提示工程：提示设计原则与模式
讲座开场白
大家好！欢迎来到今天的讲座，主题是“提示工程：提示设计原则与模式”。我是你们的讲师 Qwen，今天我们要一起探讨如何设计出高质量的提示（Prompt），帮助你在生成式 AI 应用中获得更好的结果。无论你是初学者还是有一定经验的开发者，相信今天的分享都会对你有所启发。
提示工程（Prompt Engineering）是一门艺术，也是一门科学。它不仅仅是简单地输入一些文字，而是通过精心设计的提示，引导 AI 模型生成符合你期望的结果。就像给一个聪明的朋友提问题，问题问得好，答案自然也就更准确。
那么，我们该如何设计一个好的提示呢？接下来，我会通过几个关键的设计原则和模式，结合代码示例，带大家一起深入理解提示工程的核心思想。准备好了吗？让我们开始吧！
1. 简洁明了：少即是多
原则概述
第一条原则是 简洁明了。AI 模型虽然强大，但它们并不擅长处理过于复杂或模糊的提示。因此，我们在设计提示时，应该尽量保持简洁，避免冗长的描述。简短的提示不仅能让模型更容易理解，还能提高生成结果的质量。
实践技巧
- 避免不必要的背景信息：如果你只需要模型生成一段特定的内容，不要在提示中加入过多无关的背景信息。
- 使用明确的指令：告诉模型你想要什么，而不是让它去猜测。
- 分段表达：如果提示较长，可以将其分成多个部分，逐步引导模型。
代码示例
# 不好的提示
prompt = """
我正在写一篇关于人工智能的文章，这篇文章需要涵盖机器学习、深度学习、自然语言处理等领域的最新进展。请帮我生成一段引言，这段引言要足够吸引人，同时还要提到这些技术的应用场景。另外，我希望你能用一种比较轻松的语气来写，不要太过学术化。
"""
# 好的提示
prompt = "生成一段轻松风格的引言，介绍人工智能在机器学习、深度学习和自然语言处理中的应用。"表格对比
| 提示类型 | 描述 | 效果 |
|---|---|---|
| 复杂提示 | 包含大量背景信息和要求 | 模型可能无法准确理解，生成结果不理想 |
| 简洁提示 | 直接明确，聚焦核心需求 | 模型更容易理解，生成结果更符合预期 |
2. 提供上下文：让模型更有方向感
原则概述
第二条原则是 提供上下文。虽然简洁很重要，但在某些情况下，适当的上下文可以帮助模型更好地理解你的意图。特别是当你希望生成的内容与某个特定领域或话题相关时，提供一些背景信息可以让模型生成更加准确和相关的结果。
实践技巧
- 引入相关领域的术语：如果你希望生成的内容与某个专业领域相关，可以在提示中加入一些该领域的术语或概念。
- 设定场景或角色：通过设定具体的场景或角色，可以让模型更好地理解你想要的情境。
- 引用已有内容：如果你有现成的文本或数据，可以通过引用这些内容来为模型提供更多的上下文。
代码示例
# 不好的提示
prompt = "解释什么是区块链。"
# 好的提示
prompt = """
作为一名软件工程师，我想了解区块链的基本原理，特别是它在分布式系统中的应用。请用通俗易懂的语言解释区块链的工作机制，并简要说明它与传统数据库的区别。
"""表格对比
| 提示类型 | 描述 | 效果 |
|---|---|---|
| 缺乏上下文 | 只有简单的指令，没有背景信息 | 模型生成的内容可能过于泛泛，缺乏针对性 |
| 提供上下文 | 通过背景信息引导模型，使其生成更具体的内容 | 模型生成的内容更符合特定需求，更具针对性 |
3. 使用约束条件：为生成结果设限
原则概述
第三条原则是 使用约束条件。有时候，我们希望生成的内容符合某些特定的格式或要求。例如，你可能希望生成的文本长度在一定范围内，或者包含特定的关键字。通过在提示中加入约束条件，你可以更好地控制生成结果的格式和内容。
实践技巧
- 限制文本长度：通过指定最大或最小字符数，确保生成的内容不会过长或过短。
- 强制包含关键字：如果你希望生成的内容包含某些特定的词语或短语，可以在提示中明确指出。
- 设定格式要求：如果你需要生成的内容遵循某种特定的格式（如表格、列表等），可以在提示中说明。
代码示例
# 不好的提示
prompt = "生成一段关于气候变化的文章。"
# 好的提示
prompt = """
生成一段关于气候变化的文章，长度不超过500字，必须包含以下关键词：全球变暖、温室气体、碳排放、可再生能源。
"""表格对比
| 提示类型 | 描述 | 效果 |
|---|---|---|
| 无约束条件 | 模型自由发挥，生成的内容可能不符合预期 | 模型生成的内容可能超出预期范围，难以控制 |
| 有约束条件 | 通过限制条件引导模型，确保生成内容符合要求 | 模型生成的内容更加可控，符合特定的需求 |
4. 逐步引导：分步构建复杂任务
原则概述
第四条原则是 逐步引导。对于复杂的任务，直接让模型一次性完成可能会导致结果不够理想。相反，你可以将任务分解为多个小步骤，逐步引导模型完成每个部分。这样不仅可以提高生成结果的质量，还能让你更好地掌控整个过程。
实践技巧
- 分阶段提问：将复杂的问题拆解为多个简单的问题，逐步引导模型。
- 迭代改进：根据模型的初步生成结果，调整提示并重新生成，直到达到满意的效果。
- 使用中间变量：在生成过程中，保存一些中间结果，以便后续使用。
代码示例
# 不好的提示
prompt = "为一家科技公司设计一个完整的品牌推广方案。"
# 好的提示
prompt_1 = "为一家科技公司设计一个品牌口号，突出创新和技术领先的特点。"
response_1 = model.generate(prompt_1)
prompt_2 = f"基于这个品牌口号：'{response_1}'，设计一个适合社交媒体的品牌推广策略。"
response_2 = model.generate(prompt_2)
prompt_3 = f"结合之前的推广策略：'{response_2}'，撰写一篇新闻稿，宣布这家科技公司的新产品发布。"
response_3 = model.generate(prompt_3)表格对比
| 提示类型 | 描述 | 效果 |
|---|---|---|
| 一次性任务 | 尝试让模型一次性完成复杂任务 | 模型可能无法很好地处理复杂任务，生成结果不够理想 |
| 逐步引导 | 将任务分解为多个小步骤，逐步完成 | 模型更容易处理每个步骤，最终结果更符合预期 |
5. 创造性思维：激发模型的想象力
原则概述
最后一条原则是 创造性思维。虽然 AI 模型通常是基于已有的数据进行生成，但它也有一定的创造力。通过在提示中加入一些开放性的问题或挑战，你可以激发模型的想象力，生成更具创意的内容。
实践技巧
- 提出开放性问题：让模型思考一些没有标准答案的问题，鼓励它进行创造性的回应。
- 设定假设情境：通过设定一些假设的情境，让模型想象未来或不同的可能性。
- 鼓励多样化的输出：通过调整提示的方式，鼓励模型生成多种不同的结果，从中选择最合适的。
代码示例
# 不好的提示
prompt = "生成一首关于爱情的诗。"
# 好的提示
prompt = """
假设你是一位生活在未来的诗人，写一首关于人类与机器之间爱情的诗。这首诗应该充满科幻色彩，同时也要表达出情感的复杂性。
"""表格对比
| 提示类型 | 描述 | 效果 |
|---|---|---|
| 标准提示 | 提供常规的任务描述，模型按部就班生成 | 模型生成的内容较为常规，缺乏创意 |
| 创意提示 | 通过开放性问题或假设情境激发模型的想象力 | 模型生成的内容更具创意和独特性 |
总结
今天的讲座到这里就接近尾声了！我们一共介绍了五条提示设计的原则：
- 简洁明了：少即是多，保持提示的简洁性。
- 提供上下文：适当加入背景信息，帮助模型理解你的意图。
- 使用约束条件：为生成结果设限，确保符合特定要求。
- 逐步引导：将复杂任务分解为多个小步骤，逐步完成。
- 创造性思维：激发模型的想象力，生成更具创意的内容。
希望这些原则和模式能帮助你在提示工程中取得更好的效果。记住，提示工程是一门不断实践和优化的艺术，多尝试、多调整，你会发现越来越多的惊喜 😊。
感谢大家的聆听，如果有任何问题，欢迎随时交流！
