【AI】一文掌握提示词工程技巧

最新推荐文章于 2025-07-08 21:11:28 发布
最新推荐文章于 2025-07-08 21:11:28 发布
阅读量358 收藏
点赞数 14
CC 4.0 BY-SA版权
分类专栏： AI 本地离线DeepSeek AI方案部署实战教程【完全版】 文章标签： 人工智能 AI LLM Prompt 提示词 GenAI OpenAI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ouyangtianhan/article/details/146396117

【AI】一文搞懂提示词工程技巧

推荐超级课程：

目录

在这里插入图片描述

提示词要素

如果您接触过大量提示工程相关的示例和应用，您会注意到提示词是由一些要素组成的。

提示词可以包含以下任意要素：

指令：想要模型执行的特定任务或指令。

上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。

输入数据：用户输入的内容或问题。

<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
大语言模型原理与工程实践：自我一致性提示
AI大模型应用之禅
07-14 1116
大语言模型原理与工程实践：自我一致性提示 1. 背景介绍 1.1 问题的由来 随着大型语言模型（Large Language Models, LLMs）的兴起，特别是基于Transformer架构的模型，如GPT、Bert等，这些模型因
一文读懂「Prompt Engineering」提示词工程 基础版
热门推荐
女王の专属领地
01-10 2万+
提示工程（Prompt Engingering），也被称为上下文提示（In-Context Prompting），指的是通过结构化文本等方式来完善提示词，引导LLM输出我们期望的结果。通过提示词工程可以在不更新模型权重的情况下，让LLM完成不同类型的任务。其主要依赖于经验，而且提示词工程方法的效果在不同的模型中可能会有很大的差异，因此需要大量的实验和探索。提示工程旨在获取这些提示并帮助模型在其输出中实现高准确度和相关性，掌握提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。
【Prompt Engineering：自我一致性、生成知识提示、链式提示】
abclyq的博客
09-11 1490
为了提高大语言模型的性能使其更可靠，一个重要的提示工程技术是将任务分解为许多子任务。确定子任务后，将子任务的提示词提供给语言模型，得到的结果作为新的提示词的一部分。这就是所谓的链式提示（prompt chaining），一个任务被分解为多个子任务，根据子任务创建一系列提示操作。链式提示可以完成很复杂的任务。LLM 可能无法仅用一个非常详细的提示完成这些任务。在链式提示中，提示链对生成的回应执行转换或其他处理，直到达到期望结果。除了提高性能，链式提示还有助于提高 LLM 应用的透明度，增加控制性和可靠性。
AI提示词（Prompt）从入门到精通，非常详细，收藏这一篇就够了！！！
weixin_72959097的博客
06-18 1420
提示词（Prompt）是指在使用大语言模型时，用户向模型提供的输入，用于引导模型生成特定类型、主题或格式的文本输出。这种输入可以是一个问题、一个描述、一组关键词或上下文信息；
第7章.自我一致性提示
weixin_40183036的博客
04-07 524
及时公式：“请确保以下文本是自我一致的：文章指出，该市的人口是。提示公式：“请确保以下文本是自我一致的：数据显示了平均温度。CHATGPT的输出与所提供的输入一致。500万，但后来说人口是700万。500万，但后来说人口是700万。提示公式：“以某种方式完成以下句子。这与提供的上下文[插入句子]一致”任务：在给定的新闻文章中检查一致性。输入文本：“文章指出，城市的人口是。文字下面是指令“请确保以下文本为。自矛盾提示是一种用于确保的技术。任务：检查给定数据集中的一致性。自洽提示的提示公式是输入。
第9章：知识生成提示
weixin_40183036的博客
04-24 270
请生成新的和原始的来自此数据集的有关客户行为的信息：【数据集信息】将以下信息与关于 【特定主题】的现有知识结合: 【插入新信息】你也可以提出同时提出具体要求，如内容类型、长度和风格等。知识生成提示，是告诉ChatGPT创造新信息的命令。生成有关 【 特定主题 】 的新的、准确的信息。ChatGPT会利用已有知识生成内容。回答以下问题：【 插入句子 】
【绝对干货】AI提示工程(Prompt Engineering)最佳实践
无界生长的博客
03-30 4100
然后，可以嵌入给定的查询，并执行矢量搜索，从语料库中找到与查询最相关的嵌入文本块（即在嵌入空间中最接近的文本块）。一旦输入的大小达到预设的阈值长度，就会触发一个查询，对部分对话进行总结，而之前对话的总结可以作为系统消息的一部分。如果需要使用前面章节的信息来理解后续章节的内容，还有一个有用的技巧，那就是在总结给定内容的同时，对该内容之前的文本进行流水账式总结。哪些内容可以通过基于模型的评估进行实际评估，哪些内容需要人工评估，这两者之间的界限是模糊的，并且随着模型能力的提高而不断变化。
一文掌握大模型提示词技巧：从战略到战术
2401_87555412的博客
10-23 1061
当提示词过长时，优先考虑将用户的输入放在开头或最后，如果将用户输入放在中间而且提示词中有示例，模型很可能将示例作为用户输入进行处理。##1 角色请你扮演中国软件水平考试高级辅导专家，负责用户发送的概念讲解和发送的题目解答。##2 技能### 技能1：概念讲解当我发送一些概念或者软考概念讲解的截图时（使用 OCR 将图片中的文字提取出来）。Step1：根据概括或截图帮我讲解一下相关内容，讲解时尽量通俗易懂，并给出恰当的例子，优先使用 markdown 表格的形式来呈现。
生成式AI大模型之提示词工程实践
2401_85377976的博客
07-18 856
​提示工程是一个新兴的领域，专注于开发、设计和优化提示，以增强 LLM 的输出，从而满足您的需求。它为您提供了一种引导模型的行为从而达到您想要实现的结果的方法。提示工程与微调不同。在微调中，使用训练数据调整权重或参数，目标是优化成本函数。就计算时间和实际成本而言，微调可能是一个昂贵的过程。然而，提示工程试图引导经过训练的 FM、LLM 或文本到图像模型给出更相关、更准确的答案。提示工程是充分发挥大语言模型的强大能力的最快方法。
大模型系列——一文看懂“提示词” vs “提示词工程” vs “上下文工程”
最新发布
2401_84052244的博客
07-08 195
本文区分了AI领域的三个关键概念：提示词（Prompt）、提示词工程（Prompt Engineering）和上下文工程（Context Engineering）。提示词是直接输入给AI模型的指令文本；提示词工程则是系统化设计、测试和优化提示词的过程；而上下文工程是为AI构建动态上下文，提供恰当信息和工具的科学与艺术。文章通过翻译案例展示了提示词工程的迭代过程，并说明上下文工程在AI Agent中的核心作用——动态收集和组织必要信息。最后强调普通人只需掌握提示词编写，开发AI应用才需深入提示词工程，构建智能
大模型提示工程技术 | 六十五、自我一致性 Self-consistency
Androiddddd的博客
08-27 2489
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频，免费分享！
openAi提示词工程
AI炼丹师的专栏
12-19 1004
https://platform.openai.com/docs/guides/prompt-engineering
提示技术系列（五）——生成知识提示
成为全栈工程师中（商业、产品、开发、管理）
06-29 748
摘要：提示技术是实现提示工程目标的具体手段，主要包括生成知识提示等方法。提示工程是通过系统化设计、优化输入提示来提升大语言模型输出质量的方法论，涵盖目标设定、提示结构设计、模型选择及验证迭代等环节。生成知识提示技术通过分阶段生成相关知识和整合推理，解决模型知识覆盖不全和推理断裂的问题，适用于专业领域、长逻辑链等任务场景。文章通过Python代码案例展示了单模型、双模型及结合自我一致性提示的实现方式，并对比分析了不同提示技术的特性。提示工程可以有效提升模型输出的准确性和稳定性，是优化大语言模型应用的关键方法。
大模型LLM提示词工程 | 如何编写精确有效的提示词？
老皮的博客
10-03 1809
在提示工程中，链式思维（Chain-of-Thought）提示是一种强大的工具，可以显著提高生成式人工智能的性能。通过逐步引导模型思考，我们不仅能够获得更加准确和清晰的回答，还能增强模型在复杂任务中的透明度和可靠性。有效的提示设计不仅帮助模型更好地理解和处理任务，还能在实际应用中大大提升用户体验。在未来，我们可以继续探索和优化提示工程的方法，推动人工智能技术的发展，为各类应用场景提供更加智能和精准的解决方案。
提示词工程——AI应用必不可少的技术
weixin_41007217的博客
03-14 116
引言 在人工智能技术飞速发展的今天，大语言模型（LLM）已成为推动技术革新的核心引擎。然而，如何让这些“聪明”的模型真正落地业务场景、解决实际问题？答案往往不在于模型本身的参数规模，而在于一项看似简单却至关重要的技术——提示词工程（Prompt Engineering）。无论是让模型理解用户意图、调用外部工具，还是生成结构化数据，提示词工程都像一把钥匙，解锁了大模型在真实场景中的无限潜力。本文将...
【AI大模型应用开发】1.1 Prompt Engineering（提示词工程）- 用OpenAI API实战，优化方法论总结
同学小张的博客
01-13 2775
实战Prompt，通过OpenAI API，带你从最简单的Prompt开始，逐步迭代优化。总结了Prompt工程中的进阶技巧方法论。最后给了几个可以让Prompt效果翻倍的语句。
AI大模型之提示词工程详解（一）
2501_91465155的博客
04-07 769
所谓的提示词其实指的就是提供给模型的⼀个⽂本⽚段，⽤于指导模型⽣成特定的输出或回答。提示词的⽬的是为模型提供⼀个任务的上下⽂，以便模型能够更准确地理解⽤户的意图，并⽣成相关的回应。所谓的提示⼯程也可以被称为「指令⼯程」，提示⼯程的核⼼思想是，通过精⼼设计的提示，可以显著提⾼模型的性能和输出质量。貌似简单，但其实意义⾮凡。（提问的智慧）Prompt 是 AGI 时代的「编程语⾔」提示⼯程师是 AGI 时代的「程序员」
《AI大模型开发笔记》——提示词工程
qq837993702的博客
09-12 1489
1.什么是提示工程提示工程（Prompt Engineering），也被称为上下文学习，是指通过精 心设计的提示技术来引导LLM行为，而无需更改模型权重。其目标是使 模型输出与给定任务的人类意图一致。提示工程帮助用户控制语言模型输出，生成适合的特定需求。提示调整提供了对模型行为的直观控制，但对提示的确切措辞和设计敏感，因此需要精心制定的准则以实现期望的结果。2.提示工程的原则2.1.给模型清晰指令：Prompt 需要清晰明确地表达需 求，提供充足上下文，使语言 模型准确理解我们的意图。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小涵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值