高效使用AI的关键：一文掌握大模型提示词工程技巧

不秃头de程序猿

于 2025-07-04 13:48:01 发布

阅读量835

点赞数 21

CC 4.0 BY-SA版权

文章标签：人工智能大模型 ai 程序员转行学习产品经理

本文链接：https://blog.csdn.net/Android_XG/article/details/149116031

在这里插入图片描述

我们都知道，AI能够在理解和生成语言方面做得很好。但是，如何让机器理解我们的需求，给出正确的回答呢?这就需要用到–提示词（prompt）。

所谓提示词，简单来说就是一种指令，就像你在搜索引擎中输入关键词，prompt会根据你的问题提供最合适的答案。写出好的提示词，并不需要高超的编程技巧，也不需要复杂的算法知识，只需要最直接，最真实的人类语言，去提问，设定你的大模型，一个好的prompt可以让你的大模型变成一个风趣幽默的诗人，或是变成一个思维敏捷的知识分子，或是变成你理想的生活助手，只需要一点点创新，就能让AI改变你的世界。

prompt是什么

简单来说，prompt就是你对大模型的输入，当你使用deepseek时，你在输入框里面输入的内容，就是一个简单的prompt：

但是一般我们这样的提问，得到的回答也是最普遍的，是非限定的，让我们来优化一下，设定一个我们想要了解的范围：

优化前：

优化后：可以明显看出，优化后的prompt更符合需求，所以在大模型领域，为了不断优化prompt，为此衍生出了prompt工程。prompt工程会针对不同的场景和需求下，制定最合适的提示词语言，最大程度的发挥大模型的能力。

prompt的基本框架

明确prompt的定义与作用

提示词是告诉AI模型要做什么任务的关键信息。它不仅仅是单个词语，而是一组词汇、句子或段落，用于引导AI生成符合预期的输出。

好的prompt应具备以下特点：

明确任务类型：如问答、摘要、分类、文本生成等。
提供足够上下文：帮助模型理解任务背景和需求。
设定输出/回复的格式：如列表、段落、表格、JSON等。

同时在写prompt应遵循以下原则：

清晰具体： 提示词应避免模糊不清的表达，确保模型能准确理解你的意图。
重点突出： 突出任务的核心要求，避免冗余信息干扰模型判断。
充分详尽： 提供完成任务所需的主要信息，尤其是涉及专业术语或复杂场景时。
易于理解： 好的提示词应该像对一个初学者解释一样清楚，不需要额外追问。

回顾之前的简单提问，我们看下下面的优化和对比：

问题类别	优化前	优化后
知识技术	如何学习React？	作为一名前端开发者，如何在 2 个月内高效掌握 React？请提供学习路径、关键知识点和实战项目建议。
职业发展	怎么提高职场竞争力	对于一名 30 岁的前端开发者，如何提升在大厂的竞争力？请结合技术、软技能和人脉拓展三个方面回答，输出为表格对比格式。
决策建议	我该换工作吗？	如何评估当前工作是否值得继续？请从 ‘薪资增长’、‘职业发展’ 和 ‘工作满意度’ 三个角度提供分析方法。

优化后的提示词输入输入给大模型，往往得到到的答案要精细许多。

使用结构化方法提升prompt质量

CO-STAR原则（结构化提示词方法）

CO-STAR原则是结构化提示词中的一种，由新加坡政府科技局数据科学与AI团队创立，是一个非常实用且易于上手的提示构建工具。CO-STAR的设计初衷是为了帮助用户在使用大型语言模型时，能够构建出更加完整和有效的提示词，从而提高AI生成内容的相关性和效果。包括以下要素：

Context（背景）： 说明任务的背景信息。
Objective（目标）： 明确你希望模型完成的任务。
Style（风格）： 指定输出的语气、格式或风格。
Tone（语气）： 决定输出的正式程度或情感倾向。
Audience（受众）： 描述目标读者的特征，如专家、学生、儿童等。
Response（响应）： 规定输出的形式，如列表、段落、代码等。

举个例子，例如我们向大模型提问：写一篇关于人工智能在金融领域应用的文章，在不使用CO-STAR原则的情况下，回答是这样的：

“人工智能在金融领域有很多应用。比如，AI可以帮助银行分析客户数据，提供个性化服务。此外，AI还可以用于风险管理，预测市场变化。未来，AI可能会在金融领域发挥更大的作用。”

这段回答的问题主要是：

内容过于笼统，缺乏深度和结构。
未明确目标读者和语言风格，导致输出不够专业。

下面，使用CO-STAR原则来优化prompt：

Context（背景）：人工智能（AI）正在金融领域快速发展，应用于风险管理、投资分析和客户服务等多个方面。
Objective（目标）：写一篇800字的文章，介绍AI在金融领域的应用，并分析其优势和挑战。
Style（风格）：语言专业但不晦涩，适合普通读者阅读。
Tone（语调）：中立、客观，略带对技术发展的积极态度。
Audience（受众）：目标读者是对金融科技感兴趣的专业人士和学生。
Response（回应）：文章应包括以下部分：
引言：简要介绍AI在金融中的重要性。
应用场景：列举3个具体应用场景（如风险管理、投资分析、客户服务），并分别说明其价值和挑战。
未来展望：分析AI在金融领域的未来发展趋势，并提出2-3个潜在突破点。
结论：总结AI对金融行业的影响，并呼吁加强相关技术研发和监管。

我们先把这段话prompt发给大模型，然后再次进行提问，得到的回答就会更加具体：

人工智能在金融领域的应用与未来展望
引言
人工智能（AI）正在深刻改变金融行业，从风险管理到客户服务，AI技术的应用为金融机构带来了前所未有的机遇。随着数据量的爆炸式增长和计算能力的提升，AI在金融中的应用前景愈发广阔。

应用场景

风险管理：AI通过分析历史数据和实时市场信息，能够预测潜在风险并制定应对策略。例如，AI在信用评分和欺诈检测中的应用显著提高了金融机构的安全性。然而，模型的可解释性和数据隐私问题仍是主要挑战。
投资分析：AI驱动的算法能够快速分析海量数据，为投资者提供精准的投资建议。例如，量化交易中AI模型的表现已超过传统方法。但市场波动和模型过拟合问题仍需关注。
客户服务：AI聊天机器人和虚拟助手能够提供24/7的客户支持，提升用户体验。然而，处理复杂问题和情感理解仍是技术瓶颈。
未来展望
未来，AI在金融领域的应用将更加广泛和深入。首先，AI与区块链技术的结合有望实现更安全的金融交易。其次，AI驱动的个性化金融服务将进一步提升客户满意度。最后，监管科技（RegTech）的发展将帮助金融机构更好地遵守法规。

结论
人工智能正在重塑金融行业，为机构、投资者和客户带来巨大价值。然而，技术的快速发展也带来了伦理和监管挑战。我们呼吁加强AI技术的研发，同时建立完善的监管框架，确保AI在金融领域的应用造福全社会。”

这样的回答是符合提问的最初设定的，而且更加有条理，内容上显得也会专业一些。

prompt在Agent和工作流中的应用

在目前市场上的大模型应用平台中，通过配置不同的prompt来设定工作流中的大模型节点的能力，已经成为实现灵活任务编排和智能决策的核心技术手段。这种能力使得大模型能够无缝嵌入到复杂的工作流中，执行多样化的任务，同时保持高度的可定制性和适应性。

prompt 在工作流中的作用

prompt 是用户输入给大模型的指令或问题，用于引导模型生成特定类型的输出。在工作流中，Prompt 的作用包括：

任务定义： 通过 prompt 明确大模型需要执行的任务（如文本生成、分类、翻译等）。
上下文引导： 通过 prompt 提供上下文信息，确保模型输出符合业务需求。
条件控制： 通过 prompt 设定条件或规则，控制模型的行为（如生成特定格式的文本或遵循特定逻辑）。

大模型节点在工作流中的角色

文本生成： 生成报告、邮件、文案等。
信息提取： 从文本中提取关键信息（如日期、名称、事件）。
分类与标注： 对文本进行分类或打标签。
翻译与转换： 将文本翻译成其他语言或转换为特定格式。
决策支持： 基于输入数据提供建议或决策。

为了让大模型更符合工作流调用的特点，也为了精简提示词让大模型直击核心功能，一般配置md格式的prompt结构如下：

# 角色
你是一位专注于xxx的xxx，擅长xxx，请分析{{input}}数据，助力xx，结果达成。

## 技能
### 技能 1: xxx
xxx具体描述
xxx具体描述
### 技能 2: xxx
xxx具体描述
xxx具体描述

输出示例：
----
xxxx
----

## 限制:
- 严格xxx
- 不要xxx

其中，prompt中是可以接收上一个节点的输出，作为当前节点的变量来引入，如上面所示的{{input}}就是表示上面节点的内容输出，这样可以让prompt变成动态化的，根据工作流不同的结果，来实现不同的prompt内容。

举个例子：

上面例子中使用了两个大模型节点，他们的功能分别是生成文案，和提取文案中的景点，下面是他们的prompt：

生成文案：提取景点：

可以看出，通过这两个大模型，就可以从工作流中得到景点的列表，最后调用搜索图片的工具，就可以生成我们想要的结果。

在目前市场上的大模型应用平台中，为了降低用户编写 Prompt 的门槛，许多平台都提供了自动扩写提示词的功能。这种功能允许用户只需输入几句核心诉求，平台即可通过智能优化生成规范的 Prompt 格式，用户可以在生成的基础上进一步修改和调整。这种功能极大地简化了 Prompt 的编写过程，提高了工作效率，同时也降低了使用大模型的技术门槛。

结语

在当下的大模型应用开发中，写好提示词已经变得非常重要，因为它直接决定了模型输出的质量、准确性和实用性。随着大模型的广泛应用，提示词（prompt）已经成为开发者、产品经理和用户与大模型交互的核心工具。一个精心设计的提示词可以显著提升模型的表现，而一个模糊或不完整的提示词则可能导致输出偏离预期，甚至完全无效。