学会这些提示词写法，大语言模型为你 “打工”

大语言模型作为生成式人工智能的佼佼者，为人们带来了诸多便利和惊喜。在实际应用中发现，编写提示词是发挥大语言模型强大功能的关键一环。合理编写提示词，不仅能有效降低模型生成内容的幻觉问题，在LLM+知识库的RAG技术应用理，对智能体的控制单元也起着重要作用。

一、提示词：开启大语言模型交互的 “钥匙”

我们把与大型语言模型（Large Language Model，简称 LLM，如 GPT 系列）的对话内容称作 “提示词”（Prompt）或 “输入提示”（Input Prompt），这主要和模型的工作原理及交互方式紧密相关。以基于 Transformer 架构的深度学习模型为例，它们通过学习海量文本数据，预测给定文本序列的下一个词或标记。在这个过程中，模型需要一个 “起点” 或 “提示”，才能生成有意义、相关的输出内容。从交互角度来看，当用户想要和 LLM 交流时，通常会输入一段简短的文本，这个文本片段就是提示词。它可以是一个疑问、一道指令、一段描述，形式多种多样，目的是激发模型做出符合提示要求的回应。所以，提示词就像是开启大语言模型交互大门的 “钥匙”，为模型输出提供起点和灵感。

提示词可以看作是一种特殊的计算机语言，它与传统计算机语言最大的不同在于，它无限趋近于人类的自然语言。以往的编程需要编写复杂的代码，现在有了大语言模型，只需要用自然语言描述需求，模型就能根据指令处理并输出结果。而且，就像不同类型的人类语言有各自的语法规则一样，不同厂家的大语言模型也有不同的沟通方式。比如，之前新加坡举办的提示词大赛中诞生的最佳提示词框架，可能并不适用于所有模型。这就要求用户根据所使用的大语言模型，有针对性地调整对话风格。

如果把提示词当作一种语言，那么人与大语言模型的交流，就是通过这种语言实现意义层面的互动。在这个过程中，我们不妨把 AI 看作一个有智商、情商，具备知识和技能的 “人”。随着技术的发展，AI 借助各种人工制品，将对世界产生深远影响。而我们要做的，就是模拟人际交互的方式，实现与 AI 的有效沟通。

在文生文的场景下，人与 AI 的交互方式丰富多样。问答系统中，用户提出问题，LLM 给出答案；聊天机器人模式下，用户发送消息，LLM 模拟人类对话回应；在文本生成方面，用户输入关键词、描述或标题，LLM 就能创作出文章、诗歌、邮件等内容。此外，还有语音交互，借助语音识别和合成技术，用户可以通过语音提问或下达指令，LLM 也用语音回复；可视化交互能将 LLM 的输出以图表、图像、动画等形式呈现，让内容更直观易懂；在一些复杂应用中，还存在多模态交互，涉及文本、语音、图像等多种形式，LLM 需要处理不同模态的输入并做出相应输出。在这些不同的对话场景里，都需要运用不同形式的提示词。

二、撰写提示词的策略与技巧

在使用 LLM 时，提示词的撰写策略直接影响模型的表现和输出质量。下面这些策略，能帮助我们更好地编写提示词：

清晰明确：使用具体、不含糊的词汇，让模型精准理解用户需求，避免模糊不清的表述，确保模型生成的内容符合预期。

结构化组织：将提示词按照一定的结构组织，比如用列表、段落或特定格式呈现，便于模型理解，从而生成更有条理的输出。

巧用分隔符：利用逗号、分号、冒号等分隔符，清晰区分提示词中的不同部分或信息点，使模型更准确地解读输入内容，给出更合适的回应。

提供充足上下文：给模型提供用户历史输入、相关背景知识等信息，帮助模型更好地把握用户意图，生成关联性更强的内容。

举例辅助：在某些情况下，给模型提供文本、图像等示例，能让模型更直观地理解用户需求，生成更符合要求的输出。

避免冗余信息：提示词中不要重复相同的信息或概念，防止模型产生混淆，避免出现不必要的输出内容。

考虑模型输出限制：不同的 LLM 在输出长度、词汇量等方面存在限制，编写提示词时要充分考虑这些因素，确保模型能够正常输出。

测试与调整：在正式应用前，多测试不同版本的提示词，根据测试结果进行调整，找到最适合特定任务和数据集的提示词策略。

下面通过几个具体示例，来看看不同任务中提示词的撰写方法：

文本摘要：输入一段文本，使用 “请为以下文本生成摘要：[具体文本内容]” 这样的提示词，引导模型输出相应的摘要。

问答系统：针对具体问题，采用 “请问以下问题的答案是什么：[问题内容]” 的提示词，让模型回答问题。

情感分析：对于一段文本，使用 “请分析以下文本的情感倾向（积极、消极或中性）：[文本内容]” 的提示词，使模型进行情感分析。

需要注意的是，这些策略并非固定不变，要根据实际任务和数据集灵活调整优化。除了上述基本原则，还有一些实用的策略技巧：

约法三章，精准引导：使用大语言模型时，要让提示词明确具体，“约法三章”。明确主题，如询问人工智能的法律问题，提示词要直接点明；限制范围，通过时间、地点、情境等细节，避免模型输出过于宽泛；避免歧义，防止模型因误解产生错误回应。

赋予人设，定制风格：想让模型输出符合特定风格或场景的内容，可以赋予模型一个 “人设”。先确定模型扮演的角色，如律师、客服、分析师等；再为角色设定背景，包括专业领域、工作经验、个人特点等；最后在提示词中设置相关语境，引导模型按特定方式输出。

你问我答，高效交互：构建 “你问我答” 的交互模式，能更好地利用大语言模型。先明确要模型回答的问题，可以是具体疑问或需要分析解释的问题；然后在提示词中设置上下文、关键词等，引导模型给出期望的回答；模型回答后，评估是否符合预期，不满意就调整提示词再次尝试。

巧用术语，精准沟通：在特定领域，使用专业术语或 “暗语” 能提高与大语言模型的沟通效率。先了解所在领域的常用术语和表达方式；然后在提示词中合理运用这些术语；同时要注意提供足够的上下文，确保模型正确理解意图。

反向 “预训练”，投其所好：编写提示词前，可以通过反向 “预训练” 了解模型特点和偏好。先熟悉模型的训练数据、算法和性能；接着用不同提示词与模型交互，观察输出效果；最后根据测试结果，编写更符合模型 “口味” 的提示词，提高输出质量和效率。

苏格拉底提问，深度探索：借鉴苏格拉底提问策略编写提示词，通过逐步深入的问题引导模型思考。在提问过程中，鼓励模型反思和评估自己的回答，帮助模型建立问题的逻辑框架，生成更有条理、更准确的内容。

大语言模型的发展为我们带了全新的体验和机遇，而提示词就是挖掘其无限潜力的关键。通过深入了解提示词的特点，灵活运用各种撰写策略和技巧，能更好地与大语言模型协同工作，让它在各个领域发挥更大的价值。