提示工程基础

一句话定义：通过设计提示词引导 LLM 输出符合预期的内容，不改模型权重、成本最低的调优方式。

1. 核心四要素

  1. 角色（Role）：设定身份提升专业度。"你是资深安全审计员"。
  2. 任务（Task）：明确要做什么。
  3. 约束（Constraint）：不许做什么、格式要求。
  4. 输出格式（Format）：JSON/Markdown/表格等。

2. 常用技术

技术 作用
Role Prompting 设定角色
Few-shot 给示例对齐格式
Output Formatting 强制结构化
Constraint Prompting 列硬约束
Delimiter 用分隔符区分输入与指令

3. Few-shot 示例

输入：好 → 输出：positive
输入：差 → 输出：negative
输入：一般 → 输出：neutral
输入：这部电影太棒了 → 输出：

模型会输出 positive。

4. 迭代流程

  1. 明确成功标准。
  2. 起草提示。
  3. 在评测集测试。
  4. 分析失败案例。
  5. 迭代提示。
  6. 固化模板版本化。

5. 注意事项

  • 建评测集，避免盲调。
  • 输出格式用后处理校验（schema 校验）。
  • 防 prompt injection：用户输入与系统提示分区。
  • 模型敏感：换模型需重测。

6. 学习要点

  • 提示工程是最低成本的调优方式。
  • 角色 + 任务 + 约束 + 格式四要素起步。
  • 没有评测集的调优是盲调。

7. 参考资料

  • OpenAI / Anthropic Prompt Engineering 指南
  • Learn Prompting（learnprompting.org）