介绍本篇内容介绍基本的Prompt提示词技巧参考主要来源是吴恩达的提示词教程以此作为提示词注入的前篇本篇内容暂不涉及提示词注入相关内容关于注入请参考后续文章。清晰且具体的指令和大模型交互时指令清晰且具体是提示词最基本的要求清晰不代表提示词要简短反而越详细越长提供更多的上下文会让模型回答更加精准。而实现该原则这里提供了4个技巧1、使用分隔符提示词中通常会包含指令以及要处理的数据模型容易混淆此时可以使用分隔符将指令和数据分开方便模型进行识别和处理示例如下请总结由三个反引号分隔的文本用一句话概括其核心观点 这里是需要被总结的文本内容。 分隔符除了反引号外还有很多符号只要能进行区分就可以比如三个单引号、三个双引号、三个减号(---)、尖括号()、自定义的标签符合test/test等等。2、使用结构化输出如果模型输出的内容还需要进行后续的步骤处理例如需要给到其它脚本或程序处理执行此时往往需要特殊的格式或者是希望结果看起来一目了然此时就需要指定输出格式常见的有JSON、Markdown、HTML等。示例如下请生成3个虚构的书名、作者、类型。以JSON格式提供包含以下键bookid、booktitle、author、type。3、检查是否满足条件如果一个任务只有在特定条件下才能完成则可以让AI先做逻辑检查避免它一本正经的胡说八道比如下面这个指令很明显提供的内容不足不能按分步格式来整理你将获得由三个双引号包裹的文本请按照以下格式重写它们 第一步... 第二步... 第三步... 我爱学习 但我们可以给它加一个逻辑检查你将获得由三个双引号包裹的文本如果文本包含了一系列的步骤请按照以下格式重写它们 第一步... 第二步... 第三步... 如果文本不包含相关步骤请回答未发现步骤。 我爱学习 4、少样本提示可以在提示词中给几个案例让模型去参考该方法可以调整AI输出的语气和风格以及一些复杂的格式转换等例如有下面这样一条日志2025-08-08A平台遭受XSS攻击经研判未攻击成功。我想把它转为20250808:A:XSS:FAIL那后续的大量日志需要转换时我只需要给个示例即可输入2025-08-08A平台遭受XSS攻击经研判未攻击成功。 输出20250808:A:XSS:FAIL 请将以下三个双引号包裹的内容按以上示例进行输出 2025-06-06B平台遭受XXE攻击经研判未攻击成功。 2025-07-11C平台遭受SSRF攻击经研判未攻击成功。 2025-08-22D平台遭受RCE攻击经研判攻击成功。 在上面4条原则中生活中也会经常用到分隔符就相当于学习时的画重点做工作时的告诉你素材去哪里找开会时的工作纪要等格式化内容输出就相当于填表时给的一个模板检查条件就相当于事前检查例如飞机飞行前的检查或者外卖某个商品没货了给你打电话进行通知少量样本提示就相当于给参考一下之前的优秀范例。所以提示词的很多思想和本质是和日常生活和工作息息相关的。给模型思考时间大模型生成内容时现在本质上还是通过概率来预测下一个词如果问题太复杂那么模型的回答可能会不是特别精准甚至出现幻觉或者是一个任务你想让模型根据你的思路要进行此时可以在提示词中引导模型进行相关推理例如我想让大模型帮我写一个如何减肥的文章它会根据预测来生成一篇内容大概率内容会比较宽泛此时我们可以引导模型推理加入步骤让它按我们的逻辑来生成内容比如帮我写一篇关于如何减肥的文章请按如下步骤进行 1、先调研下全世界肥胖的人数比例是多少男比例是多少女比例是多少。 2、然后说明为什么需要减肥。 3、再说如何减肥分布从生活习惯、运动建议等方面展开。 4、最后说一段祝福语祝愿大家加油努力减肥成功。另一个技巧是让模型给出结论前先思考类似于生活中比如老师要批改学生的作业前先自己做一遍题为什么需要这个技巧因为现在的大模型会有顺从性比如你问模型我觉得这个如何如何你觉得呢模型通常回答就是你说的很不错确实是如何如何它会根据你的思路走从而忽略细微的错误解决办法就是先让它生成一个标准答案然后拿标准答案和目标去对比。比如下面这个提示词看似很简单的一个数学题但很多模型都会答错买了 2 个 10 元的苹果3 个 5 元的梨。总价 20 15 45 元。帮我看看这个学生的计算过程对不对答案明明是35但45的答案模型会说完全正确针对这个问题我们就可以使用模型给结论前先思考的技巧买了 2 个 10 元的苹果3 个 5 元的梨。总价 20 15 45 元。帮我看看这个学生的计算过程对不对 请先不要看学生的答案请你 1、先根据自己的理解和描述回答本题。 2、并详细输出你的计算过程。 3、将你的结果和学生的结果进行对比。 4、最后再判断学生的计算过程是否正确。提示词的迭代没有完美的提示词只有不断优化的提示词提示词的优化过程需要形成一个闭环即先尝试一个初版提示词然后分析输出内容是否符合预期随后修改指令进行优化最后循环上面过程直至达到理想效果。这个好理解这里就不再举例了再进行迭代优化时很多个方面都可以考虑比如说字数、阅读的受众、输出的格式、逻辑修改、新增要求、添加引导步骤等等。身份设定身份设定相当于赋予一个角色在提示词最开始可以指定一个身份比如你是XXX专家这么做的用处在于可缩小模型回答的概率空间即先给模型回答的概率范围画个圈可以让回答更专业更符合自己的要求比如我说如何做红烧肉模型的回答会比较宽泛会围绕如何取材具体怎么做等步骤展开但是如果我给它设定一个身份你是一位五星级酒店的大厨请告诉我如何做红烧肉它的回答就会更专业因为输出内容时预测后续词汇时会在这个五星级大厨的范围内去输出比如会增加更加详细的做法增加如何摆盘如何兼具色香味等等。另外一个作用是身份设定可以指定语气风格和回答的侧重点比如我直接问什么是通货膨胀那模型可能就是正常的泛泛的回答而我给它指定一个身份例如你是一位幼儿园老师请告诉我什么是通货膨胀它就会以故事和游戏的方式来进行回答当然我们也可以指定输出要求比如让它回答通俗易懂以温柔的语气举几个小朋友都能听懂的案例等等但这种要求会比较繁琐只需要指定幼儿园老师的角色它就可以包含这些要求。边界设定边界设定相当于一个负向约束相当于反向提示词即给模型回答设置红线在平时很多问题回答中模型会比较友好回答的内容废话会比较多比如说请帮我写一篇离职信它可能上来会先感谢领导感谢公司最后再祝福领导祝福公司等等此时如果不想要这些客套话就可以加入负向约束例如帮我写一篇离职信避免说一些客套话这种属于语气约束我们也可以进行内容约束比如帮我推荐一些北京旅游的地方不要那些需要门票的地方不要那些人很多网红打卡地的地方或者进行字数约束从该文章中总结3个核心知识点每个知识点的概括不要超过30字反向提问这个技巧适用于我们想完成一些任务但是不确定完成该任务都需要提供哪些信息此时就可以先让AI来问自己比如我想让你帮我写一份年度健身计划。为了让计划最适合我请在开始写之前向我提出5个你需要了解的关键问题此时AI就会问一些比如目标是什么、身体状况如何、每周有多少时间、偏向于哪些运动方式、饮食等情况从而更好的给自己制定计划。总结总体思路就是先指定一个身份以此来缩小后续的概率词汇范围之后表述清楚要求尽量提供详细的上下文信息之后指定输出要求比如格式要求、负向提示要求等最后根据回答情况不断的更新迭代。最后来看下一个整体的提示词示例主要是围绕策划一家人西安3日游来展开[角色设定] 你是一位拥有 10 年经验的资深私人旅行顾问擅长挖掘城市深度人文景观并能根据不同家庭成员的需求平衡行程。 [详细上下文] 我计划下周带全家共 4 人我、爱人、6 岁的孩子、65 岁的老人去西安旅游 3 天。我们住在钟楼附近。我们喜欢历史建筑和地道小吃但不希望行程太赶因为要照顾老人和孩子的体力。 [输出要求] 请为我生成一份详细的行程单使用 Markdown 表格展示包含时间段、景点/活动、交通方式、避坑指南。 [负向要求] 不要推荐那种只有游客才会去的“网红美食街”如回民街主干道请推荐当地人真正会去的地方。 行程中不要安排清晨 7 点前的出发时间。 不要包含需要长时间排队的网红打卡点。 特别说明 每一天请预留出 2 小时的午休时间。 [迭代引导] 请先给出初步方案我会根据我的预算情况让你进一步调整酒店推荐。小枣信安专注AI安全包括但不限于大模型安全、智能体安全、AI赋能网络安全等。