海尔建设此网站的目的是什么意思,茂名专业网站建设公司,河南省住房和城乡建设厅查询网站,wordpress文章添加字段提示词工程完全指南#xff1a;从入门到精通 #x1f3af; 学习目标 理解 Prompt Engineering 的核心原则掌握常用的提示词技巧和模式学会设计高效的系统提示词能够构建复杂的 AI 工作流 #x1f4d6; 什么是提示词工程#xff1f; 定义 提示词工程#xff08;Prompt…提示词工程完全指南从入门到精通 学习目标理解 Prompt Engineering 的核心原则掌握常用的提示词技巧和模式学会设计高效的系统提示词能够构建复杂的 AI 工作流 什么是提示词工程定义提示词工程Prompt Engineering 通过精心设计的输入文本引导大语言模型生成高质量、准确的输出。为什么重要场景普通提示词优质提示词效果提升代码生成“写个排序函数”“用 Python 实现快速排序包含注释和测试用例”300%文案创作“写篇推文”“以科技博主身份写一篇关于 AI 趋势的推文280 字以内带 emoji”250%问题解答“解释量子力学”“用高中生能理解的语言分 3 个要点解释量子力学的核心概念”400% 核心原则原则 1明确具体Be Specific❌ 模糊的请求帮我写点关于 Python 的东西✅ 具体的请求角色你是一位有 10 年经验的 Python 技术讲师 任务撰写一篇面向初学者的 Python 装饰器教程 要求 1. 字数2000-2500 字 2. 结构 - 什么是装饰器类比生活中的例子 - 基础语法decorator - 实战案例日志记录、性能测试 - 常见误区 3. 风格幽默风趣避免学术腔 4. 包含至少 5 个代码示例原则 2提供上下文Provide Context# ❌ 缺少上下文defcalculate_score(data):pass# ✅ 完整上下文 计算学生综合得分 参数: data (dict): 包含以下键值对 - homework (list[float]): 平时作业成绩 (0-100) - midterm (float): 期中考试成绩 (0-100) - final (float): 期末考试成绩 (0-100) - attendance (int): 出勤次数 (0-20) 返回: float: 综合得分 (保留 2 位小数) 计算规则: - 平时作业占 30% (去掉最低分后平均) - 期中考试占 20% - 期末考试占 40% - 出勤占 10% (每次 5 分) defcalculate_score(data):# ... 实现原则 3分步指导Step-by-Step请按照以下步骤解决问题 步骤 1理解问题 - 重述问题的关键点 - 识别已知条件和目标 步骤 2制定计划 - 列出可能的方法 - 选择最优方案 步骤 3执行计算 - 展示每一步的推导过程 - 标注使用的公式或定理 步骤 4验证答案 - 检查计算是否有误 - 确认答案是否合理 步骤 5总结反思 - 提炼解题思路 - 指出易错点 高级技巧技巧 1Few-Shot Prompting少样本学习你是一个翻译助手请参考以下示例进行翻译 示例 1: 输入Hello, how are you? 输出你好最近怎么样 示例 2: 输入Im doing great, thank you! 输出我很好谢谢 示例 3: 输入Would you like to grab lunch? 输出你想一起去吃午饭吗 现在请翻译 输入The weather is nice today, isnt it? 输出效果模型会模仿示例的风格和格式。技巧 2Chain of Thought思维链问题小明有 5 个苹果他给了小红 2 个又买了 3 个橙子。请问他现在有几个水果 让我们一步步思考 1. 初始状态小明有 5 个苹果 2. 给出 2 个苹果5 - 2 3 个苹果 3. 买了 3 个橙子增加 3 个橙子 4. 总水果数3 个苹果 3 个橙子 6 个水果 答案6 个研究数据使用思维链可将复杂推理任务的准确率提升 40%。技巧 3Role Playing角色扮演你现在是【鲁迅】请用鲁迅的文笔和口吻评论当下的人工智能技术。 要求 - 使用半文半白的语言 - 体现批判性思维 - 运用比喻和讽刺 - 字数 300 字左右 示例风格 我家门前有两棵树一棵是枣树另一棵也是枣树。 → 机房里有两台服务器一台跑着 AI另一台也跑着 AI。技巧 4Template Pattern模板模式# 文章大纲生成模板 ## 输入信息 主题{{topic}} 目标读者{{audience}} 文章类型{{type}} (教程/评论/新闻/故事) 预计字数{{word_count}} ## 输出格式 # {{title}} ## 引言 (10%) - 钩子{{hook}} - 背景{{background}} - 论点{{thesis}} ## 主体 (80%) ### 分论点 1 - 论据{{evidence1}} - 案例{{example1}} ### 分论点 2 - 论据{{evidence2}} - 案例{{example2}} ### 分论点 3 - 论据{{evidence3}} - 案例{{example3}} ## 结论 (10%) - 总结{{summary}} - 呼吁{{call_to_action}} 实战应用应用 1代码审查助手code_review_prompt 你是一位资深软件工程师请审查以下代码 【代码】{code}【审查维度】1.代码规范-命名是否清晰-格式是否符合 PEP8-注释是否充分2.潜在 bug-边界条件处理-异常处理-资源泄漏3.性能优化-时间复杂度-空间复杂度-有无更优算法4.可维护性-函数是否过长-职责是否单一-是否易于扩展 【输出格式】## 总体评价 (1-5 星)## 发现的问题1.[严重]问题描述修改建议2.[一般]问题描述修改建议## 优化后的代码python# 改进版本“”使用review llm.generate(code_review_prompt.format(codemy_code))--- ### 应用 2自动化测试生成 python test_generation_prompt 为以下函数编写单元测试 【函数】 python {function_code}【要求】使用 pytest 框架覆盖率达到 90% 以上包含正常情况测试边界条件测试异常情况测试性能测试可选每个测试用例包含清晰的测试名称Arrange准备数据Act执行操作Assert验证结果【输出】importpytestclassTestFunctionName:deftest_normal_case(self):# Arrange...deftest_edge_case(self):# Arrange...“”--- ### 应用 3智能客服对话 python customer_service_prompt 你是某电商平台的智能客服助手请回答用户问题 【公司信息】 - 退货政策7 天无理由退货 - 发货时间工作日 24 小时内 - 客服时间9:00-21:00 【用户问题】 {user_question} 【回答要求】 1. 语气友好、专业、有耐心 2. 结构 - 共情理解用户感受 - 解答提供准确信息 - 行动告知下一步操作 3. 长度50-100 字 4. 如果超出权限引导转人工客服 【示例回答】 用户我收到的商品有质量问题 客服非常抱歉给您带来不好的体验我们支持 7 天无理由退货您可以申请退货退款。请问您收到商品几天了呢我帮您查看具体的处理流程~ 高级模式模式 1自洽性检查Self-Consistencydefgenerate_with_verification(question):生成答案并自我验证# 第一轮生成答案answer_promptf 问题{question}请详细解答展示所有推理步骤。 answerllm.generate(answer_prompt)# 第二轮自我验证verify_promptf 问题{question}以下是你的答案{answer}请严格检查 1. 推理过程是否有逻辑漏洞 2. 计算是否有错误 3. 假设是否合理 4. 结论是否唯一 如果发现错误请指出并修正。 verificationllm.generate(verify_prompt)# 第三轮最终答案if错误inverificationor问题inverification:final_promptf 基于以下检查结果重新回答问题 检查结果{verification}问题{question}正确答案 final_answerllm.generate(final_prompt)else:final_answeranswerreturnfinal_answer模式 2多专家会诊Multi-Expertdefmulti_expert_consultation(problem): 模拟多个专家会诊问题 专家角色 - 理论物理学家 - 实验物理学家 - 科学哲学家 - 科普作家 experts[理论物理学家擅长数学推导和理论建模,实验物理学家注重实证和可重复性,科学哲学家关注方法论和认识论,科普作家善于用通俗语言解释复杂概念]opinions[]forexpertinexperts:promptf 你是{expert}请从你的专业角度分析以下问题 【问题】{problem}【你的观点】 opinionllm.generate(prompt)opinions.append(opinion)# 整合意见synthesis_promptf 综合以下四位专家的观点{chr(10).join(opinions)}请提炼共识指出分歧给出最终建议。 final_recommendationllm.generate(synthesis_prompt)returnfinal_recommendation模式 3渐进式细化Progressive Refinementdefprogressive_refinement(topic): 从粗到细逐步完善内容 层级 L1: 一句话总结 L2: 段落摘要 L3: 详细大纲 L4: 完整文章 # L1: 核心概念l1_promptf用一句话解释{topic}的核心思想20 字以内level_1llm.generate(l1_prompt)# L2: 扩展说明l2_promptf 基于以下核心概念写一个 100 字的段落{level_1}level_2llm.generate(l2_prompt)# L3: 详细大纲l3_promptf 基于以下内容生成详细大纲{level_2}要求 - 包含 5-7 个主要章节 - 每个章节有 2-3 个小节 - 标注重点内容 level_3llm.generate(l3_prompt)# L4: 完整文章l4_promptf 根据以下大纲撰写完整文章{level_3}要求 - 每章 500-800 字 - 包含代码示例和图表说明 - 语言通俗易懂 level_4llm.generate(l4_prompt)return{L1_summary:level_1,L2_paragraph:level_2,L3_outline:level_3,L4_full_article:level_4}⚠️ 常见陷阱陷阱 1过度约束❌ 过于繁琐的要求 - 必须用红色字体 - 每段恰好 3 句话 - 不能使用的字 - 引用 5 篇 2020 年后的论文 - ... ✅ 合理的约束 - 语言简洁明了 - 结构清晰有层次 - 包含实际案例陷阱 2忽略模型能力边界❌ 超出能力范围 - 实时数据查询模型知识截止训练日期 - 精确数学计算大数乘算容易出错 - 主观价值判断道德、审美等 ✅ 合理使用方式 - 作为信息检索的补充 - 提供计算思路和验证方法 - 呈现多元观点而非单一结论陷阱 3缺乏迭代优化# ❌ 一次性完美主义single_prompt写出完美的机器学习教程# ✅ 迭代优化draft1llm.generate(列出机器学习的主要知识点)draft2llm.generate(f基于以下知识点生成教学大纲{draft1})finalllm.generate(f根据大纲撰写第一章{draft2}) 课后作业基础题为你的专业领域设计一个提示词模板使用 Few-Shot 技巧让模型学习特定写作风格进阶题实现 Chain of Thought 解决复杂数学问题构建多轮对话系统进行需求访谈挑战题开发自动评估提示词质量的工具设计自适应提示词优化算法 延伸阅读OpenAI Prompt Engineering GuideAwesome Prompt EngineeringChain of Thought 原始论文Few-Shot Learning 综述 总结核心要点明确具体越具体越好减少歧义提供上下文帮助模型理解场景思维链复杂问题分解为步骤角色扮演激活特定领域的知识迭代优化持续改进提示词质量行动清单✅ 为你的常用场景创建提示词库✅ 实践 Few-Shot 和 Chain of Thought✅ 建立提示词效果评估机制✅ 分享和交流最佳实践下篇预告《浏览器自动化利器Playwright Async 完全指南》Playwright vs Selenium vs Puppeteer异步编程核心概念CSDN 自动发布实战调试技巧大公开敬请期待