大模型提示词优化-新意图识别

大模型在业务领域的应用是2024年的风向标，可能有些人还不知道如何去优化提示词，本文已新意图识别举例来展示优化过程。

提示词的目标是让大模型按照你的指令输出预期的结果。我们可以把大模型看作是一个工作助手（是一个”人“）。那么与人交流，就必须掌握与这个”人“的交流方式，这个交流方式就是提示词。

新意图识别一直是比较难的，传统的方式是聚类，但聚类准确性很低，也有人使用机器学习或深度学习的方式进行了大量的研究，但都停留理论可行，实际不太可行的层面。本文想通过新意图识别这个业务难题，来看看大模型是如何轻松解决的。

在与客户沟通过程中，通常都需要识别客户的意图，通过意图识别后，给予合适的回复。通常意图识别第三方接口都是使用检索的方式实现，主要是通用、成本低，若是使用机器学习或深度学习，一是不通用，二是需要标注，有大量的标注成本，大模型应用阶段，谁还愿意去标注呢？三是需要一定的算力成本。在大模型应用阶段，7B模型在1张T4卡上也可以跑2-3个实例了。离线应用场景比较适合使用大模型来实现，一是简单，二是操作也方便，三是需要一定的业务理解能力，输出结果需要符合业务人员的口味。

下面直接给出迭代过程（使用的是deepseek，本地可以使用qwen2.5）：

一、先让大模型给模拟一段账单分期业务坐席与客户的对话

客服（张经理）: 您好！我是来自XX银行的张经理，我们近期正在推广一款账单分期服务，可以帮助您轻松管理账单支付。请问现在是您可以接听电话的时间吗？ 客户: 是的，您好！请问这方面的服务可以具体说明一