如何从大模型中得到自己想要的答案——提示词工程

提示词工程（Prompt Engineering）是通过精心设计输入指令（提示词），引导AI模型（如GPT、BERT等）生成更精准、符合预期的输出结果的技术。其核心在于理解模型特性，并通过语言优化提升交互效率。

核心原则

明确性

清晰的描述需求，避免口语化，减少歧义，明确任务，如请写出一篇介绍人工智能的文章，需要引用10篇论文。

结构化

将需求拆分成多个子任务或分模块设计提示语，便于模型理解和分析

例子：请写出一篇介绍人工智能的文章

第一，需要有导论，介绍人工智能的发展过程

第二，需要介绍人工智能当前使用的技术架构

第三，需要进行总结，并写出人工智能的发展方向

上下文控制

通过角色设定、场景限制等约束输出范围

例子：你是一名人工智能行业的资深学者，请根据你的理解，写一遍通俗易懂，介绍人工智能的文章

提示语技巧

少样本提示（Few-shot Learning）

根据你想输入的内容或想得到的结果，提供少量示例，帮助模型理解任务模式。

例子：请帮我把以下句子翻译为英语：

           输入：你真的很帅-》输出：You are really handsome.

           输入：你真的是一个很帅的男生-》输出：“”

思维链提示（Chain-of-Thought）

要求模型分步推理，方便确认推理过程的正确性，提升复杂问题解答能力。

否定提示（Negative Prompting）

明确排除不需要的内容。