Prompt 工程
简单理解可以是搜索时代的关键词，会是每个要跟上时代融入 AI 交互的必备技能。
Prompt 门槛低，但上限非常高。
Prompt 的典型构成
| 要素 | 说明 | 示例 |
|---|---|---|
| 角色 | 给 AI 定义一个最匹配任务的角色 | 「你是一位软件工程师」「你是一位小学老师」 |
| 指示 | 对任务进行描述 | 「请帮我写一个排序算法」 |
| 上下文 | 给出与任务相关的其它背景信息 | 尤其在多轮交互中 |
| 例子 | 必要时给出举例 | one-shot / few-shot learning |
| 输入 | 任务的输入信息 | 在提示词中明确标识出输入 |
| 输出 | 输出的格式描述 | JSON、XML 等 |
Prompt 调优
高质量 Prompt 的标准
具体，丰富，少歧义
调优训练在日常中就是完整说明事情的能力的训练。
关键技巧
大模型对 prompt 开头和结尾的内容更敏感
「给例子」很常用，效果特别好
一切问题先尝试用 prompt 解决，往往有四两拨千斤的效果
向大模型发送的内容，只在推理，无关训练。
思维链 (Chain of Thought)
有人在提问时以 "Let's think step by step" 开头，发现 AI 把问题拆分为多步骤推导会让结果更精准。
这个过程相当于让 AI 形成了丰富的"上文"，从而提升了"下文"的质量。针对计算和逻辑推理比较有效。
自洽性 (Self-Consistency)
一种对抗"幻觉"的手段：多次演算，得到最多次出现的值。
思维树 (Tree of Thoughts)
在思维链的每一步采样多个分支。
防止 Prompt 攻击
| 攻击类型 | 描述 |
|---|---|
| 奶奶漏洞 | 套路 AI，绕过安全限制 |
| Prompt 注入攻击 | 改变既定设定 |
防范措施
- Prompt 注入分类器：做输入内容识别安检拦截层
- 输入防御：在输入中锁死回答范围
- Moderation API：违规过滤
Prompt 总结
- 别急着上代码，先尝试用 prompt 解决，往往有四两拨千斤的效果
- 但别迷信 prompt，合理组合传统方法提升确定性，减少幻觉
- 定义角色、给例子是最常用的技巧
- 用好思维链，让复杂逻辑/计算问题结果更准确
- 防御 prompt 攻击非常重要
实用工具
| 工具 | 地址 |
|---|---|
| GPTs | https://chat.openai.com/gpts/discovery |
| Coze | https://www.coze.com/ |
| Prompt Tune | https://gitee.com/taliux/prompt-tune |