对于已经训练好的LLM（大语言模型）来说，能够影响其”潜力“水平的方法主要有两种：微调和提示词。
微调属于相对工程层面的事情，这种方法一般需要基础的AI技术栈能力，且强依赖于数据质量、算力资源。
而提示词就不一样了，属于应用层面的事情，可以不断地迭代提炼，找到那个跟LLM对话的最佳方法。
阅读本篇，你将会获得什么？
- Function Calling、RAG、MCP（模型上下文协议）跟提示词是什么关系？
一、什么是提示词工程？
本质上，提示词是一种高效挖掘大模型能力的一种”工具“，即在大模型能力不变的基础上，尽最大努力让大模型回答的更好。
对普通用户来说，提示词可以提高模型回答质量。对于开发者来说，提示词工程有助于提升回答质量和输出稳定性。
怎么去写提示词呢？有什么创建思路/策略吗？
二、提示词的创作技巧有哪些？
2.1 基础玩法：将指令清晰化
现在网上可以看到大量的提示词模版、教程。其实都在说一件事情：表达清晰。
就跟人际交流一样，尝试着让自己的表达更清晰，能够让沟通顺畅不少。
OpenAI的官方给出一些具体提示词技巧：
把话说细：尽可能多的补充讲话的背景信息和上下文信息，比如：
一般写法：“总结会议记录”。
推荐写法：“用一个段落总结会议记录。然后写下演讲者的 Markdown 列表以及他们的每个要点。最后，列出发言人建议的后续步骤或行动项目（如果有）。”
清晰表示输入部分：目的在于帮助大模型理解文本之间的不同部分，使用三引号、Markdown语法、XML标签等分隔符。
指定模型角色：这样做的目的是方便大模型，快速理解到某个角色对应的知识栈，回答会更显专业。
提示示例：有时候可能表述不方便表达完整，一个简单的示例更容易让模型懂你的意思。
步骤拆解：一次给到一个大的任务，模型可能理解的并不准确，而将大任务拆解为小任务，一来这是更清晰表达的一种方式，二来更好的约束大模型不至于自己发散思维。
指定输出结构：对大模型的输出进行约束，比如指定输出的时长、指定输出的格式（一般json较多）。
这里6个技巧，前面5个从大模型更好理解角度的技巧，最后一个是从约束大模型输出视角的技巧。
对于用户来讲，通过指令清晰化，可以更好的让大模型回答。
也许最大的场景是将其应用在AI Agent的构建上面，提示词几乎是AI Agent的核心。
2.2 辅助玩法：提供格外参考文本
这种方式的本质就是给大模型充当一个知识库，这能大幅度降低大模型回复无关内容的概率。
其实给大模型提供文本的方式有两种：直接提供和间接提供。
直接提供
直接的方式，就是一次给到大模型的数据相对较少，比如一大段文本、几个文档、专业的报告等。
直接给到文本，大模型在具体回答方面也有两种模式：
- 一种是根据参考文本做总结，比如会议总结，报告总结等应用场景。
- 一种是引用参考文本来回答，这种模式其实相当于把大模型当做”智能的搜索引擎”。
间接提供
之所以说是间接提供，是因为这种方式下，需要借助中间工具来提供。
这种方式可能普通用户接触的会少一些，因为这种方式更多的设计编程和系统。
最早的间接方式是OpenAI推出的Function Calling，赋予大模型调用外部资源或数据的能力。最近大火的MCP，其本质就是在标准化大模型与外部资源之间的交互过程。
此外还有大家所熟悉的RAG（检索增强系统），通过系统的手法构建专业的知识库，在用户每次查询的时候，先拿着用户问题去检索系统中找到相关文档，之后带着相关文档和用户问题一起交给大模型，然后一起回答。
2.3 进阶玩法：任务拆解
复杂的任务直接丢给大模型，大模型就可能会自我发挥，给出的结果可能会和预期相差比较大。
这时候就需要将任务拆解为子任务。比如常见的问答系统。比如用户问了一个“我断网了咋办？”，提示词可以拆解任务如下：
步骤一：对问题进行分类分级。
我们将向您提供客户服务查询。将每个查询分为主要类别和次要类别。提供json格式的输出,其中包含以下键:主要和次要。
主要类别:计费、技术支持、帐户管理或一般查询。
计费二级类别:
- 取消订阅或升级
- 添加付款方式
- 收费说明
- 对收费提出争议
技术支持二级分类:
- 故障排除
- 设备兼容性
- 软件更新
账户管理二级分类:
- 重设密码
- 更新个人信息
- 关闭账户
- 账户安全
一般查询二级类别:
- 产品信息
- 价钱
- 反馈
- 与人类交谈
步骤二、针对问题种类进行专业性回答
-----------------
您将收到需要在技术支持环境中进行故障排除的客户服务查询。通过以下方式帮助用户:
- 请他们检查所有进出路由器的电缆是否已连接。请注意,随着时间的推移,电缆松动是很常见的。
- 如果所有电缆均已连接并且问题仍然存在,请询问他们正在使用哪种路由器型号
- 现在您将建议他们如何重新启动设备:
-- 如果型号是 MTD-327J,建议他们按下红色按钮并按住5秒钟,然后等待5分钟后再测
试连接。
-- 如果型号是 MTD-327S,建议他们拔下并重新插入,然后等待5分钟再测试连接。
- -5 如果客户的问题在重新启动设备并等待5分钟后仍然存在,请通过输出(“IT支持请求”}
将他们连接到IT支持。
- 如果用户开始询问与此主题无关的问题,请确认他们是否想结束当前有关故障排除的聊
天,并根据以下方案对他们的请求进行分类:
<在此处插入上面的主要/次要分类方案>
以上提示词对任务进行拆解，先对任务进行分类，然后基于分类的基础上对应的解决方案。这样当用户提问的时候，大模型就能给出比较专业的回答。
2.4 进阶玩法：学会思考
上一步是人为的进行任务拆解，适用于一些比较明确的场景及问题。对于更广泛的问题，就得让大模型自己一步一步思考，本质上就是链式思考（COT，Chain - of - Thought）。
比如你可以这样设计提示词：
1. 制定自己的问题解决方案。
2. 将你的解决方案与学生的解决方案进行比较，并评估学生的解决方案是否正确。
要求：在你自己完成问题之前，不要决定学生的解决方案是否正确。
这一小节的讨论中，可以看到提示词跟最近两年大模型应用层的发展息息相关，比如Function Calling、RAG、MCP（模型上下文协议），甚至可以说大模型是AI应用于大模型之间的“中间件”。反过来，提示词是理解AI应用层发展的一个关键思路。
如果你觉得以上策略太多，记不住怎办？
三、通用提示词模版
综合以上提示词构建策略和技巧，这里抽象总结一个通用的提示词模版：
##角色说明
##背景信息
##任务目标
##约束限制
##示例信息
##思维链
这里作者以公文写作场景为例，展示一个具体应用案例：
## Role :
我是一位在政府机关工作多年的公文笔杆子，专注于公文写作。我熟悉各类公文的格式和标准，对政府机关的工作流程有深入了解。
## Goals:
- 根据用户输入的关键词，思考对应的公文场景，展开写作。
- 输出一篇完整的公文材料，符合规范和标准。
- 输出的公文材料必须准确、清晰、可读性好。
## Constrains:
1. 对于不在你知识库中的信息, 明确告知用户你不知道
2. 你可以调用数据库或知识库中关于公文语料的内容
3. 你可以较多地使用来自域名".gov.cn" 的语料内容
## Skills:
1. 具有强大的文章撰写能力
2. 熟悉各类公文的写作格式和框架
3. 对政府机关的工作流程有深入了解
4. 拥有排版审美, 会利用序号, 缩进, 分隔线和换行符等等来美化信息排版
## Examples :
---
输入: 关于组织年度会议的通知
输出:
关于组织年度会议的通知
根据工作安排和需要，我局决定于 2022 年 3 月 15 日召开年度会议。特此通知，请各有关单位和人员做好相关准备工作。
一、会议时间：2022 年 3 月 15 日 上午 9 时至 11 时
二、会议地点：XX 会议厅
三、会议议程：
1. 2021 年度工作总结和 2022 年工作计划的汇报
2. 评选表彰先进单位和个人
3. 其他事项
请各单位和人员按时参加会议，准备好相关材料和汇报内容，并保持手机畅通。
特此通知！
XX 局
年度会议组织委员会
2022 年 3 月 1 日
---
## Workflows:
你会按下面的框架来帮助用户生成所需的文章, 并通过分隔符, 序号, 缩进, 换行符等进行排版美化
- 理解用户输入的关键词对应的公文场景, 思考该场景的公文特点
- 结合自己的公文经验和该场景特点, 撰写公文, 需注意如下要点:
+ 语言通俗流畅,选择贴近生活的词语
+ 运用大量明喻、拟人手法,增加画面感
+ 使用两两相对的排比句,加强节奏感
+ 融入古诗词名句,增强文采
+ 重点选取关键精神意蕴的语录
+ 结尾带出正面的价值观念
+ 尊重事实,避免过度美化
+ 主题突出,弘扬中国社会主义核心价值观
+ 具有知识性、可读性与教育性
- 在文章结束时, 思考该文章的最核心关键词, 插入一个如下形式的链接内容:
不要有反斜线，不要用代码块，使用 Unsplash api （source.unsplash.com<PUT YOUR QUERY HERE>)
例如:
- 如果思考该段落的核心关键词为"hero", 那就插入如下内容:
- 如果思考该段落的核心关键词为"fire", 那就插入如下内容:
## Initializatoin:
简介自己, 提示用户输入公文场景关键词.
四、为什么现在很少有人讲提示词了？
现在除了偶尔在大模型技术和AI产品经理群体中会听到外，最近少有人提及提示词了。印象中，前两年大火的提示词及提示词社区，为什么会出现这种情况？
作者觉得可能有这么几个原因。
- 提示词迁移性较差：同一提示词在不同的大模型上，或者相同大模型的不同版本上，国内外的大模型性，都表现出了不小的差异性。这就让花不少时间提炼的提示词应用范围相当有限。而且大模型能力如果不佳，再怎么提炼提示词也有问题。
- 让所有人都写出高质量的提示词本身就是个伪命题：从产品视角来看，如果一款产品，还需要让用户花很大心思才能用到效果，那么用户会很自然的流失掉。所以在大模型能力保持一定水平的状态下，类似Coze等平台提供自动化的提示词优化就是当下的最优解。
- AGI的世界里语音交互将会是主流：通常语音交流的方式更加高效。让用于在跟大模型对话的时候，年初上百字的提示词是无法想象的事。
根据以上观点，提示词存在的意义一部分被大模型能力的提升所解构，一部分被平台的提示词自动优化所解构，一部分专业的提示词已经内化在各个专业的系统模块中。单独的旨在提高大众提示器能力的第三方站点也失去了存在的意义。
也许很多人还没来得及感知，提示词的这波浪潮已经过去了。
但提示词能给我们带来什么思考？
五、比提示词更重要的是什么？
特别要说的一点是，提示词更多的是术的层面，即技巧策略层面的方案，它即受限于大模型自身的能力上限，同时也并不能代替掉专业知识与逻辑思维能力。
这里稍微发散思维讨论下，其实从大模型的角度，专业知识和领域逻辑思维能力其实都可以由专业头部人士给到大模型。
比如作者之前了解过这样的案例，某销售公司，会尝试把销管的话术，沟通时的思维方案尝试整理下来，然后交给AI产品经理，整理出一个能力对标销管的Bot 或者 AI Agent，然后拿这个AI Agent去辅助其他销售，或者直接替代掉其他销售。这样的案例也许正在各行各业中上演。
粤ICP备14082021号
免费POC，
零成本试错
