直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

Prompt工程

回答

以下是关于 Prompt 工程的详细介绍：

Prompt 工程是一门经验科学，涉及迭代和测试提示以优化性能。在提示工程周期中，大部分精力并非用于编写提示，而是花在开发一组强大的评估上，然后针对这些评估进行测试和迭代。

Claude 在开箱即用时提供了高水平的基线性能，但提示工程可以帮助进一步提升其性能，并对其响应进行微调，以更好地适应特定的用例。这些技术对于实现 Claude 的良好结果不是必要的，但可能对提升输入和输出有用。若要快速开始使用提示或了解提示作为一个概念，可以参阅提示入门。

提示开发生命周期包括：

  1. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及 Claude 所需的任何上下文。理想情况下，添加一些规范输入和输出的示例供 Claude 参考，这个初步提示将作为改进的起点。
  2. 根据测试用例测试提示：使用初步提示将测试用例输入到 Claude 中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的 Claude 判断的另一个实例。关键是要有一种系统性的评估性能的方式。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

2.Prompt engineering 提示工程

[title]2.Prompt engineering 提示工程[heading1]What is prompt engineering? 什么是提示工程？[content]Prompt engineering is an empirical science that involves iterating and testing prompts to optimize performance.Most of the effort spent in the prompt engineering cycle is not actually in writing prompts.Rather,the majority of prompt engineering time is spent developing a strong set of evaluations,followed by testing and iterating against those evals.提示工程是一门经验科学，涉及迭代和测试提示以优化性能。在提示工程周期中花费的大部分精力实际上并不是在编写提示上。相反，大部分提示工程时间都花在开发一组强大的评估上，然后针对这些评估进行测试和迭代。

2.Prompt engineering 提示工程

Claude offers high-level baseline performance out of the box.However,prompt engineering can help you enhance its performance further and fine-tune its responses to better suit your specific use case.These techniques are not necessary for achieving good results with Claude,but you may find them useful in upleveling your inputs & outputs.Claude在开箱即用时提供了高水平的基线性能。然而，及时的工程可以帮助您进一步提升其性能，并对其响应进行微调，以更好地适应您特定的用例。这些技术对于实现Claude的良好结果并不是必要的，但您可能会发现它们对提升输入和输出非常有用。To quickly get up and running with a prompt or get introduced to prompting as a concept,see[intro to prompting](https://docs.anthropic.com/claude/docs/intro-to-prompting).要快速开始使用提示或了解提示作为一个概念，可以参阅提示入门。

2.Prompt engineering 提示工程

[title]2.Prompt engineering 提示工程[heading1]What is prompt engineering? 什么是提示工程？[heading2]The prompt development lifecycle 提示开发生命周期[content]3.Engineer the preliminary prompt:Next,craft an initial prompt that outlines the task definition,characteristics of a good response,and any necessary context for Claude.Ideally you should add some examples of canonical inputs and outputs for Claude to follow.This preliminary prompt will serve as the starting point for refinement.设计初步提示：接下来，制定一个初步的提示，概述任务定义、良好响应的特征，以及Claude所需的任何上下文。理想情况下，您应该添加一些规范输入和输出的示例供Claude参考。这个初步提示将作为改进的起点。4.Test prompt against test cases:Feed your test cases into Claude using the preliminary prompt.Carefully evaluate the model's responses against your expected outputs and success criteria.Use a consistent grading rubric,whether it's human evaluation,comparison to an answer key,or even another instance of Claude’s judgement based on a rubric.The key is to have a systematic way to assess performance.根据测试用例测试提示：使用初步提示将测试用例输入到Claude中。仔细评估模型的响应与您预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的Claude判断的另一个实例。关键是要有一种系统性的评估性能的方式。

其他人在问
PromptEnhancer
以下是关于 PromptEnhancer 的相关信息： PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中，针对“作为一名 IT 学生，为我的高级项目提出想法；我想要关于学生帮助大学学生的想法”这一测试种子提示，PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接：https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB
2025-04-20
能画技术路线图的prompt
以下是关于能画技术路线图的 prompt 相关内容： Midjourney Bot 的 Prompt 类型： 基本 Prompts：可以只是一个单词、短语或表情符号。 高级 Prompts：包括一个或多个图片 URL、多个文本短语以及一个或多个参数。其中，图片 URL 始终位于 prompt 的最前面，以影响完成结果的风格和内容。提示文字是对希望生成的图像的文本描述，精心编写的提示有助于生成惊艳的图像。参数可以改变生成图片的方式，需放在提示语的末尾。 ComfyUI Flux 与 runway 制作绘画视频： 生成图片：提示词告诉 flux 生成一张技术草图，如 CAD。 绘制的视频：在 runway 里面，使用提示词从空白页面开始逐行创建，并把生成的图片作为尾帧。 草图上色：使用 flux 的 controlNet，depth 固定，目前 Union 版本不建议权重调太高，结束时间也需注意。 Prompt engineering（提示工程）： 开发测试用例：定义任务和成功标准后，创建多样化的测试用例，包括典型示例和边界情况，以确保提示具有鲁棒性。 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要上下文，添加规范输入和输出的示例供参考。 根据测试用例测试提示：使用初步提示将测试用例输入，评估模型响应与预期输出和成功标准的一致性，使用一致的评分标准进行系统性的性能评估。
2025-04-19
整理会议纪要的prompt
以下是一些关于整理会议纪要的 prompt： 【?会议精要】整理生成高质量会议纪要，保证内容完整、准确且精炼。 会议记录员：将会议浓缩成简明摘要，包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要：专注于整理和生成高质量的会议纪要，确保会议目标和行动计划清晰明确。需严格遵守信息准确性，不对用户提供的信息做扩写，仅做信息整理，将一些明显的病句做微调。
2025-04-15
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
有什么 prompt engineering 的好材料
以下是一些关于 prompt engineering 的好材料： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： PromptPerfect：帮你自动优化提示词，你可以看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： Claude 3.7 核心提示词相关： 您可以在中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料： Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library 基本概念： 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。
2025-04-12
调教ai的利器，提示词工程
提示词工程是调教 AI 的重要手段，以下是关于提示词工程的相关知识： 作用：避免 AI 掉入“幻觉”陷阱，引导 AI 生成更可靠的内容。 原理：AI 对提示词的理解能力与幻觉的产生密切相关，清晰、具体的提示词能帮助其更好地理解意图，减少错误。 技巧： 明确要求 AI 引用可靠来源，如在询问历史事件时要求引用权威文献，询问科学事实时要求引用科研论文，询问法律条款时要求引用官方文件。 要求 AI 提供详细的推理过程，如询问数学公式时展示推导过程，询问代码功能时逐行解释含义。 明确限制 AI 的生成范围，如询问名人名言时指定名人姓名和相关主题，询问新闻事件时指定时间范围和关键词。 通过这些清晰、具体、有针对性的提示词技巧，可以引导 AI 生成更准确和可靠的内容。但提示词工程只是辅助手段，从根本上解决 AI 幻觉问题还需从数据、模型、训练方法等多方面努力。 提示词工程就像与博学但有点固执的老教授交流，精心设计输入文本能引导 AI 更好地理解需求并给出更准确有用的回答。比如，问“请用简单的语言，为一个 10 岁的小朋友解释什么是人工智能，并举一个生活中的例子”，AI 更可能给出通俗易懂的解释。 在使用 AI 工具的过程中，可能会出现答非所问、回答格式不标准等问题，为让 AI 更好地服务，需要学习提示词工程。当用户的需求接近 AI 真实范围时，可通过写提示词甚至创建 BOT 来优化使用效果。
2025-04-15
如何成为提示词工程师
提示词工程师是在与人工智能模型交互时，负责设计和优化提示的专业人员，旨在通过精心构造的提示引导模型产生准确、有用和相关的回答。 其主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，以清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，以便理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例，比如在市场营销类和商业类中，有自动优化 Prompt 的案例，如 JackeyLiu 熟悉的转化步骤包括： 1. 角色和能力：基于问题思考 chatGPT 最适合扮演的角色，应是该领域最资深的专家，适合解决问题。 2. 上下文说明：思考提出问题的原因、背景和上下文。 3. 任务陈述：基于问题进行陈述。 提示词工程师是一个新兴职业，随着人工智能技术的不断发展，对其需求将会越来越大。
2025-04-15
我想学提示词工程
提示词工程是指在与人工智能模型进行交互时，负责设计和优化提示的专业领域。 提示词工程师的职责包括： 1. 设计提示：根据用户需求和模型能力，考虑提示的长度、结构、措辞和信息量等因素，设计有效的提示，清晰传达用户意图，引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同策略等方式，不断优化提示，提高模型性能。 3. 评估提示：使用准确率、流畅度和相关性等指标评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对工作领域有深入了解，以便设计有效提示。 2. 自然语言处理（NLP）：了解 NLP 基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：与用户、团队成员和其他利益相关者有效沟通。 提示工程是在人工智能领域，特别是自然语言处理和大型语言模型的背景下，一个相对较新的概念。它涉及设计和优化输入提示，以引导 AI 模型生成特定输出或执行特定任务。其关键点包括精确性、创造性、迭代和上下文理解。提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程不仅包括创建提示词，还涉及理解模型行为、优化提示以获得更好性能、探索模型潜在应用等。 目前提示词工程发展火热，出现了各种流派和框架，但结构化虽降低沟通难度、提高结果准确度，却也限制了更多可能性，且大部分框架不太适合解决过于主观、个人情绪或过于简单的问题，一个框架往往难以完全满足需求。
2025-03-31
提示词工程
提示词工程师（Prompt Engineer）是在与人工智能模型交互时，负责设计和优化提示的专业人员。他们的目标是通过精心构造的提示，引导模型产生准确、有用和相关的回答。 其主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，确保清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，以提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例： 无需微调，仅用提示词工程就能让 LLM 获得 tool calling 的功能。其主要有两部分代码组成：提示词注入和工具结果回传。提示词注入用于将工具信息以及使用工具的提示词添加到系统提示中。工具结果回传则是解析 tool calling 的输出，并将工具返回的内容再次嵌入 LLM。 在生成式 AI 模型中，提示词工程是一门新兴的学科。提示词是用户与模型沟通愿望的文本界面，可从简单问题到复杂任务。提示词工程的核心在于制作出能实现特定目标的最佳提示词，这不仅要指导模型，还涉及对模型能力和局限性的深刻理解及所处的上下文。提示词工程还需要结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，是一个迭代和探索的过程。本文旨在深入探讨这个新兴领域，重点关注其在 LLM 中的应用，且大多数技术也可应用于多模态生成式 AI 模型。 随着人工智能技术的不断发展，对提示词工程师的需求将会越来越大。
2025-03-27
提示词工程入门
提示词工程入门： 基本概念： 简单的提示词能获得结果，但结果质量与提供信息的数量和完善度有关。提示词可包含指令、问题、上下文、输入、示例等元素，以更好地指导模型获得更好结果。 如使用 OpenAI 的聊天模型，有 system、user 和 assistant 三种角色，system 非必需但有助于设定 assistant 行为。本指南示例通常仅用 user 消息作 prompt。 语言模型能基于给出的上下文续写，可通过改进提示词获得更好结果。提示工程探讨如何设计最佳提示词以高效完成任务，可用于多种高级任务。 相关精读： 在生成式 AI 模型中，提示词工程是新兴学科，塑造模型交互和输出。提示词是用户与模型沟通的文本界面，涵盖简单问题到复杂任务。 提示词工程核心是制作实现特定目标的最佳提示词，涉及对模型能力和局限性的理解及所处上下文。 提示词工程不仅构建提示词，还需结合领域知识、对 AI 模型理解和系统化方法定制提示词，是迭代和探索过程。 关于提示词工程师： 是负责设计和优化提示的专业人员，目标是引导模型产生准确、有用和相关回答。 主要职责包括设计、优化、评估提示，需具备领域知识、自然语言处理、人工智能、沟通能力等。 是新兴职业，随着人工智能发展需求将增大，有实际工作案例。
2025-03-27
我是一个没有技术背景且对AI感兴趣的互联网产品经理，目标是希望理解AI的实现原理并且能够跟开发算法工程师沟通交流，请给我举出AI模型或者机器学习的分类吧。
以下是 AI 模型和机器学习的分类： 1. AI（人工智能）：是一个广泛的概念，旨在使计算机系统能够模拟人类智能。 2. 机器学习：是人工智能的一个子领域，让计算机通过数据学习来提高性能。包括以下几种类型： 监督学习：使用有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：是机器学习的一个子领域，模拟人脑创建人工神经网络处理数据，包含多个处理层，在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型：是深度学习在自然语言处理领域的应用，目标是理解和生成人类语言，如 ChatGPT、文心一言等。同时具有生成式 AI 的特点，能够生成文本、图像、音频和视频等内容。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。
2025-03-26