10种实用的Prompt技巧图解

关注

原创最新推荐文章于 2026-08-05 07:13:13 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

图解DSPy：Prompt的时代终结者？！ DSPy是一种编程模型，旨在改进语言模型（LM）在复杂任务中的使用方式。传统上，LM使用特定的提示模板（Prompt）进行控制，这些模板是基本前期大量的尝试而找到的预设指令。DSPy通过将LM流水线抽象为文本转化图谱，例如被其他申明模块触发的LM的命令计算图谱。阅读详情

收集整理了prompt engineering的10种实用技巧，以图解的方式解释了它们的主要原理。

本文追求以极简风格逼近这些方法的第一性原理，把黑话翻译成人话，并使用图片范例进行说明。

同时也加入了一些自己的理解，如有出入欢迎指正。

一，Structured Prompt (结构化提示词)

可以按照 prompt = 角色 + 任务 + 要求 + 提示的结构设计清晰明了的提示词。

简单地说，这个结构就是要告诉chatgpt： 你是谁？你要做什么？要做成什么样？要如何做？

二，Prompt Creator (提示词生成器)

简单地说，就是让ChatGPT扮演一个提示词生成专家，帮助你完成/完善/改进你的prompt。

三，One/Few Shot Prompt (单样本/少样本提示)

没有范例：zero shot；给1个范例 one shot；几个范例：few shot;

如果有许许多多的范例，可以尝试finetune模型权重。

四，COT(Chain of Thought，思维链)

在few shot prompt的范例中给出思维链，让模型学习不仅输出结果还要给出思考过程。可以显著提升LLM的表现。

五，Self-Consistency COT (一致性思维链)

把temprature 调成大于0，如0.4. 然后让模型多回答几次，对回答结果进行投票，可以显著改善 COT。

六，Zero-Shot COT (零样本思维链)

不提供范例，只在prompt的结尾加入"Let’s think step by step (让我们一步步思考)“ 能够取得接近 COT的效果。

也可以试试: Let’s work this out in a step by step way to be sure we have the right answer. 让我们逐步解决这个问题，以确保我们得到正确的答案。

根据测试这个咒语效果更好。

七，Self-ask Prompt (自我提问)

在prompt范例中引导LLM将一个复杂的问题拆分为简单的子问题，逐个回答，然后汇总成为答案。

和COT思维链效果有些类似，但同时要求LLM提出子问题并给出答案，对生成内容的约束更大，有时候效果更好。

八，ReACT(Reaon+Act 协同思考和动作 )

按照 think(思考)->act(行动)->observation(观察)->think→act→observation…的模式来解决问题。

ReACT是以强化学习这种范式实现的，需要定义一个可以交互的环境env。

智能体agent就是LLM。act就是和环境交互(如查询互联网，调用工具，执行代码等)。

AutoGPT也是这种强化学习范式prompt的产物，AutoGPT设计的主要prompt模式如下：

Thoughts(当前的思考)->Reasoning(推理过程->Plan(后续计划)->Criticism(自我批判审视)->Next action(下一步行动)

九，Reflexion (失败后自我反思)

按照任务->尝试->评估->如果失败则反思(Reflection)失败原因->再次尝试→…的模式来解决问题。

加了Reflection步骤可以明显提升成功率。作者认为反思步骤可以帮助LLM建立长期记忆或者经验。

Reflection也是以强化学习范式实现的，需要定义一个可以交互的环境env，和ReACT出自同一批作者。

十，Langchain

将本地文档做成知识库，根据Query问题按照文本emedding向量相似度查询到最相关的知识内容，按照模版拼接到Prompt中。

核心技术是Embedding算法，以及向量数据库查询。

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、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出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。