AI与提示词工程

人尽皆知的 AI

近年来，以大语言模型（Large Language Models, LLMs）为代表的生成式人工智能迅速发展，已经广泛应用于写作、编程、学习辅助等多个场景。用户只需输入一段自然语言，模型即可生成相应的文本内容。

但在实际使用中，许多人会发现：同一个问题，有时能得到高质量、结构清晰的回答，有时却显得模糊甚至偏离主题。这种差异往往并非来自模型本身，而是来自输入给模型的“提示词”（Prompt）。

提示词可以理解为人与模型之间的沟通接口。它不仅描述“要做什么”，还隐含“如何做”“在什么背景下做”。提示词工程，正是围绕如何构造这些输入，从而稳定地获得符合预期结果的一种方法。

大语言模型与 AI 应用

我们应当注意区分大语言模型与 AI 应用。大语言模型是一种基于深度学习的自然语言处理模型，是加起来共有千亿参数的矩阵和各种数学运算。这个模型的主要功能仅仅是根据上文预测下文，而我们熟知的“AI”还能做更多的事。他们能表演地像个助手，有精美的聊天界面，能记住你说过的话，能在互联网或数据库寻找可靠的信息，有的甚至能运行代码或操作你的设备。最开始的三个功能在 chatgpt 公布之初就有了，但其实他们都是人们逐渐开发出来的周边功能。把大语言模型和这些周边功能组合在一起才是我们常见的 AI 应用程序。

在 PromptForGood 中，我们不仅会用提示词工程研究如何优化大语言模型的输出，同时还会研究 AI 应用的使用技巧。

值得注意的是，有些 AI 应用会自动使用提示词工程的技巧，比如各类聊天机器人的“思考”，其实都是程序在自动给大语言模型使用分步骤拆解逻辑（Chain-of-Thought）的技巧（或类似的东西）。

提示词工程

谷歌指出：“提示工程是一门设计和优化提示的艺术和科学”。

提示词工程的本质，并不是寻找“最巧妙的表达方式”，而是将需求表达得更加清晰、完整和可执行。

从实践经验来看：

• 模糊的输入往往带来模糊的输出
• 清晰的结构可以显著提升稳定性
• 提示词本身可以被设计、复用与优化

然而，提示词工程不是一项孤立的技巧，而是一种新的学习与表达方式。掌握它，意味着你可以更有效地与人工智能协作。

在 PromptForGood 中，我们希望将这些经验沉淀为可学习、可操作的内容，使更多用户能够从“偶然得到好结果”，转变为“稳定地产出高质量结果”。

探索 PromptForGood 的其他功能，你可以：

• 通过交互式教程，逐步构建自己的提示词
• 在案例中练习实际任务
• 在社区中参考和分享可复用的模板