LLM Prompt与开源模型资源(4)提示词工程进阶指南

提示语链设计

核心概念：用于引导AI生成内容的连续性提示语序列
目的：通过将复杂任务分解成多个可操作的子任务，确保生成的内容逻辑清晰、主题连贯。

设计步骤：

1. 明确最终目标

   • 明确写作目标，如一篇技术文档、一个分析报告、一个代码片段。
   • 明确输出的格式、风格等。

2. 拆解任务

   • 按层次拆分，链式输入：复杂任务分解成多个子任务，每个子任务的输入作为下一个任务的输入。
   • 按逻辑拆分：各步骤间有因果关系。

3. 设计提示语链

   • 序列提示链：每个提示依赖前一个任务的输出，适用于需要分步执行的任务。
   • 并行提示链：多个子任务并行处理，然后再汇总结果，适用于需要多角度分析的任务。
   • 反思提示链：先让AI生成结果，再回溯补充逻辑，适用于探索性任务。

4. 迭代优化

   • 增加约束：如“使用专业术语”，每部分字数200字左右。
   • 加入反思机制：让AI自检，如检查各部分生成内容是否有逻辑漏洞。

不同场景下的提示语链设计策略

1. 序列式提示链

   • 特点：每个提示依赖前一个任务的输出，适用于需要分步执行的任务。

   • 示例（代码调试）：

   • Step 1：请分析以下 Python 代码的错误。

     num = 10
     text = "5"
     print(num + text) 
      TypeError: unsupported operand type(s) for +: 'int' and 'str'
     

   • Step 2：请基于你的分析，提供一个优化的解决方案。

   • Step 3：请解释优化方案如何改进原始代码。

示例查看： chat.qwen.ai/s/e647b739-6c8e-4ae7-aadd-2dbbaec2111c?fev=0.0.170

2. 并行式提示链
   • 特点：多个子任务并行处理，然后再汇总结果，适用于需要多角度分析的任务。
   • 示例（市场分析）：
     • Step 1：请分别从技术、市场和用户需求的角度分析 Ascend 的未来发展趋势。
     • Step 2：请综合这些分析，撰写一份完整的报告。

示例查看： chat.qwen.ai/s/cadff97d-4828-49dd-925d-a893e1ea349b?fev=0.0.170

3. 反向提示链
   • 特点：先让 AI 生成结果，再回溯补充逻辑，适用于探索性任务。
   • 示例（写作指导）：
     • Step 1：请写一篇关于 AI 在文旅行业应用的文章。
     • Step 2：请为这篇文章生成一个合适的大纲。
     • Step 3：请补充大纲中遗漏的重要部分。

示例查看：chat.qwen.ai/s/12e7a2ac-0f02-458e-814c-b0c918cceac6

两句话概括：提示语链是引导AI生成内容的关键工具，通过分解任务、设计合理的提示链结构，可以确保生成内容的逻辑性和连贯性。根据任务的不同场景，可以选择序列式、并行式或反向提示链的设计策略，以提高任务完成的效率和质量。

推理大模型提问技巧

先看看 推理大模型 和 通用大模型 的特点对比：

接下来看看 Deepseek R1 的提示工程技巧

1. 简洁明确的指令

• 要点：
  • 对提示词非常敏感，直接描述问题，并使用零样本提示（Zero-shot prompting）指定输出格式。
  • 避免使用少样本提示（Few-shot Prompting），因为它可能会降低 DeepSeek R1 的性能。
  • 直接采用“背景 + 需求 + 条件”的形式。

示例 1：技术报告生成
背景：随着人工智能技术快速发展，AI伦理问题日益受到社会各界关注。全球多个国家和组织已开始制定相关准则和规范。

需求：请撰写一份关于人工智能伦理的简短报告，概述主要挑战和建议。

条件：以Markdown格式输出，包含"引言"、"主要挑战"和"建议措施"三个部分，每个部分不超过100字，使用中文输出。

示例 2：产品描述创作
背景：某电商平台需要为新上市的无线降噪耳机创建产品描述，目标客户是25-40岁的职场人士。

需求：请为这款无线降噪耳机撰写产品描述，突出其核心卖点和用户体验。

条件：输出为200字以内的中文段落，包含"音质表现"、"舒适度"和"续航能力"三个关键点，避免使用专业术语，语言风格专业但亲和。

示例 3：数据分析请求
背景：某零售企业收集了2023年四个季度的销售数据，发现第三季度销售额异常下降。

需求：请分析可能导致第三季度销售额下降的潜在原因。

条件：以JSON格式输出，包含"市场因素"、"内部因素"和"季节性因素"三个字段，每个字段提供3条可能原因，使用简体中文，不添加额外说明。

2. 巧用“说人话”提示词

• 要点：
  • “说人话”是一种让 DeepSeek R1 将复杂概念或专业术语简化为通俗易懂的语言的提示方式。
  • 模型能够以更贴近普通人的语言风格回答问题。
  • 类似的还有“大白话”等提示词。
    示例：
• 问题： 什么是量子纠缠？
• 提示词： 用大白话解释“什么是量子纠缠？”
• 回答： 量子纠缠就像是两个魔法豆，不管它们相隔多远，一个豆子的变化，另一个豆子也会立刻跟着变，就像它们之间有魔法连接一样。
  

3. 运用深度思考提示词

• 要点：
  • 在提示词结尾加入核心提示词，如：
    • “在你的回答中，同时加入你的批判性思考”
    • “在你回答之前，先自己复盘10遍”
  • 明确要求模型逐步推理，并在最终答案中使用 \boxed{} 包裹。
  • 强制 <think> 标签：若模型跳过思考模式，可要求响应以 <think> 开头以促进深度推理。
  • 反向PUA（Pushback Against Authority）：
    • 示例：请你列出10个反对理由再给方案。
    • 如果你是老板，你会怎样批评这个方案？
      

文生图大模型提问技巧

核心要点：构建基本框架【5W1H】

在文生图大模型的提示工程中，合理设计提示词可以极大地提升生成图片的质量、风格和一致性。

• 示例：
  • Prompt 1: “一个女孩”
    • 结果：生成了多个不同风格和场景的女孩图像。
  • Prompt 2: “一个棕色头发的中国女孩，穿着连衣裙在夏日午后的咖啡厅里吃苹果，油画风格，极致细节，中景。”
    • 结果：生成了符合具体描述的油画风格图像，细节丰富。
      -

参考链接：www.doubao.com/thread/w941deb6a4b5e78bc

构建基本框架【5W1H】为图像生成提供清晰的指导，确保生成的图像不仅符合需求，还能展现出丰富和细致的画面效果：

• Who：谁（画面主体）。画面主体，可以是人物、动物、植物、食物、建筑或其他物体。
• What：长什么样（主体描述及特征）。主体描述，明确主体的特征、特定情境，并结合情感和行为。示例：一个穿着白色大衣的大学女生，拿着一本书，微笑。
• When：什么时候（时间或时间节点）。时间，画面发生的时间节点。示例：凌晨3点、春夏、文艺复兴时期。
• Where：在哪里（环境或背景）。环境，指主体对象所在的背景或者周围的物理空间。示例：沙漠、办公室。
• Why：为什么出现在画面里，在做什么（行为或目的）。示例：画画、喝咖啡、喂猫。
• How：画面细节什么样（视觉效果和风格）。画面细节描述，对图像中具体元素和视觉效果进行详细、具体的文字描述。示例：冷暖色调、细腻质感。

示例1:一个穿着白色大衣的大学女生，拿着一本书，微笑。凌晨3点、春夏、文艺复兴时期。在办公室。喂猫。冷暖色调、细腻质感。

示例2:一只灰色毛发的大狼狗，戴着蓝色的项圈，在冬天清晨的公园小径上欢快地奔跑，现实主义风格，细腻质感，远景。

简单总结一下哈

通过合理设计提示词并结合【5W1H】框架，我们可以有效提升文生图大模型的生成效果。具体步骤如下：

1. 明确主体（Who）：确定画面的主要对象。
2. 描述特征（What）：详细描述主体的外观和状态。
3. 设定时间（When）：明确画面发生的时间节点。
4. 设定地点（Where）：描述主体所在的环境或背景。
5. 说明目的（Why）：解释主体的行为或存在的原因。
6. 细化风格（How）：描述画面的视觉效果和风格。

通过这种方式，可以生成高质量、风格一致且细节丰富的图像。

文生视频大模型提问技巧

核心要点： 包含关键要素主体、运动、场景、镜头语言、光影、氛围

文生视频大模型可以借助提示词引导模型在视频中添加特效、运用复杂的镜头语言等，可以让视频更具创意和观赏性。常用于短视频、广告宣传、故事动画、产品展示等内容的生成。当然，截止到2025年8月，我们可以在某些平台通过一句话生成长达数分钟的视频，其⃣背后除了运用了基础的文生图、文生视频模型，还运用更加复杂的技比如MCP、Agent等等。

示例：

【主体】一名女孩穿着白色长裙。
【运动】手里拿着一本书，神情略带忧郁，仿佛在等待什么人。
【场景】黄昏时分，女孩站在海边，风轻轻吹起她的长发。夕阳洒在海面上，映出金色波光。
【镜头】开始是远景，慢慢推进到特写，最后切换到她的背影。
【光影】电影级光影，柔和暖色调。
【氛围】富有浪漫氛围。

参考：www.doubao.com/thread/w7c0f83672f2aa37f

当我们不太会写这类提示词是可以使用Deepseek等模型生成文生视频提示词：

请帮忙生成一个描述杞人忧天故事的文生视频的提示词。

–>

“杞人忧天”寓言动画短片，水墨淡彩古风。一位身着朴素古装（棕色麻衣）的杞国男子，面容憔悴，眉头紧锁，坐在庭院石阶上，充满焦虑地仰望着晴朗无云的蔚蓝天空，双手抱头仿佛天即将塌下。镜头切换至一位睿智老者（白色长袍，长须）走近，微笑着轻拍男子肩膀，指向远方悠然飞翔的鸟儿和稳固的山峦。男子表情逐渐从极度恐慌转为困惑再到释然微笑。结尾：宁静夜空，繁星点点，男子安然入睡，旁白文字浮现：“与其忧虑不可控之事，不如专注当下。” 柔和的背景音乐，画面唯美宁静带一丝哲思。

参考地址：www.doubao.com/thread/w51515e304506cbff

时至今日，文生视频已经有了更加高级的玩法，后续有机会我们继续探讨。

提示工程工具和平台

核心要点：站在巨人的肩膀上！

借助提示工程工具和平台，帮助我们高效生成、优化和管理针对大语言模型（LLM）或生成式 AI 模型的提示词（Prompts），提升模型输出的准确性和相关性。

以 Cherry Studio 为例，内置了许多的提示词模板，我们可以按需快速使用，

提示工程任务

核心要点：通过设计合适的提示词，引导大模型生成高质量的内容。比如知识严谨型和创新创作类。

知识严谨型：生成准确、可验证且带有逻辑的内容。

• 设计原则：
  1. 明确信息来源约束：
     • 引用权威：如“请引用《Nature》等期刊近 5 年的研究说明”。
     • 数据时效限定：如“使用 2023 年后的统计数据进行论证”。
     • 领域术语控制：如“区分‘机器学习’与‘深度学习’的定义后展开讨论”。
  2. 强化逻辑验证要求：
     • 分步推理指令：如“先解释原理，再列举证据，最后评估可靠性”。
     • 反事实检验：如“验证该结论是否满足因果关系的三个条件”。
     • 结构化输出：如“按‘背景—争议点—证据—结论’四部分撰写”。
  3. 抑制幻觉与模糊表达：
     • 精准性指令：如“不确定的信息请标注‘待验证’”。
     • 错误排查要求：如“指出具体冲突点”。
     • 多源验证机制：如“仅回答有至少三个独立信源支持的内容”。

创新创作类：激发模型的想象力，突破常规思维，保持内容的连贯性和独特性。

• 设计原则：
  1. 跨界映射启发联想：
     • 运用类比与隐喻：如“如果城市是一个有机体，描述其生长、衰退和再生的过程”。
     • 融合多学科元素：如“设计一种结合生物学和音乐的教育工具，帮助学生理解基因表达”。
     • 强制随机组合：如“将‘手机’与‘蒙古包建筑’结合，设计 3 种创新产品，需说明技术实现路径与用户价值”。
  2. 反事实推理：
     • 挑战常识 & 极端假设：
       • 阶段 1（创意）：“假设人类能够在水下呼吸，重新设计一座水下城市的基础设施。”
       • 阶段 2（落地）：“基于现有的潜水技术和水下建筑材料，优化设计方案，使其可以在实际水下环境中建立。”
     • 抽象艺术表现：如“为食品品牌创造一条吸引眼球的广告，不依赖传统语言和符号，而通过抽象艺术表现情感。”

常见的陷阱以及应对方法：

• 知识过载：添加“用一句话提炼核心洞见”的指令。
• 创意脱轨：分阶段验证：概念 → 技术 → 成本。
• 示例：智能家居产品开发
  1. 知识整合：
     • “整理 2023 年 IEEE 智能家居十大技术趋势，按成本/成熟度排序。”
  2. 创意激发：
     • “将‘折纸结构’与‘模块化家居’结合，提出 3 种空间优化方案。”
  3. 优化平衡：
     • “选择成本低于 $200、采用成熟度 ≥ Level 4 的技术方案，生成详细原型设计。”

最后，祝大家学得开心，玩得开心，每个人都能找到自己独特的 prompt 心法。