我要投稿

为什么大家很少提及Prompt（提示词）了?

发布日期：2025-06-14 15:12:26 浏览次数： 1541

作者：小鲸数据

微信搜一搜，关注“小鲸数据”

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？

什么是提示词？
如何设计提示词？给出了基础、辅助、进阶三种策略。
Function Calling、RAG、MCP（模型上下文协议）跟提示词是什么关系？
为什么现在很少有人提及提示词？
AI时代下，提示词带来的思考是什么？

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:

![Image](source.unsplash.com×900?hero)

- 如果思考该段落的核心关键词为"fire", 那就插入如下内容:

![Image](source.unsplash.com×900?fire)

## 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？