前言
随着LLM的发展，能给我们带来很多方便，但是又引出了一个新的问题就是我们该如何使用他们，我们怎么才能得到我们想到的信息。
一、万能公式
本篇文章将带你系统了解一个好的Prompt的结构是什么样子，优质的Prompt有什么标准。在大多数的场景中，Prompt有一个万能公式，通过这个公式，可以保证你Prompt输出效果满足底线标准。
你可能在网络上看到过很多这个万能公式的不同版本，每个公式的细节都不相同，但是这不重要，当你掌握了通用方法，自然可以根据不同的角色、场景等信息，设计出适合自己的万能公式。
Prompt = 角色 + 任务 + 要求 + 细节【步骤拆解、范例说明，技巧点拨等】
这个公式用大白话解释就是你要告诉大模型：你是谁？要做什么？怎么做？
举个例子，现在你告诉大模型：生成一篇小红书风格的口红种草文案，字数不少于100字，风格要俏皮一些。
下面我们来拆解这个公式，看每个元素都代表什么意思。
- 角色：就是你要生成这段信息的主体对象，比如“生成一篇小红书风格的口红种草文案”，“口红”就是角色。
- 任务：就是需要大模型完成的任务类型，比如生成一张海报，在这个案例中就是生成一篇种草文案。
- 要求：就是你希望模型完成某一项具体的要求，不少于100字就是具体的要求。
- 细节：如果你想丰富模型最终生成的结果，可以增加一些细节，比如文案的风格等。
接下来，我们来用文心一言的【新媒体文章创作】这个智能体来试一下这个万能公式的效果，下图中是我没有用万能公式，随便写的一个问题需求，相信很多人给大模型提问都是这样的风格，可以看到，模型给到的回答非常的冗余，内容分不清主次。
但是如果我们用了万能公式来输出Prompt，效果明显提升了一个台阶，如下图所示，模型给到的回答更像是一个具体的人，且极具小红书的风格，你可以直接拿来去用，而不是冰冷的机器回答的文案。
优质Prompt标准：
虽然不同的应用场景下对优质的Prompt定义有所区别，但是我们依然可以找到一些共性的特点。具体来说，一条优质的Prompt一般满足以下特点：
- 明确和具体：提示词应当清晰明了，具体说明你希望获得的信息或答案。避免模糊和含糊不清的表达方式。
- 简洁明了：保持简洁，避免使用冗长或复杂的句子。简单直接的表达方式更容易理解。
- 具有上下文：在你的提示中包含相关的上下文信息，以便大模型更好地理解你的问题或需求。提供关键信息，而不是依赖于模糊的问题。
- 避免歧义：在同类任务中，更换主题词后，Prompt依然可以取得好的效果，避免使用容易引起歧义的词语或短语。
- 使用关键词：强调关键词，这有助于指导大模型需要关注的重点有哪些，可以通过加粗、斜体或其他方式来实现。
这么讲可能还不够具象，下面我举几个例子来带你看一下优质的Prompt都长什么样子。
1.优质的Prompt对话题有足够的背景信息：
优质: 请提供有关可控核聚变的最新研究进展和技术趋势的详细信息。
反例: 可控核聚变是什么？
2. 具体的指令：
优质: 以500字的篇幅解释人工智能在医学诊断中的应用，并列举相关的成功案例。
反例: 写点关于人工智能的东西。
3. 引导性强，具体指明期望的回答形式：
优质: 以比较分析的方式说明区时序数据库和传统关系型数据库的优劣，并指出在哪些场景下使用时序数据库更有优势。
反例: 写点关于数据库相关的东西。
来测试下第一个案例，通过下面截图我们可以看到，当你输入一条有足够背景信息的Prompt时，你可以从实验装置的进步、高温超导技术的突破、数值模拟和人工智能的应用、核聚变能源商业化等多个方面对可控核聚变有一个全面的认识。
二、优化技巧
1.设定角色
设定角色可以是一种有趣且有效的方法，通过这种方式，你可以引导大模型生成更具特定性和一致性的回答，在提示词中你可以清晰地定义所设定的角色特征，包括身份、职业、背景等。这有助于大模型更好地理解并在回答中表现出相应的角色特性。
2.设定目标和动机
除了设定角色以外，你还可以通过设定目标和动机的方式丰富角色的形象，以帮助智能体理解在回答中应该关注的方面。
3.引导主观回答
如果你希望模型提供主观性的回答，可以通过提示中的角色设定来引导。表明你期望从设定的角色角度获取意见和观点。
4.预设条件
在Prompt提示中可以清晰地定义你的预设条件，包括任何特定的环境、情境或约束。这可以帮助大模型理解问题的上下文，并生成更符合你期望的回答。比如当我们希望了解人工智能在医疗领域的应用时，模型的答案往往具有科幻色彩，但如果加入现代科技这个前提，模型给到的回答就靠谱了很多。
同时，你还可以在提示中加入约束条件，这样可以限定模型的回答范围，使其在特定框架内生成回答。
在预算有限的情况下，建议如何开展一项科学研究项目，强调资源的有效利用。
当然，你还可以通过引入预设条件，可以引导大模型进行比较与对比。明确提出你希望模型探讨的不同条件下的影响或差异。
比较在自然环境和人工环境中培养植物的影响，考虑生长速度、生态系统互动等方面的不同。
除此之外，你甚至可以通过假设条件来减少大模型回复不准确的概率，比如你可以告诉大模型，如果你的数据存在问题，例如数据不准确、缺乏时效性等，那么可以给出否定答复，例如：对不起，目前没有相关数据可供参考。
5.做强调
大模型训练的预料长度不是固定字数，所以往往越往后的需求描述权重越低，对模型的输出结果造成影响。这个时候，除了将对应需求靠前排外，还可以通过增加强调词，告诉模型自己非常看中的内容，比如增加“非常”、”强调”、“必须”等词汇。你还可以通过加粗、斜体或其他方式使关键词更为明显。
6.思维链（COT）
思维链是一种将思考过程分解为一系列逻辑步骤或关键点的方法，有助于大模型更系统地处理复杂任务。在撰写复杂任务的提示时，通过构建清晰的思维链，拆解复杂任务步骤，可以帮助大模型明确任务的要求、限制和目标。
例如大语言模型在数学推理方面的表现不是太好，但是如果你在提问的时候，加入思维链的关键词，比如告诉模型，你需要逐步进行计算，或者一步一步进行计算等关键词，或者给出实现的步骤和逻辑，这往往可以极大的提高模型答案的准确率。比如，我们使用灵境矩阵平台的智能体【数学解题助手】来测试一道常见的小学数学题。
这组数中的奇数加起来是多少：4、8、9、15、12、2、1
7.巧用定界符
在Prompt提示词中，定界符是用来标记或定义文本边界的一种特殊符号或格式。它们用于告诉模型或系统在哪里开始和结束生成文本，定界可以使用任何符号，例如：、‘’‘’‘’、< >等。