大模型-提示词（Prompt）最佳实践

1、提示词工程

1.1 什么是提示词工程？

所谓提示词工程（Prompt Engineering）就是研究如何构建和调整提示词，从而让大语言模型实现各种符合用户预期的任务的过程。就像跟AI沟通的艺术，为了让像DeepSeek这样的大语言模型更好地理解你的需求，你需要清晰地描述你的需求，提供必要的背景信息，明确告诉AI你想让它做什么。就像跟人沟通一样，你需要不断调整你的表达方式，直到AI理解你的意思，并给出你想要的答案。

为了引导大模型按照我们预想的要求来完成各项任务，作为使用者，我们需要不断调整提示词，构建有效的提示词，从而不断地提升大模型的表现。接下来我们来进行一番实践。

2、设计和优化 Prompt

2.1 设计 Prompt

在工作中想象一下，如果领导在给你指派工作任务时，只说了一句话来描述需求，你的任务完成效果可能很难达到领导的预期。但如果你提供了明确的目标、建议的思考方向和执行策略等更多参考信息，他更有可能以高标准完成任务。

在使用 LLM 也一样，你的任务描述（Prompt）越清晰、具体、没有歧义，LLM 的表现越能符合您的期望。在上一节的学习中，我们学习了提示词技巧，通过直接提问，增加示例、分配角色、限定输出风格和格式，以及拆解复杂任务等技巧。你需要通过灵活运用这些技巧去设计清晰明确的提示词。

2.2 使用 Prompt 框架优化提示词

为了用户系统化地向 LLM 提供明确背景和目标，这里推荐使用 Prompt 框架规范化你的 提示词。该框架用于帮助你方便、快速地设计 Prompt 结构。该模板充分考虑了会影响 LLM 输出有效性和相关性的各个方面，能显著提升LLM模型表现。

通常Prompt 框架的主要组成为：

背景：介绍与任务紧密相关的背景信息。这一环节有助于LLM深入理解讨论的具体环境，从而保证其生成内容与话题高度相关。

目标：首先明确指出你期望LLM完成的具体任务。通过设定清晰、精确的目标指令，可引导LLM聚焦于实现既定任务，提升输出的有效性。

风格：指定你希望 LLM 输出的写作风格，可以是某个具体名人、具体流派或者某类专家的写作风格。

语气：定义输出内容应有的语气，比如正式、诙谐、温馨、关怀等，以便适应不同的使用场景和使用目的。

受众：明确指出内容面向的读者群体，无论是专业人士、入门学习者还是儿童等，这样LLM就能调整语言和内容深度，使之更加贴合受众需求。

输出：规定输出内容的具体形式，确保LLM提供的成果能直接满足后续应用的需求，比如表格、列表、JSON数据格式、专业分析报告等形式。