高级提示工程
将指令升华为洞见的艺术
本信息图提炼自 OpenAI 官方课程，旨在通过清晰的叙事与可视化，助您掌握与大型语言模型高效沟通的核心技巧。
一个好提示的三大基石
上下文 (Context)
提供背景信息，为模型完成任务圈定范围。
角色 (Role)
赋予模型一个身份，让它以特定专家视角进行思考和回答。
期望 (Expectations)
明确输出格式，如JSON、列表、段落，让结果直接可用。
为何精确至关重要？一词之差，天壤之别
模糊的提示
"为美国总统们写传记"
可能得到的输出：
"乔治·华盛顿是第一任总统。亚伯拉罕·林肯领导了内战...（共46条，每条一句话的摘要）"
精确的提示
"为美国第六任总统撰写一段传记，只关注他上任第一年的情况"
期望得到的输出：
"约翰·昆西·亚当斯在上任的第一年面临着巨大的政治挑战，他雄心勃勃的国内改进计划在国会遇到了强烈阻力..."
解锁四大高级提示技巧
1. 精准的角色扮演 (Persona)
从泛泛而谈到专家洞见，角色定义是关键。
无角色
"总结过去三年印度的香水趋势。" -> 获得宽泛的消费者偏好摘要。
营销经理角色
"你是一家美妆公司的营销经理...总结过去三年印度的香水趋势。" -> 获得包含市场洞察、成分趋势、渠道分析的定向报告。
2. 清晰的分隔符 (Delimiters)
使用特殊符号（如 `"""`、`###`）清晰地隔离指令和待处理文本，避免混淆。
将由三个双引号分隔的文本翻译成法语。
"""
Hello, I would like to learn about advanced prompt engineering.
"""
3. 明确的分步指令 (Step-by-step)
将复杂任务拆解为简单的有序步骤，引导模型精确执行。
阅读文本
首先，通读由三引号分隔的文本。
提供反馈
然后，就语法和结构提出修改建议。
重写并翻译
最后，重写文本并将其翻译成法语和西班牙语。
4. 提供示例 (Few-shot Prompting)
在提示中给出一或两个完整的“输入-输出”范例，让模型模仿你的风格和格式。
...[指令部分]...
示例:
文本: "太阳是太阳系的中心。"
摘要: "太阳是太阳系的中心。"
法语翻译: "Le soleil est au centre du système solaire."
待处理文本:
"""
...[新的文本内容]...
"""
实战：在 GPTs 中构建高效指令
在 GPTs 的指令区，结构化和清晰度尤为重要，因为它直接决定了 GPT 的行为和能力。
优化前：混乱的文本块
优化后：清晰的结构化指令
你是一名专业的HR助手。
## Instructions
1. 优先在上传的知识文档中查找用户问题的答案。
2. 若文档中未找到，使用网络搜索来回答。
3. 若以上方法均无法回答，礼貌地引导用户联系HR部门。
## Note
与外部工具交互时，需明确指定Action名称，如 `get_weather(latitude, longitude)`。
核心原则：迭代
提示工程是一个持续优化的过程。不断调整你的期望，观察模型输出，并据此迭代你的提示，直至达到理想效果。
最佳实践清单
-
提供充足的上下文
背景越详细，回答越贴切。
-
使用分隔符
清晰地划分指令、示例和输入数据。
-
指定执行步骤
将复杂任务拆解成简单的指令序列。
-
提供完整示例 (Few-shot)
让模型通过模仿来学习你的期望格式和风格。
-
明确指定输出格式
要求 JSON、Markdown、列表等，以方便后续处理。