欢迎来到本课程的第三部分，我们将深入探讨“提示工程（Prompt Engineering）”，这门艺术与科学正在成为与大型语言模型（LLM）高效协作的关键。

在传统的编程世界中，我们通过编写严格遵循特定语法规则的代码来指示计算机执行任务。然而，在AI编程的新范式中，我们使用自然语言来与AI模型交流，这就像是与一个极其聪明但有时需要精确指导的助手对话。提示工程正是这门“新编程语言”的核心，它关乎如何精心构造你的输入（即“提示”），以引导AI生成你所期望的高质量、准确且有用的输出。

什么是提示工程？

提示工程是指设计和优化你提供给大型语言模型的文本输入（提示），以便从模型中获得所需输出的过程。这不仅仅是问问题那么简单，它更像是一种与AI模型进行沟通的策略，通过细致的词语选择、结构组织和上下文提供，来最大化模型的潜力和准确性。

想象一下，你有一个超级聪明的实习生，他几乎无所不能，但你需要清晰、具体地告诉他你的需求，否则他可能会做出完全不相关的事情。提示工程就是训练你如何有效地与这个“实习生”沟通。

为什么提示工程如此重要？

控制与准确性：LLM非常强大，但也很容易“跑偏”。一个好的提示可以精确地引导模型朝着正确的方向生成内容，减少无关或错误的输出。
效率提升：通过优化提示，你可以更快地获得满意的结果，减少迭代和修正的时间。
解锁高级功能：许多LLM的强大功能，如代码生成、复杂推理、文本摘要等，都需要通过精心设计的提示才能完全发挥。
应对模糊性：自然语言本身具有模糊性。提示工程帮助我们消除这种模糊性，将模糊的需求转化为AI能理解和处理的精确指令。

核心要素：构建有效提示的“积木”

一个优秀的提示通常包含以下一个或多个关键要素：

1. 指令 (Instructions)

这是你希望模型执行的主要任务。指令必须清晰、简洁且直接。避免使用模棱两可的词语。

示例：

弱指令：“写点代码。” (太模糊)
强指令：“用 Python 编写一个函数，计算给定列表中所有偶数的和。” (清晰具体)

2. 角色设定 (Role Assignment)

让模型扮演一个特定的角色可以显著影响其输出的风格、语气和专业知识。这有助于模型从特定视角思考问题。

示例：

“你是一名经验丰富的 Python 开发者，请为我生成……”
“你是一位资深的软件架构师，请评估以下设计方案……”
“你是一名中学数学老师，请用简单的语言解释……”

3. 上下文 (Context)

提供背景信息对于模型理解你的意图至关重要。这可以是相关代码片段、问题描述、数据结构或任何有助于模型更好地响应的信息。

示例：

text

4. 格式要求 (Output Format)

明确指定你期望的输出格式，可以帮助模型生成结构化的、易于解析的内容，例如JSON、Markdown、XML、特定编程语言的代码片段等。

示例：

“请以 Markdown 格式返回代码。”
“以 JSON 数组的形式返回结果，每个对象包含 "function_name" 和 "description" 字段。”
“请只返回 Python 代码，不要包含任何解释性文字。”

5. 示例 (Examples / Few-shot Learning)

当指令不足以完全描述复杂或细微的行为时，提供少量输入-输出示例（称为“少样本学习”或 Few-shot Learning）是极其有效的方法。模型将从这些示例中学习模式。

示例：

text

6. 约束条件 (Constraints)

指定输出的限制，例如字数限制、代码行数限制、使用的特定库、不允许的词语或概念等。

示例：

“请将摘要限制在 100 字以内。”
“生成的代码不能使用第三方库。”
“请确保所有变量名都是小写蛇形命名法。”

提示工程的最佳实践

从小处着手，逐步迭代：不要试图一次性写出完美的提示。从一个简单的指令开始，然后逐步添加角色、上下文、格式和示例，直到你满意为止。
清晰具体，避免模糊：使用明确的动词和名词。避免“好”、“快”或“简单”这样的主观词语，除非你明确定义了它们的含义。
善用负面指令：告诉模型不做什么有时和告诉它做什么一样重要（例如：“不要包含代码注释”）。
测试与验证：每次修改提示后，都应该测试模型的新输出，并与之前的输出进行比较，以评估改进效果。
理解模型局限性：LLM并非万能。对于需要实时数据、精确计算或深层领域知识的任务，它可能仍需要人类的干预或特定工具的辅助。

常见陷阱

过度依赖模型：认为模型能读懂你的心，不提供足够的细节。
提示过长或过于复杂：虽然详细很重要，但冗长和结构混乱的提示反而会混淆模型。
缺乏迭代：不根据输出调整和优化提示，导致效率低下。
未能指定输出格式：导致模型输出难以解析或利用的内容。

总结

提示工程是AI编程中不可或缺的技能。它将自然语言从简单的输入工具提升为一种强大的编程接口。通过掌握指令、角色、上下文、格式、示例和约束这些核心要素，并遵循迭代优化的最佳实践，你将能够与大型语言模型进行更高效、更精准的协作，解锁AI编程的巨大潜力。这不仅仅是一门技术，更是一种与未来智能系统交互的新思维方式。

提示工程（Prompt Engineering）：与AI协作的艺术 30 分钟