为什么需要 Prompt
大模型本身只是通用文本生成器，没有目标、不懂潜台词、没有固定格式、分不清场景、容易编造内容；Prompt 作为交互指令，用来告诉模型「扮演谁、做什么、遵循什么规则、以什么形式输出、什么内容不能写」，用最低成本让通用大模型适配任意个性化场景，同时修正模型天生缺陷。
案例 1：写带货文案
1）只发模糊问句（无规范 Prompt）
用户输入：帮我写奶茶文案模型输出（随意、笼统、无风格、无场景）：
奶茶很好喝，口感丝滑，甜度刚好，大家快来买。
2）标准完整 Prompt（角色 + 任务 + 约束 + 格式 + 负面要求）
你是资深某音饮品带货主播，主打平价鲜果奶茶。
任务：写3条15秒短视频口播文案，针对夏季冰荔枝奶茶。
约束：
1. 口语接地气，适合对着镜头说话；
2. 突出：果肉多、冰爽、12.9两杯；
3. 每条50字以内；
4. 结尾引导下单。
禁止：不要文艺书面语、不要复杂修饰、不夸大功效。
输出：每条单独分段，标序号。
模型输出（精准贴合需求）：
- 夏天想喝清爽奶茶的看过来！这款荔枝冰沙料巨足，满满果肉，现在 12.9 直接两杯，刷到赶紧囤！
- 谁能拒绝冰荔枝奶茶啊！果肉吸得到，冰丝丝的不腻，两杯才十几块，楼下门店就能取！
- 天热没胃口就冲它！新鲜荔枝打沙，甜度刚好不齁，12.9 两杯，闭眼冲不亏！
什么是 Prompt
Prompt 是用户输入给大语言模型（LLM）的全部指令、上下文、问题、约束、示例、格式要求的总称，是人与大模型交互的唯一桥梁。 大模型本质是基于上下文预测下一个文字，Prompt 直接决定模型理解你的需求、输出内容风格、结构、准确度、专业度。
Prompt 构成五要素
完整优质Prompt 提示词包含5个模块，缺一不可：
-
角色（Role）：给模型指定身份（专家、老师、产品经理、律师、小说家）
-
任务（Task）：明确要做什么（写文案、解题、数据分析、翻译、策划）
-
上下文/背景（Context）：补充场景、已知信息、限制条件、原始材料
-
规则/约束（Constraints）：字数、风格、禁止内容、逻辑要求、输出格式
-
示例（Example/Few-shot）：给1~n个标准答案范例，大幅提升输出一致性
通用模板：
你是【角色】，拥有【专业能力】。
背景：【场景/已知材料】
你的任务：【清晰指令】
严格遵守以下规则：
1. xxx
2. xxx
输出格式要求：【表格/Markdown/分段/JSON/代码】
参考示例：
输入：xxx
输出：xxx
现在处理：【用户原始需求】
二、不同类型Prompt实操例子
1. Zero-shot 零样本
Zero-shot 零样本（最简单，无示例）
定义
不给任何参考示例，仅靠文字指令让模型完成任务，模型依靠自身预训练知识作答。
特点
简单、简短、上手快；复杂任务容易出错 适合简单问答、基础翻译、短句创作
示例
Prompt：把下面句子改成书面正式文风：今天下雨，我不想出门买菜。
输出：今日降雨，不便外出采购食材。
2. One-shot 单样本
One-shot 单样本（给1组示例规范格式）
定义
提供1 组输入 + 输出范例，再执行当前任务。
特点
少量示例就能规范输出格式，性价比最高，日常最常用。
示例
示例：
输入：猫 → 动物
现在完成分类：香蕉
输出：水果
3. Few-shot 少样本
Few-shot 少样本（多组示例，适合数据抽取）
定义
提供 2~10 组输入输出范例，强制模型复刻格式、逻辑、语气。
特点
分类、抽取信息、结构化输出、表格生成必备，大幅降低幻觉。
适用：数据标注、实体提取、关键词归纳、文案模板生成。
示例1：
原文：张三，25岁，程序员，联系方式13800138000
提取：姓名：张三，年龄：25，职业：程序员，电话：13800138000
示例2：
原文：李四，30岁，教师，联系方式13900139000
提取：姓名：李四，年龄：30，职业：教师，电话：13900139000
待处理原文：王五，22岁，大学生，联系方式13700137000
输出：姓名：王五，年龄：22，职业：大学生，电话：13700137000
4. CoT思维链
CoT思维链（数学推理，不加prompt会直接答错）
定义
引导模型分步推理，先写思考过程，再给最终答案，解决数学、逻辑、推理题。
核心指令关键词：
一步步思考、写出推理过程、分步骤拆解、不要直接给答案
无CoT简单提问：
3支笔5元，12支笔多少钱？
输出: 20元
带CoT完整Prompt：
请分步计算，先算单支价格，再算12支总价，写出完整思考过程再给答案。 已知3支笔一共5元，求12支笔总价。 输出：
1. 3支笔5元，12支是3支的倍数：12÷3=4
2. 总价格=4×5=20元
答：12支笔20元。
5. SystemPrompt
-
System Prompt 系统提示词 全局底层设定，对话全程生效，优先级最高。 作用：固定模型人设、全局规则、输出规范，不会被用户提问覆盖。 适用：自定义 AI 助手、企业后台机器人
-
User Prompt 用户提示词 用户每一轮输入的问题、需求，单次对话可变内容。
-
Assistant Prompt 助手历史输出 模型上一轮的回答，作为上下文送入下一轮 Prompt，维持对话连贯性。
System系统Prompt（全局固定人设）
【系统设定，全程生效】
你是小学六年级数学老师，说话温柔，讲解通俗易懂，所有题目分步讲解，多用生活化例子，不使用复杂术语。学生提问只讲基础解法，不拓展超纲内容。
用户问题：长方形长8cm，宽3cm，周长是多少？
模型会用小学生能听懂的方式分步讲解。
6. Negative负面Prompt
Negative负面Prompt（明确禁止内容）
Prompt：写一段健身房宣传短句，禁止出现“最、第一、顶级”极限词，不要夸张虚假话术，控制20字以内。 输出：科学锻炼，合理塑形，舒适场地陪伴日常运动。
7. Meta Prompt
（元提示词 / 提示词生成器）
让大模型帮你写更好的 Prompt，专门优化指令本身。
示例：
我需要写一篇考研英语阅读解题技巧文章，请为我生成一段专业、完整、包含角色、任务、约束、格式的高级提示词。
8. RAG检索增强Prompt
RAG检索增强Prompt（基于提供材料回答，防幻觉）
把外部知识库、文档、资料塞进 Prompt 上下文，模型只能基于提供材料回答，杜绝幻觉。
参考材料：本店营业时间周一至周五9:00-18:00，周末10:00-17:00，每月1号闭店盘点。
要求：只根据上面材料回答，材料没有的信息统一回复“暂无相关信息”，禁止编造时间。
问题：本店国庆节营业时间？
输出：暂无相关信息
9. 格式约束Prompt
格式约束Prompt（强制JSON/表格输出）
强制输出固定结构：Markdown、JSON、表格、代码、思维导图、分点列表。
Prompt：列举3种夏季水果，以JSON格式输出，字段name、feature、price。 输出：
[
{"name":"西瓜","feature":"清热解暑，汁水充足","price":"2元/斤"},
{"name":"荔枝","feature":"果肉清甜，冰饮更佳","price":"8元/斤"},
{"name":"桃子","feature":"软糯多汁","price":"5元/斤"}
]
10.PromptChaining提示词链
（提示词链（多步骤拆分任务）
把复杂大任务拆成多段分步 Prompt，上一轮输出作为下一轮输入：
例：1. 提取文章关键词 → 2. 根据关键词写大纲 → 3. 按大纲写完整文章
第1轮Prompt：
总结下面文章核心关键词（原文：夏日气温持续走高，冷饮、西瓜、游泳、防晒用品销量大幅上涨） 输出：高温、冷饮、西瓜、游泳、防晒
第2轮Prompt（用上一轮结果）：
根据关键词写3句夏季消费宣传短句
三、不同类型 Prompt 优缺点对比
| 类型 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| Zero-shot | 简洁快速 | 复杂任务易出错、格式混乱 | 简单翻译、基础问答 |
| Few-shot | 输出稳定、格式统一 | 需要准备示例 | 数据抽取、分类、标准化文案 |
| CoT 思维链 | 推理 / 数学准确率大幅提升 | 输出文字变长 | 计算题、逻辑题、复杂分析 |
| System 角色 Prompt | 全程统一人设风格 | 内容较长 | 长期固定 AI 助手、专业工具 |
| RAG 检索增强 Prompt | 几乎无幻觉、内容真实 | 需要上传外部文档 | 企业知识库、资料问答 |
| Negative 负面 Prompt | 过滤无效 / 违规内容 | 需手动罗列禁止项 | 所有创作类场景 |
1672
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
