1.1 什么是提示词工程

1.1.1 提示词的基本概念

在与大语言模型交互的过程中，提示词 是指用户输入给模型的任何文本内容，包括问题、指令、示例、上下文信息或这些元素的组合。提示词是人类意图与 AI 能力之间的桥梁，决定了模型理解任务的方式以及生成输出的方向。

从技术角度来看，提示词本质上是一段经过精心设计的文本序列，它利用大语言模型在预训练阶段学习到的语言模式和知识，引导模型在其概率分布空间中生成符合预期的输出。当模型接收到提示词时，会根据词与词之间的条件概率关系，预测最可能的后续文本序列。

一个简单的提示词可以是：

请解释什么是机器学习。

而一个更复杂的提示词可能包含多个组成部分：

你是一位经验丰富的数据科学家。请用通俗易懂的语言向一位没有技术背景的企业管理者解释什么是机器学习。
要求：
1. 使用日常生活中的类比
2. 控制在 200 字以内
3. 避免使用专业术语

1.1.2 提示词工程的定义

提示词工程 是指系统性地设计、构建、测试和优化提示词的过程与方法论，旨在引导大语言模型生成高质量、准确且符合特定需求的输出。

这一定义包含几个关键要素：

1. 系统性：提示词工程不是随机的试错，而是遵循一套原则、模式和最佳实践的结构化方法。

2. 设计与构建：涉及对提示词结构、语言、格式的精心规划。

3. 测试与优化：强调通过迭代实验不断改进提示词的效果。

4. 目标导向：以获得高质量、准确、符合需求的输出为最终目标。

从学科属性来看，提示词工程融合了多个领域的知识与技能：

• 自然语言处理：理解语言模型如何解析和生成文本

• 软件工程：应用模块化、可复用、可测试的设计原则

• 用户体验设计：关注如何清晰表达意图并获得预期结果

• 认知科学：理解人类如何组织和表达思维

• 领域专业知识：在特定行业应用中融入专业术语和规范

1.1.3 提示词工程的核心任务

提示词工程的核心任务可以概括为以下几个方面：

意图表达

将人类的需求、目标和期望转化为模型能够理解的语言形式。这需要考虑：

• 如何清晰地描述任务目标

• 如何提供必要的背景信息

• 如何设定合适的约束条件

输出引导

通过提示词的设计控制模型输出的方向、格式和质量：

• 指定输出的结构（如列表、表格、JSON 等）

• 定义输出的长度和详细程度

• 设定语气、风格和专业程度

能力激发

充分利用模型在预训练中获得的知识和能力：

• 通过合适的提示激活模型的推理能力

• 利用示例引导模型学习特定模式

• 通过角色设定调整模型的行为方式

风险控制

降低模型输出中的错误、偏见和不当内容：

• 设计提示词以减少“幻觉”（生成虚假信息）

• 引导模型在不确定时承认知识边界

• 防止提示词注入等安全风险

1.1.4 提示词与传统编程的比较

理解提示词工程的独特性，可以通过与传统编程的对比来阐明：

维度	传统编程	提示词工程
交互方式	精确的语法规则	自然语言表达
执行确定性	相同输入产生相同输出	存在随机性和变异性
错误类型	语法错误、逻辑错误	语义误解、输出偏离
调试方式	断点、日志、单元测试	迭代调整、对比分析
知识来源	显式编码的规则	模型预训练获得的隐式知识

传统编程是“精确指令”，告诉计算机执行什么操作；提示词工程更像是“意图沟通”，引导 AI 理解目标并自主生成解决方案。

1.1.5 提示词工程的层次模型

提示词工程可以从不同层次进行理解和实践：

图 1-1：提示词工程的四层次模型

• 基础层：关注单个提示词的结构、语言和格式设计

• 技术层：应用思维链、少样本学习等高级技术

• 系统层：设计多个提示词的协作流程和数据传递

• 战略层：在整体 AI 应用架构中规划提示词策略

本书将从基础层开始，逐步引导读者掌握各个层次的知识与技能。

想一想

1. 回顾你最近一次与 AI 对话的经历，你的提示词更接近“精确指令”还是“意图沟通”？效果如何？

2. 在提示词工程的四层次模型中，你目前处于哪一层？下一步最值得突破的是哪一层？