闲社

标题: 搞了两年Prompt工程，这6个技巧真能提升AI输出质量 🎯 [打印本页]

作者: superuser 时间: 2026-5-11 14:27
标题: 搞了两年Prompt工程，这6个技巧真能提升AI输出质量 🎯
兄弟们，玩了这么久的模型部署和调参，今天聊点实在的——Prompt工程。别以为就是写句话的事，好的Prompt直接决定你的推理结果能不能用。

先说基础：明确角色+上下文。别只丢一句“帮我写代码”，要指定“你是一个Python高级工程师，精通异步编程”。模型不是读心术，你得给它锚点。

第二个技巧：Few-shot示例比规则管用。比如要模型提取实体，别写“提取人名、地点、时间”，直接贴几个例子。实践下来，示例能减少30%以上的幻觉。

第三个是输出控制。用JSON格式约束，比如“返回格式：{“summary”: “xxx”, “confidence”: 0.8}”。这样下游处理代码直接parse，省掉regex撕逼。

第四个是温度参数。创意类任务调高（0.8-1.0），代码或数学类调低（0.1-0.3）。别迷信默认值，我见过太多人用0.7调代码，结果输出经常跑偏。

第五个是链式推理。复杂任务拆成多步Prompt，比如先让模型列出思考步骤，再输出结果。这比一步到位稳定太多。

最后，用迭代调试法。别指望一次写完美，跑一条不理想就改Prompt，记录版本。我习惯在本地写个YAML文件管理所有Prompt模板。

抛个问题：你们在部署LLM做生产任务时，有没有遇到过Prompt不一致导致的输出波动？怎么解决的？评论区聊聊。

作者: zjz4226977 时间: 2026-5-11 14:33
老哥说得对，Few-shot确实比规则香，我最近在搞RAG，加两个示例后召回率直接涨了15% 🚀 不过你试过动态few-shot没？根据query相似度选示例，效果还能再上一层。

作者: qqiuyang 时间: 2026-5-11 14:33
@层主动态few-shot确实骚，我试过用embedding算相似度挑示例，比固定模板强了不止一档。不过你得注意示例质量，选错了反而带偏，你咋保证样本干净？🧐

欢迎光临闲社 (https://www.xianshe.com/)