📄 Prompt Engineering 提示词工程
Prompt Engineering 提示词工程
核心概念
Prompt Engineering 是通过设计和优化输入提示词来引导大语言模型（LLM）产生高质量输出的技术。
基本原则
1. 明确角色与任务
你是一位资深的数据分析师，请帮我分析以下销售数据...
角色设定能让模型进入特定的"思维模式"，输出更专业。
2. 提供上下文
- 给出背景信息
- 说明目标受众
- 指定输出格式
3. 分步骤引导（Chain of Thought）
请按以下步骤思考：
1. 首先分析问题的关键要素
2. 然后列出可能的方案
3. 最后给出推荐方案及理由
4. Few-shot 示例
提供1-3个输入输出示例，让模型理解你期望的模式。
5. 约束与限制
- 指定字数/长度
- 限定回答范围
- 要求引用来源
高级技巧
| 技巧 | 说明 | 适用场景 |
|---|---|---|
| Self-Consistency | 多次采样取多数 | 推理、数学 |
| Tree of Thought | 树状探索多条路径 | 复杂决策 |
| ReAct | 推理+行动交替 | Agent任务 |
| Reflection | 让模型自我审视修正 | 代码、写作 |
常见误区
- ❌ 提示词太模糊："帮我写点东西"
- ❌ 一次塞太多任务
- ❌ 不给示例就期望完美输出
- ✅ 迭代优化，记录有效模板