提示词工程中的技巧

在实践中，提示词工程并不是单向的指令，而是一套通过不断“对齐”需求来提升效率的方法论。以下是几类常见且高效的策略及反面示例：

1. 明确任务与目标

具体的指令能引导模型产出更可靠的结果。在编写提示词时，建议明确主题、受众以及预期的效果。

示例对比：

• [正面]： “请为中学生写一篇关于‘量子纠缠’的科普短文，字数 500 字左右，要求语言生动幽默，能够激发读者的好奇心。”

• [反面]： “写一篇关于量子纠缠的文章。”（信息过于模糊，模型难以把握适宜的受众深度与文风）

2. 提供上下文背景

补充必要的信息（如场景说明、约束因素）至关重要。模型没办法知道你所在的环境。背景越清晰，建议越实用。

示例对比：

• [正面]： “我正在开发一个基于 Django 的开源项目，目前在 Docker 环境中遇到了文件上传导致 500 错误的现象。服务器使用 Nginx，系统为 Ubuntu。请帮我分析原因并给出排查步骤。”

• [反面]： “我的项目文件上传报错 500 了，该怎么修？”（缺少技术栈和部署环境信息，极易导致排查方向出现偏差）

3. 使用示例引导（Few-shot）

通过提供参考示例，直观地告诉模型“什么是好的结果”。这在处理特定格式或语言风格的任务时立竿见影。

示例对比：

• [正面]： “请将非正式语气转为正式商务语气。示例：‘嘿，那事做得咋样了？’ ➔ ‘您好，请问之前讨论的事项目前进展如何？’。待转化：‘把那个文件发我一下。’”

• [反面]： “帮我把‘把那个文件发我一下’改写成正式的语气。”（缺乏具体的‘正式’程度示范，输出结果可能偏离你的需求）

4. 指示模型多视角回答

有些问题没有明确答案，或涉及到比较不同的方案。比如人文科学中的很多问题或尚有争议的很多问题。这种时候为了得到更客观的回答，我们应该明确指示大语言模型从多个角度分析问题。

示例对比：

• [正面]： “请从经济、外交、社会的角度分别分析奥巴马表现的好坏。”

• [反面]： “奥巴马是一位好总统吗？”（信息过于模糊，模型可能只从单一角度进行分析或回答的比较极端）

当然，现在的语言模型大多都知道世上没有非黑即白的答案，回答也相对比较客观。这个技巧更多地适用于那些你也不知道有哪些角度的复杂问题。

示例对比：

[正面]：

现在三个经济学家正在观察一个接近封闭的独立经济体。他们观察到

1. 这个经济体处在一个面积中等的海岛上
2. 这个经济市场上农产品的种类有限且供给少于需求
3. 这个经济的劳动力市场供给少于需求

这三个经济学家对这个这个岛上经济的现状发表了不同的看法。
从现代经济学的角度，这三个经济学家分别说了什么？

[反面]：

现有一个经济体，而且

1. 这个经济体处在一个面积中等的海岛上
2. 这个经济市场上农产品的种类有限且供给少于需求
3. 这个经济的劳动力市场供给少于需求

从现代经济学的角度，我们该如何分析这个岛上的经济？