| name | prompt-engineering |
| description | 提示工程 —— LLM 提示词设计、上下文组织、Few-shot 策略与输出格式控制 |
| category | AI |
| loading | on-demand |
| triggers | {"keywords":["提示词","prompt","提示工程","few-shot","LLM","大模型","AI提示"]} |
提示工程
概述
提供与大语言模型(LLM)交互的提示词设计方法论,覆盖提示结构、上下文管理、Few-shot 示例、思维链、输出格式控制等核心技术。
使用场景
- 设计系统提示词(System Prompt)定义 AI 角色和行为
- 优化已有提示词以提高输出质量和一致性
- 设计链式提示(Chain of Thought)解决复杂推理任务
- 控制 LLM 输出格式(JSON、Markdown、特定 Schema)
核心原则
- 角色先行:先定义角色(你是谁、你的能力边界),再给任务。明确的角色设定比模糊的"你是一个助手"效果好得多。
- 约束写死,格式给例:行为约束用规则语言明确写出。期望的输出格式给出 1-2 个完整示例。
- 分步指导复杂任务:对于多步骤任务,分解为明确的阶段。每个阶段有清晰的输入、操作和输出。
- 负面示例与正面示例同等重要:给出"不要这样做"的例子能显著减少错误输出模式。
- 上下文是稀缺资源:不相关信息占用的上下文会稀释模型的注意力。每段内容都要为输出目标服务。
提示结构模板
[角色定义] 你是谁,你的专长和限制
[任务描述] 具体要做什么
[输入格式] 你会收到什么格式的信息
[输出格式] 你应当以什么格式输出
[约束规则] 绝对不能做的事(负面约束)
[示例] 至少 1 个完整的正确输入输出对
检查清单