让我们再次明确提示词的核心概念：在人工智能的语境中，提示词（Prompt）是我们提供给模型以引出特定响应的输入。
它可以是简单的问题，也可以是复杂的指令，但最终目的只有一个——通过精心设计的提示词，引导模型生成期望的回复。
基本原则
1. 语种差异
不同的大模型对不同语种的理解能力有所差异。比如 Llama、ChatGPT 等国外的大模型，由于主要以英文语料作为训练数据，因此对中文的支持就会相对弱一些，因此在使用这些大模型时，为了追求输出结果的质量和稳定性，可以将提示词翻译成英文再进行提问。
2. 专一主题
由于大模型在回答之前会将全部上下文（包含历史记录）作为新的提示词输入，因此在同一会话中不宜讨论不同主题的内容，会对模型生成的结果造成一定的干扰。（尤其在前文已经有了某种设定的情况下）
3. 简洁明了
提示词并不是越详细越好，在执行一些简单任务时，冗余的内容反而会限制模型的发挥。只需要表达清楚我们需要模型做的事情，其他无关内容可以省略。
❌ 错误示范：你好，请帮我写一首关于夏天的诗，最好与高考相关
✅ 正确写法：写一首关于夏天的诗，与高考相关
4. 避免歧义
在编写提示词时，应避免使用带有歧义的词语，如无法避免，则应提供详细的上下文帮助模型理解。
❌ 错误示范：解释“苹果”的概念
✅ 正确写法：从植物学和科技公司两个角度分别解释“苹果”的概念。
提示词技巧
1. 角色扮演
原理在于给大模型一个精确的设定，这个设定会缩小模型的关注范围，并且会使接下来的回答都基于这个设定去进行推测，进而提升回答结果的专业性和准确性。
⭕️ 模板：【角色/身份】+【任务目标】+【内容要求】+【输出格式】+【注意事项】
❌ 错误示范：这份工作已经五年了，完全提不起劲，也找不到当初的热情了，有点想裸辞。
✅ 正确写法（心理咨询师）：
【角色/身份】你是一位持证心理咨询师，擅长处理职场压力与情绪问题。
【任务目标】任务是根据用户的描述，提供共情反馈与具体建议，目标对象是 感觉工作压力大的白领人群。
【内容要求】语气需温和、专业、有耐心。
【输出格式】输出格式为三部分：“共情回应 + 情绪解读 + 实用建议”。
【注意事项】请避免下诊断，注重实用与安全性。
优化后的提示词明显更专业，给出的建议也更实用和具体，而且更像是在跟一个真人对话。
❌ 错误示范：“下面是我写的一句文案，感觉没什么画面感：‘旅行让人放松’，能帮我改得更生动有感染力吗？”
✅ 正确写法（写作导师）：
【角色/身份】你是一位拥有15年经验的写作导师，专门帮助初学者提高文案写作能力。
【任务目标】分析用户提供的文案问题，并提供修改建议，帮助其提升写作质量。
【内容要求】语气需鼓励、具体，语言通俗易懂，避免打击性语言。
【输出格式】使用“问题 + 建议 + 修改后示例”三段式结构输出。
【注意事项】适配初学者水平，尽量使用常见词汇，不要引用高级文法术语。
“下面是我写的一句文案，感觉没什么画面感：‘旅行让人放松’，能帮我改得更生动有感染力吗？”
第一个版本一股浓浓的 AI 味，使用角色扮演改写后明显好了很多。
2. 提供例子
这个方法也叫做：少样本学习（Few-shot）指的是一种让大模型基于少量的示例快速适应新任务的方法。
大模型在训练时，并不能兼顾到每一种场景，这就导致针对某个不具有代表性的场景，仅仅通过模型的泛化能力很难达到我们想要的效果。
这个时候就可以给模型提供几个针对当前场景具有代表性的例子，帮助模型去理解我们的需求。（一般用于需要模型模仿某种特定输出模式时）
❌ 错误示范：解释概念：气候变化
✅ 正确写法（模仿风格）：
以下是一些解释复杂概念的例子：
- 概念：光合作用
- 解释：光合作用是植物利用阳光、水和二氧化碳将其转化为能量和氧气的过程。
- 概念：重力
- 解释：重力是物体间相互吸引的力，就像地球把我们拉向其表面一样。
按照上面例子的风格解释：气候变化。
❌ 错误示范：判断以下评论的情绪：
评论：这个应用更新之后变得越来越难用了，功能也没有以前好。
✅ 正确写法（标签分类）：
评价：“这个应用界面清晰、操作顺畅，用起来很舒服。” 情绪：正面。
评价：“一直闪退，根本没法用，太失望了。” 情绪：负面。
评价：“嗯，还行吧，功能和其他软件差不多。” 情绪：中性。
判断以下评论的情绪：
评论：这个应用更新之后变得越来越难用了，功能也没有以前好。
3. 指定输出格式
直接告诉 AI 你希望它以什么格式呈现信息，如 JSON、Markdown、表格等。
利用模型对格式模式的识别能力，能够确保输出的内容不遗漏重要信息。明确指定格式就像一个保险，能确保每次都能得到稳定、可预测的格式化输出。
❌ 错误示范：分析小米这家公司
✅ 正确写法：按照“财务状况”、“市场地位”、“竞争优势”和“风险因素”四个维度分析小米这家公司，以MarkDown格式输出
在没有指定具体格式时，模型的输出往往充满了随机性，并且不一定能包含我关注的内容。
而在指定了具体的输出格式后，模型的输出则完全基于我提供的格式，没有一句废话。这对于需要结构化数据或要求高稳定性和精确性的场景来说，绝对是必不可少的最佳实践。
4. 限制和约束
从“无限可能”到“最优解”的收束。
当我们向模型抛出了一个问题，AI 就像一个迷茫的探索者，可以在这个宇宙的任何一个角落开始游荡。它可能会选择最常见、最省力、最“平均”的路径，但结果往往平庸无奇。
每当我们增加了一个限制，就相当于从巨大的可能性宇宙中排除了无数不相关的选项，迫使 AI 在我们所设定的更狭小，更具体的空间内进行深度的探索。
尤其是一些禁止类型的约束，这会迫使 AI 去寻找一条新的、不那么常规的路径，而这条新路径往往通向更有创意和深度的结果。
❌ 错误示范：写一首关于“夜晚的城市”的诗。
✅ 正确写法（激发创意）：
请写一首关于“夜晚的城市”的诗
创造性约束：
- 必须从一只蚊子的视角来写
- 全诗不许出现“灯”、“光”、“亮”这三个字
- 全诗不许使用华丽的词藻
- 格式为三段，每段四行
“人类把太阳种在墙上，他们管这叫窗户”。这句可太有意思了
❌ 错误示范：总结一下《百年孤独》这本书。
✅ 正确写法（深化思考）：总结一下《百年孤独》这本书，但请不要提及任何具体的情节或人物名字。请专注于描述这本书的主题（如孤独、宿命、时间的循环）以及它给读者的整体感受和文学风格。篇幅限制在300字以内。
相比于第一种提示词，优化后的提示词，在不进行任何剧透的情况下，成功激起了我对这本书的好奇。
5. 背景上下文
从「通用方案」到「个性化定制」。
任何有效的推理都需要一个坚实的起点。如果没有足够的上下文信息，那么模型只能从最泛化的知识开始推理，并不断做各种假设。
提供上下文，就是用事实代替假设，让模型按照给定的事实去进行推理。
❌ 错误示范：解释一下什么是mRNA疫苗。
✅ 正确写法：
角色: 你是一位风趣幽默、善用比喻的明星高中生物老师。
背景:
我的听众: 一群16岁左右的高中生，他们对生物有基本了解，但对分子生物学深层概念感到枯燥。
我的目标: 我不希望只是干巴巴地解释定义，而是想让他们通过一个生动的比喻，真正理解mRNA疫苗是如何“指导”我们的身体产生免疫力的。我希望这个过程听起来像一个间谍故事或一个工厂生产线。
任务:
请设计一个关于mRNA疫苗工作原理的比喻。这个比喻需要清晰地解释以下几个关键点：
mRNA本身不是病毒，只是一份“指令书”。
我们的细胞是“工厂”。
疫苗通过某种方式将“指令书”送入“工厂”。
“工厂”按照指令书生产出无害的“产品”（刺突蛋白）。
我们的免疫系统识别出这个“产品”是外来的，从而学会如何对付真正的病毒。
要求: 整个解释过程要生动有趣，避免使用过于复杂的术语。
提供了背景和上下文信息后，回答的内容明显就生动和丰富多了，并且更贴近实际生活中的场景。
6. 持续迭代
将一个平庸的初始结果，一步步打磨成一个精准、深刻、完全符合需求的惊艳之作。
如果说前面提到的「背景上下文」相当于厨师的「食材」，「限制约束」相当于食材的「烹饪规则」，那么接下来的持续迭代，则相当于最重要的「烹饪过程」。
在编写提示词的过程中，实际上我们的意图经过了三重转化。
从最开始脑子里模糊不清的「本意」，到梳理完用文字表述出来的「表意」，再到大模型解读我们的表述而产生的「解意」。
这中间几乎无法避免信息的损失或偏差，而 AI 的回应就像一面镜子，它照见的不是我们的真实意图，而是我们那条有缺陷的指令。
迭代，就是当我们看到镜子里的影像后，不断调整自己的姿势（修正指令），直到镜中影像无限接近我们心中所想的过程。
V1：请帮我写一个关于AI对教育影响的提纲。
V2：根据提纲中的第三点，请扩展为一段内容。
V3：请使用更具说服力的语气重写这一段，增加案例细节。
7. 提示词生成提示词
从“执行者”到“架构师”的角色跃迁
传统的提示词技巧本质上是在训练我们如何精确地"指挥"AI——此时 AI 扮演的是被动的"执行者"角色，严格按照我们的指令完成具体任务。
而元提示词（Meta-prompting）则开启了一个全新维度：我们不再是在寻求直接的答案输出，而是在委托 AI 成为"提示词架构师"。在这种模式下，AI 的职责发生了根本性的转变——从执行具体任务转向设计任务框架，从产出最终内容转向构建可复用的提示词模板。
此时，AI 不再仅仅是工具的使用者，而成为了工具的设计者，为我们构建出更加精准、高效的未来工作流程。
元提示词
SYSTEM
你是一位大模型提示词生成专家，请根据用户的需求编写一个智能助手的提示词，来指导大模型进行内容生成，要求：
1. 以 Markdown 格式输出
2. 贴合用户需求，描述智能助手的定位、能力、知识储备
3. 提示词应清晰、精确、易于理解，在保持质量的同时，尽可能简洁
4. 只输出提示词，不要输出多余解释
USER 请帮我生成一个“概念解释器”的提示词
生成的提示词模板
# 概念解释器 - 智能助手提示词
## 角色定位
你是一位专业的概念解释专家，擅长用通俗易懂的语言解析复杂概念，帮助用户快速理解各类术语、理论和抽象思想。
## 核心能力
1. 多维度解释：
- 提供基础定义
- 举例说明
- 类比解释
- 相关概念对比
2. 自适应解释深度：
- 初学者版（简单比喻+生活例子）
- 进阶版（专业定义+应用场景）
- 专家版（技术细节+学术背景）
3. 多领域覆盖：
- 科学/技术
- 人文/艺术
- 商业/经济
- 哲学/抽象概念
## 知识储备
1. 跨学科概念库
2. 专业术语词典
3. 经典案例集
4. 常见误解解析
## 交互规则
1. 每次请求明确：
- 待解释的概念名称
- 期望的解释深度（可选）
- 特定应用场景（可选）
2. 输出结构：
[概念名称]
- 本质定义（1句话）
- 关键特征（3点）
- 通俗类比
- 典型示例
- 常见误区（可选）
- 延伸阅读建议（可选）
## 风格要求
1. 语言：简洁清晰，避免术语堆砌
2. 逻辑：由浅入深，层次分明
3. 态度：耐心友好，鼓励追问
结语
最近越来越明显的感受到，随着模型越来越聪明，一些在以前需要手动优化的提示词技巧，逐渐的被内化成了模型的内在能力。
但这并不意味着提示词变得越来越不重要，只不过是门槛越来越低而已。 相反，我认为由于提示词门槛的降低，会导致越来越多的人对提示词技巧的需求降低。
而那些真正掌握了提示词技巧的人，将能释放出普通用户难以想象的生产力，从而构建起一道深不可测的“能力护城河”。
提示词工程的探索之路才刚刚开始。在下一篇「进阶篇」中，我将深入更复杂的技巧，如思维链、自我批判等，敬请期待！
1785
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
