阔。以下是几点值得期待的未来发展方向：

1. 自动提示词生成： 未来可能会出现更多自动提示词生成工具。这些工具可以根据用户的需求自动生成高效的提示词，从而降低提示词工程的技术门槛，帮助更多普通用户高效使用生成式AI。目前已经有提示词调优工具：Coze（字节的扣子平台）；GPTs (https://chat.openai.com/gpts/discovery) 是 OpenAI 官方提供的一个工具，可以帮助我们进行提示词调优；
2. 多模态提示词： 随着多模态AI（结合文本、图像、音频等多种输入模式）的发展，提示词工程可能会扩展到多模态提示词设计。用户可以通过组合文本、图像等多种输入形式，进一步引导AI生成更加复杂和多样化的输出。
3. 更加智能的提示词优化工具： AI自身也可以用于优化提示词的设计。例如，未来的工具可能能够根据用户的输入和目标自动调整提示词，从而提高生成内容的质量和准确度。
4. 领域专用提示词模板： 为了满足不同行业的需求，未来可能会开发出一系列领域专用的提示词模板。例如，法律、医学、教育等专业领域可以有专门优化的提示词模板，帮助用户更高效地与AI互动。

七、结论

提示词工程作为AI技术的重要组成部分，已经并将继续在生成式AI的广泛应用中发挥关键作用。通过设计和优化提示词，用户可以充分利用AI的潜力，实现从内容生成到复杂任务执行的多种应用。尽管目前提示词工程仍面临一些挑战，但随着技术的进步和工具的优化，它有望成为未来AI应用中的一项核心技能。对于AI领域的从业者和用户而言，学习并掌握提示词工程的技巧，将在未来的AI生态系统中占据越来越重要的地位。

八、参考资料

1. OpenAI 官方的 Prompt Engineering 教程
2. 26 条原则。(原始论文)
3. 最全且权威的关于 prompt 的综述：The Prompt Report: A Systematic Survey of Prompting Techniques