简介

本文是一份全面的AI提示词工程指南，介绍了提示词的定义、结构化构建方法、实用技巧策略及避坑指南。提示词工程是短期内落地应用AI的关键技术，通过精心设计输入提示，可引导大模型生成更精准的输出。文章详细阐述了明确目标、提供上下文、设定格式等构建原则，并提供了丰富的案例库资源和学习路径，帮助读者从新手逐步成长为提示词工程专家。

这是一篇写给AI小白的提示词入门指南，篇幅较长，请耐心看完。

一、什么是提示词？

简单来说，就是通过精心设计输入提示(prompt)，引导大模型(LLMs)以更高的精度生成你所期待的输出内容。

目前的AI，最底层的能力都是基于大模型，而大多数大模型的工作原理主要基于Transformer架构，核心是通过自注意力机制(Self-Attention)来处理输入序列中的依赖关系和上下文信息。

在大模型的预训练和微调阶段，都是通过大量数据集进行训练，然后对结果进行打分，引导大模型具备执行特定任务的能力。

一句话概括，大模型的本质是一个概率预测机器，根据输入(prompt)然后输出(结果)。因此你的输入通过EMB后会与向量库进行匹配，然后经过加工重组，最后生成符合上下文的输出。

提示词工程的核心概念包括以下几个方面：

• 定义：提示词是提供给AI模型的输入，用于引导其生成特定的输出。
• 目标：通过设计高质量的提示词，提高模型输出的准确性、相关性和质量。
• 组成部分：有效的提示词包含指令、上下文、输入数据和输出指示四个部分。
• 实践方法：提示词工程是一个迭代优化的过程，需要不断测试和调整提示词，以找到最佳的表达方式。
• 重要特性：提示词工程是提升AI模型性能、输出质量、AI与用户交互效率的关键技术之一。

二、构建提示词的结构化方法

构建有效的结构化提示词的方法可以总结为以下几个关键步骤和原则：

• 明确目标：清楚定义你希望AI完成的任务和期望的输出结果。
• 提供上下文：给出必要的背景信息，帮助AI理解任务的环境和要求。
• 设定格式：指定输出的具体格式，如段落数量、字数限制或特定的结构。
• 加入示例：提供一个或多个高质量的示例，展示你期望的输出样式。
• 定义约束：明确说明限制条件，如禁止使用某些词语或必须包含的关键信息。
• 分步指导：对于复杂任务，将其分解为多个步骤，并为每个步骤提供具体指导。
• 使用命令式语言：使用明确、直接的指令，如“列举”、“解释”、“比较”等。
• 迭代优化：基于AI的反馈和输出结果，不断调整和改进你的提示词。
• 使用结构化框架：可以使用CO-STAR框架(角色、语调、目的、要求、组织、媒介)等结构化框架来构建提示词。
• 结合多种方法：与其他提示词方法(如CoT、ToT、Think step by step等)结合使用，以提高复杂任务的处理效果。

三、构建提示词的技巧和策略

1、角色设定：为模型设定特定角色(如“研发工程师”)，引导模型生成符合角色身份和风格的输出。

2、约束条件：明确指定输出的格式、长度、风格等要求，以提高模型输出的准确性。例如，使用系统提示(System Prompting)来设定输出格式，如“仅返回大写的情感标签”。

3、思维链(Chain of Thought) ：通过逐步引导模型进行推理，帮助其更好地理解复杂任务。

4、格式化输入输出：使用特定格式(如“JSON”)的输入和输出，有助于模型生成更准确的结果。

5、重复提示：通过重复任务描述，减少模型的遗忘效应，确保其对任务有清晰理解。

6、去除幻觉提问：采用负面提示或要求模型解释意图，以验证其是否真正理解问题，避免生成与任务无关的内容。

**7、提供样本：**提供示例，帮助模型更好地理解任务。如在训练模型时提供多个示例，以帮助模型学习如何生成类似输出。

8、分阶段提问：对于复杂问题，可以分阶段提问，让模型逐步推理，最终得出答案。

9、结构化表达：通过结构化表达，如保持一致性、提供上下文提示等，可以提高提示词的连贯性和有效性。

10、动态调整角色设定：在对话过程中，根据情境变化动态调整角色设定，以适应新的任务需求。

四、提示词工程案例库及资源

1、麻省理工提示词库

由麻省理工学院相关团队创建，汇集了针对文本生成、翻译、摘要、代码编写等多种应用场景的高质量提示词模板，帮助用户更高效地与大型语言模型进行交互。

在线地址：https://ai.gaozhijun.me/7-Prompts/good-examples.html

2、谷歌提示工程白皮书

提供了零样本提示、少样本提示、系统提示、角色提示、上下文提示等多种提示技术的详细说明，并提供了多个版本的英文原版和中文翻译版。

• 英文原版(V7)：https://drive.google.com/file/d/1AbaBYbEa_EbPelsT40-vj64L-2IwUJHy/view
• 中文翻译版(基于V4)：https://baoyu.io/blog/google-prompt-engineering-whitepaper

3、提示词工程指南(Prompt Engineering Guide)

由DAIR.AI发起，旨在帮助研发和行业内相关人员了解提示工程。

• 在线网站：https://www.promptingguide.ai/zh
• Github：https://github.com/dair-ai/Prompt-Engineering-Guide

4、Anthropic官方提示词库

提供了64个常用提示词库，涵盖多场景，为不同需求任务提供精准优质提示范例。

• 针对广泛和个人任务：https://docs.anthropic.com/en/resources/prompt-library/library
• 适用于Claude的提示词工程：https://docs.anthropic.com/en/home

5、DeepSeek官方提示词库

提供了详细的提示词工程最佳实践指南，包括工具集、资源链接和实践案例。

在线地址：https://api-docs.deepseek.com/zh-cn/prompt-library

6、Prompt Engineering Guide

通过一系列示例，介绍了如何使用提示词来指导大语言模型执行不同任务，包括文本概括、信息提取、问答、文本分类、对话、代码生成和推理。

在线地址：https://prompt-guide.ncuos.com/introduction/examples

7、Awesome ChatGPT Prompts

世界上第一个也是最著名的提示词目录，汇集了大量针对各种任务和角色的提示词，分类清晰，是寻找灵感和直接复制使用的绝佳起点。

• prompts.chat：https://prompts.chat/
• Github：https://github.com/f/awesome-chatgpt-prompts

五、提示词工程常见错误与避坑指南

1、常见错误

• 提示词不明确：模糊或开放的提示词会导致AI无法准确理解任务意图。例如，“解释人工智能”这样的提示词过于宽泛，AI可能给出不相关的回答。

• 避坑方法：明确具体任务，如“解释机器学习的基本概念，并举例说明其在日常生活中的应用”。

• 信息过载或不足：提示词中包含过多信息可能导致AI难以聚焦，而信息不足则可能导致输出不相关。

• 避坑方法：提供足够的背景信息，同时避免冗余。如生成一封邀请函时，应明确活动时间、地点和目的。

• 过度依赖“不要做什么”：仅禁止某些内容而不提供正面指导，可能导致AI输出混乱或偏离预期。例如，“不要写关于政治的内容”可能让AI完全忽略该主题。

• 避坑方法：明确正面要求，如“请以中立、客观的方式讨论科技发展对社会的影响”。

• 过度优化陷阱：花费大量时间微调提示词措辞，却只带来微小改进。

• 避坑方法：关注提示词的结构和逻辑，而非过度纠结于字词。

• 使用复杂语言或模糊表达：如“请描述一下这本书”比“请详细描述这本书的主要情节和人物特点”更易导致AI误解。

• 避坑方法：使用简洁、具体、结构化的语言，避免模糊表达。

• 忽略上下文和隐藏假设：AI不具备人类的背景知识，若提示词中未明确说明，可能导致输出不符合预期。

• 避坑方法：在提示词中提供所有必要的上下文，即使你觉得它们“很明显”。

• 指令自相矛盾：如“写一段简洁的详细介绍”，AI无法同时满足“简洁”和“详细”的要求。

• 避坑方法：确保指令清晰、逻辑一致，必要时明确优先级。

2、避坑策略与最佳实践

• 明确性与约束性：提示词须有明确目标和约束条件，如“用Java实现线程安全的LRU缓存，容量1000，并提供基准测试”。
• 结构化与模块化：使用结构化框架(如CRISPE、TAGO、SPAH)来组织提示词，提高可读性和可维护性。
• 避免角色扮演与情感化对话：在某些模型(DeepSeek R1)中，角色扮演和情感化对话可能降低模型的深思熟虑能力。
• 关注Token限制：长度过长的提示词可能导致模型无法处理，需合理控制Token数量。
• 使用具体示例：提供具体示例有助于AI更好地理解任务要求，如“请以‘解释机器学习’为例，说明在日常生活中的应用”。
• 避免抽象词汇与多目标混杂：在AI绘画中，避免使用抽象词汇(“美丽”)，并避免在一个提示中包含多个不相关的任务。

六、提示词工程的实践案例

假设，你是一个AI初学者，想要学习提示词工程，你该如何利用Chatbot来寻找学习资料？下面是按照对AI的了解程度所可能用到的提示词：

• 新手：AI提示词工程。
• 初级：学习AI提示词工程的资料和方法。
• 中级：我是AI初学者，想要学习提示词工程，请列举出学习方法和实践步骤。
• 高级：我是AI初学者，想要学习提示词工程，请列举出来源于官方或者权威的企业提供的学习方法和实践步骤，要求逻辑清晰、条理明确，并排除虚构和错误内容。
• 资深：我是一名软件研发工程师，也是一名AI初学者，想要学习提示词工程，并应用在日常工作场景。请列举出来源于官方或者权威的企业提供的学习方法和实践步骤，比如“Awesome ChatGPT Prompts”给出的内容。要求逻辑清晰、条理明确，每项输出结果不超过五条，并排除虚构和错误内容。

还记得第二和第三部分的内容吗？对第五条提示词进行解析，可得：

• 明确目标：学习提示词工程。
• 角色设定：软件研发工程师，AI初学者。
• 提供上下文：提示词内容来源于官方或权威企业。
• 格式+示例：参考“Awesome ChatGPT Prompts”给出的内容。
• 定义约束：逻辑清晰、条理明确，结果不超过五条，并排除虚构和错误内容。

其他如命令式语言，我用到了列举。如果你希望AI帮你解释一些复杂深奥的内容，可以换成解释或详细阐述。

至于分步指导，现在各个AI产品都自带深度推理功能，有些是先设定内容输出框架，再搜索整合资料；有些是先搜索相关资料，再进行框架设定和内容整合。

最后，尝试将AI能力在日常工作和生活中应用，才是最好的学习方式。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇