当前位置：首页 > news >正文

Prompt Engineering（提示词工程）

news 2026/5/11 16:53:12

一、Prompt 学习的核心框架（从基础到进阶）

1. 基础认知：先搞懂「Prompt 是什么」

这是入门第一步，不用急着写代码，先建立核心认知：

核心定义：Prompt 是你和 AI（LLM/Agent）沟通的 “指令 + 上下文”，本质是「用自然语言精准定义任务」
核心原则：清晰（Clear）、具体（Specific）、简洁（Concise）、有边界（Bound）
基础概念：
- 指令（Instruction）：明确告诉 AI “要做什么”（比如 “基于知识库回答问题，不要编造”）
- 上下文（Context）：给 AI 的参考信息（比如知识库片段、对话历史）
- 示例（Few-shot）：给 AI 参考案例（比如 “例 1：问 A 答 B；例 2：问 C 答 D”）
- 角色设定（Role）：给 AI 定身份（比如 “你是专业的知识库客服，只回答和产品相关的问题”）

2. 核心语法与技巧（Prompt 的 “基础语法”）

这是落地的核心，学会这些能解决 80% 的日常场景：

（1）指令设计技巧

指令前置：把核心要求放在最前面（比如 “【核心要求】仅使用提供的知识库内容回答，禁止使用外部知识”）
量化要求：用数字明确边界（比如 “回答控制在 300 字以内，分 3 点说明”）
否定式约束：明确禁止行为（比如 “不要解释概念，直接给出解决方案；不要提及未在知识库中出现的产品版本”）

（2）上下文管理（重点适配知识库场景）

上下文裁剪：只保留和问题相关的知识库片段（避免 Token 浪费 + 干扰 AI）
上下文标注：给不同来源的信息打标签（比如 “【知识库 1：产品规则】xxx；【知识库 2：用户 FAQ】xxx”）
对话历史管理：只保留和当前问题相关的历史（比如 Agent 多轮对话中，过滤无关闲聊）

（3）Few-shot（少样本示例）

示例要 “典型 + 覆盖边界”：比如知识库匹配场景，给 AI 示例 “问：如何退款？答：参考知识库 1.2 条：退款需满足 xxx”
示例数量：3~5 个足够（太多会增加 Token，效果提升有限）

（4）思维链（CoT）—— 进阶核心

核心逻辑：让 AI “一步步思考”，而不是直接给答案（适配 Agent 复杂决策）

典型写法：

plaintext

你需要按以下步骤处理用户问题：
步骤1：判断用户问题是否需要检索知识库（是/否）；
步骤2：如果是，提取问题中的核心关键词（至少2个）；
步骤3：从知识库中匹配最相关的3条内容；
步骤4：基于匹配结果回答问题，标注信息来源。
用户问题：如何申请产品售后？

3. 场景化 Prompt 设计（结合你的知识库 / Agent 场景）

不同场景的 Prompt 设计逻辑不同，重点掌握和你相关的：

（1）知识库检索 + 匹配场景

检索指令设计：让 AI 生成精准的检索关键词 / 向量 Query

plaintext

请你将用户问题转化为3个不同的检索关键词（优先用知识库中的术语），用于检索产品知识库：
用户问题：{user_query}
输出格式：关键词1,关键词2,关键词3

匹配结果筛选：让 AI 打分并筛选知识库片段

plaintext

请你给以下知识库片段和用户问题的匹配度打分（0~1分，1分为完全匹配），并说明理由：
用户问题：{user_query}
知识库片段1：{chunk1}
知识库片段2：{chunk2}
输出格式：
片段1：分数，理由
片段2：分数，理由

回答生成：基于匹配结果约束 AI 回答

plaintext

角色：你是产品客服，仅使用以下知识库内容回答用户问题，不要编造信息，回答后标注信息来源。
知识库内容：{matched_chunks}
用户问题：{user_query}
要求：回答简洁，分点说明，每点不超过50字，最后标注信息来源（如“来源：知识库片段1”）。

（2）Agent 决策场景

角色 + 流程约束：

plaintext

你是一个智能Agent，负责处理用户的产品咨询，流程如下：
1. 理解用户问题意图；
2. 判断是否需要检索知识库（仅当问题涉及产品规则/售后/使用方法时检索）；
3. 若检索到相关内容，基于内容回答；若未检索到，告知用户“暂无相关信息”；
4. 回答语气友好，使用口语化表达。
用户问题：{user_query}

4. 进阶能力：Prompt 调优与评估

学会设计 Prompt 后，还要知道怎么优化：

Bad Case 分析：
- 常见问题：AI 答非所问、编造信息、漏答关键点
- 优化方向：强化约束（比如 “必须覆盖知识库中的 xx 要点”）、补充示例、拆分复杂任务
评估维度：
- 准确性：是否和知识库内容一致
- 相关性：是否回答了用户核心问题
- 简洁性：是否无冗余信息
- 合规性：是否遵守 “不编造”“标注来源” 等约束
工具辅助：
- 用 LLM 自身评估 Prompt 效果（比如 “请评估以下回答是否符合要求：{answer}，要求：{requirements}”）
- 小批量测试：用 10~20 个典型问题测试 Prompt，迭代优化