LLMStart|持续课程 · 不追玄学
模块 3 · 3.1
入门级45 分钟

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。

高质量 Prompt 的六个组成部分

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)
  1. 一个基础 Prompt 至少应该包含哪些部分?
  2. Few-shot 示例适合哪些任务?
  3. 为什么角色设定不能替代具体任务说明?
参考答案
  1. 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。
  2. 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。
  3. 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。