1、什么是提示词¶

提示词（Prompt） 是引导 LLM 进行内容生成的命令。它可以是任何内容：一句话，一个问题，或者一个计算公式。当 LLM
收到提示词后便开始根据提示词和之前训练的数据，生成相关的回应。

2、什么是提示词工程¶

提示词工程（Prompt Engineering） 是有技巧的使用提示词，从而最大限度地提高 LLM 响应的有效性、准确性和实用性。“工程”表明了这是一个持续的、不断迭代优化的过程。

OpenAI分享了优化提示词的六大策略：

• 编写清晰的说明 Write clear instructions
• 提供参考文本 Provide reference text
• 将复杂任务拆分为更简单的子任务 Split complex tasks into simpler subtasks
• 给模型时间“思考” Give the model time to “think”
• 使用外部工具 Use external tools
• 系统地测试变化 Test changes systematically

3、提示词的常用技巧¶

3-1、目标明确¶

模型无法预知你的确切目标，与其让它猜测不如明确告诉它：

• 如果输出太长，就在提示词中要求简短回复
• 如果输出太简单，请要求专家级内容编写

3-2、角色扮演¶

角色扮演能够更精准地引导大语言模型（LLM）理解你的需求，并生成更符合期望、具有特定风格和专业性的内容。简单来说，角色扮演让模型“扮演”一个特定身份的人，从而调动与该身份相关的知识、技能和表达方式。

3-3、格式化输出¶

大部分情况下 LLM 的输出是类似于聊天的风格。为了提高输出的可读性，或者便于对结果进行加工处理，可以要求 LLM
进行格式化输出，例如：列表、表格、JSON等。

3-4、提供样本¶

在提示词中提供样本，也成为少样本提示（Few-shot Prompting），它利用了 LLMs 的上下文学习能力（In-context Learning）
，即模型能够在没有微调的情况下，通过输入上下文中提供的少量示例来学习和执行新任务。

3-5、思维链¶

思维链提示是在提示词中要求模型分步骤解答问题，并展开展示其推理过程的每个步骤。通过这种方式，可以减少不准确结果的可能性，也更容易评估模型的响应。

3-6、形成框架¶

角色（Role/Person - 可选）：明确模型扮演的角色，例如：你是一个专业的营销文案撰写人。
指令（Instruction/Task） - 必选：清晰地说明你希望模型做什么，例如：请为一款新型智能手表撰写一段广告文案。
背景/上下文（Context - 可选但强烈建议）：提供必要的背景信息，帮助模型更好地理解任务，例如：这款手表的主要目标用户是年轻时尚的都市白领，主打健康检测和便捷支付功能。
格式/限制（Format/Constraints - 可选）：明确输出的格式要求、长度限制、风格偏好等，例如：文案长度控制在100字以内，风格简介明了，突出卖点。
示例（Examples - 可选但非常有效）：提供一些示例，帮助模型理解你的期望输出，尤其是在需要特定风格或格式时。

## 角色
你是一个专业的营销文案撰写人

## 指令
请为一款新型智能手表撰写一段广告文案

## 背景
这款手表的主要目标用户是年轻时尚的都市白领，主打健康检测和便捷支付功能

## 格式
文案长度控制在100字以内，风格简介明了，突出卖点