|
很多人用大模型时总觉得它不太聪明——其实问题往往出在提示词（Prompt）上。同样一个问题，换个问法，输出质量可能天差地别。今天聊聊 Prompt 工程的五个层次，帮你从会提问进化到会设计。<br><br><b>第一层：明确表达（Clarity）</b><br>最基础也最容易被忽视。大模型不是读心术，模糊的问题得到模糊的答案。<br>❌ 差示例：写个文案<br>✅ 好示例：为一款面向25-35岁职场女性的便携咖啡机，写一段200字的小红书风格种草文案，突出3分钟快速出咖啡和静音设计不打扰同事两个卖点。<br>核心原则：给足上下文、明确格式、限定范围。<br><br><b>第二层：角色设定（Role-playing）</b><br>让模型扮演特定角色，能显著提升输出质量。<br>比如：你是一位有10年经验的Python技术面试官 vs 直接问怎么面试Python候选人——前者会给出更结构化、更实战的面试问题和评估标准。<br>进阶技巧：不仅给角色，还可以给风格——用通俗易懂的方式，像跟朋友聊天一样解释；或者给受众——面向完全不懂编程的初中生讲解。<br><br><b>第三层：思维链引导（Chain-of-Thought）</b><br>对于复杂推理任务，直接要答案往往不如引导模型一步步想。<br>经典做法是在 Prompt 末尾加一句：Let's think step by step（或中文请逐步分析）。<br>更进阶的用法是给出思考框架：分析这个问题时，请依次考虑：1）背景约束 2）核心矛盾 3）可能的解决方案 4）各方案的优缺点 5）最终建议。<br>这其实就是给模型一个思考模板，让它的推理更有条理。<br><br><b>第四层：少样本示例（Few-shot Learning）</b><br>当你需要特定格式或风格时，给几个例子比描述规则更有效。<br>比如想让模型把口语化表达改成正式书面语：<br>请把以下口语表达改写成正式邮件风格。示例：<br>口语：老板，那个方案我搞完了，你看看？<br>正式：尊敬的领导，关于XX方案，我已初步完成拟定，请您审阅并提出宝贵意见。<br>口语：这个bug修好了，测过了没问题。<br>正式：...<br>2-3个高质量示例，通常就能让模型快速掌握你想要的模式。<br><br><b>第五层：系统级设计（System Design）</b><br>这是 Prompt 工程的最高境界——不是优化单条 Prompt，而是设计一套完整的交互策略。<br>包括：<br>• <b>分解策略</b>：把复杂任务拆成多个子任务，让模型分步完成<br>• <b>自检机制</b>：让模型先输出答案，再让它自己检查一遍有没有遗漏、有没有错误<br>• <b>多轮对话设计</b>：第一轮收集信息，第二轮分析，第三轮给出建议<br>• <b>动态Prompt</b>：根据用户输入的类型，自动选择不同的 Prompt 模板<br><br><b>一个实用小技巧</b><br>如果你用 ChatGPT/Claude，遇到模型一本正经胡说八道的情况，可以试试这句：如果你不确定，请直接说我不确定，不要编造信息。——这能显著降低幻觉（Hallucination）的概率。<br><br><b>写在最后</b><br>Prompt 工程本质上是一门沟通艺术——你要学会用模型的语言来表达需求。随着模型能力越来越强，Prompt 的重要性可能会下降，但清晰表达需求这个能力，永远有用。<br><br>你在用大模型时，有什么独门 Prompt 技巧？遇到过什么换个问法就解决了的有趣案例？欢迎分享！👇<br><br>参考阅读：<br><a href="https://www.promptingguide.ai/">Prompt Engineering Guide（英文）</a><br><a href="https://github.com/f/awesome-chatgpt-prompts">Awesome ChatGPT Prompts</a> |
喧嚣卡
千斤顶
