3.1提示词基础
本课只解决一个主问题:本单元只解决一个主问题:好 Prompt 到底好在哪里?
学习目标
学完本单元后,学习者应该能够:
- 解释 Prompt 的本质是任务说明和上下文组织。
- 写出包含任务、背景、约束、输出格式的基础 Prompt。
- 判断一个 Prompt 为什么质量低。
- 使用示例和检查标准改善模型输出。
先给直觉
Prompt 不是咒语。
Prompt 更像你给一个聪明但不了解你具体情况的助手交代任务。
如果你只说:
帮我写一篇文章。
对方不知道:
- 写给谁看?
- 写多长?
- 目的是什么?
- 语气要正式还是轻松?
- 要不要引用资料?
- 输出成大纲还是正文?
模型不是你肚子里的会议纪要。你没说的,它只能猜。
Prompt 的四个基本组成
1. 任务
任务说明你要模型做什么。
差:
讲讲 AI。
好:
请用面向高中生的语言,解释 AI、机器学习和深度学习的区别。
任务越清楚,模型越容易对齐目标。
2. 背景
背景说明使用场景、读者、已有材料和限制。
例子:
读者是没有编程基础的产品经理,已经用过 ChatGPT,但不了解模型原理。
背景能帮助模型选择合适的解释深度。
3. 约束
约束说明不要做什么、必须满足什么。
例子:
不要使用公式。每个术语首次出现时先解释。不要夸大模型能力。
约束可以减少跑偏。
4. 输出格式
输出格式让结果可用。
例子:
请按以下结构输出:定义、例子、常见误区、一个练习。
格式不是为了好看,而是为了减少二次整理成本。
图:一个高质量 Prompt 由角色、任务、上下文、约束、输出格式、评价标准六个模块拼装而成。组合起来就是:任务清楚、边界明确、结果可检查。
一个基础模板
你要完成的任务:
背景:
目标读者:
要求:
输出格式:
质量标准:
示例:
你要完成的任务:
解释什么是 Token。
背景:
这是 AI 入门课程的一节内容,学习者没有编程基础。
目标读者:
对 ChatGPT 感兴趣的普通读者。
要求:
- 不使用公式。
- 必须解释 Token 为什么影响成本和上下文长度。
- 举一个中文例子和一个英文例子。
输出格式:
1. 一句话定义
2. 直觉解释
3. 两个例子
4. 常见误区
5. 结尾 takeaway
质量标准:
读者读完后能向朋友解释 Token 是什么。
Few-shot 示例
Few-shot 指在 Prompt 里给模型几个输入输出示例,让模型模仿格式或风格。
适合场景:
- 分类
- 改写
- 信息抽取
- 固定格式生成
- 风格一致的输出
例子:
请把用户问题分类为:概念解释、操作指导、风险判断。
示例 1:
问题:Token 是什么?
分类:概念解释
示例 2:
问题:如何让模型按 JSON 输出?
分类:操作指导
现在分类:
问题:RAG 会不会泄露公司资料?
分类:
Few-shot 的价值是减少模型猜测,让它看到你要的模式。
角色设定有用吗
有时有用,但不要迷信。
你是一位资深 AI 专家。
这类角色设定可能影响语气和回答角度,但真正决定质量的通常是:
- 任务是否清楚
- 背景是否充分
- 资料是否可靠
- 约束是否具体
- 输出是否可检查
低质量 Prompt 加一个“顶级专家”头衔,通常不会自动变好。给模型戴帽子不等于给它装脑子。
如何让输出可检查
好的 Prompt 不只是让模型输出,还让输出能被检查。
可以加入:
- 判断标准
- 禁止事项
- 引用要求
- 不确定时如何处理
- 自检步骤
例子:
如果资料中没有答案,请明确说“资料中没有提供”,不要根据常识补充。
这对 RAG、法律、医学、财务、企业知识库等场景尤其重要。
案例:改造一个低质量 Prompt
原 Prompt:
帮我写一篇关于大模型的文章。
问题:
- 没有读者。
- 没有主题范围。
- 没有目的。
- 没有长度。
- 没有风格。
- 没有事实边界。
改造后:
请写一篇 1800 字左右的公众号文章,主题是“大语言模型为什么会幻觉”。
目标读者:
用过 ChatGPT,但不了解模型原理的普通读者。
文章目标:
让读者理解幻觉不是模型故意骗人,而是生成式模型的固有风险。
要求:
- 开头用一个生活化例子引入。
- 解释“预测下一个 Token”和“缺少可靠资料”如何导致幻觉。
- 不使用公式。
- 至少给 3 个减少幻觉的方法。
- 不要夸张标题党。
输出结构:
1. 标题
2. 开头故事
3. 原理解释
4. 常见误区
5. 使用建议
6. 结尾 takeaway
这个版本不是更长所以更好,而是信息更完整、输出更可控。
常见误区
误区 1:Prompt 越长越好
不是。Prompt 应该信息充分,但不该塞无关内容。噪音太多会干扰模型。
误区 2:好 Prompt 可以弥补所有模型问题
不能。模型能力、资料质量、任务难度和工具能力都会影响结果。
误区 3:只要说“你是专家”就够了
角色设定不能替代任务、背景、约束和资料。
误区 4:模型第一次输出不好,就说明模型不行
也可能是任务没说清楚。人类同事也怕“你看着办”。
动手练习
把下面这个 Prompt 改写成高质量版本:
帮我总结一下这篇文章。
要求你补充:
- 目标读者
- 总结目的
- 输出长度
- 输出结构
- 是否需要引用原文
- 不确定时怎么处理
检查题(自测)
- 一个基础 Prompt 至少应该包含哪些部分?
- Few-shot 示例适合哪些任务?
- 为什么角色设定不能替代具体任务说明?
参考答案
- 一个基础 Prompt 至少应包含任务、背景、约束、输出格式和质量标准。不是每次都要写得很长,但关键信息不能缺。
- Few-shot 适合需要模型模仿格式、风格或判断标准的任务,例如分类、改写、信息抽取、固定格式生成、标题生成、风格统一的内容输出。它的价值是让模型看到你期望的输入输出模式,减少猜测。
- 角色设定只能影响回答角度和语气,不能自动补齐任务目标、背景资料、输出格式和质量标准。只说“你是专家”,模型仍然不知道写给谁、解决什么问题、输出多长、需要引用什么资料、哪些内容不能说。
Takeaway
Prompt 的本质是把任务、背景、约束和输出标准说清楚。好 Prompt 不是魔法,而是清晰沟通。这个道理听起来朴素,但很多 AI 使用问题就死在朴素的地方。