提示词工程(Prompt Engineering)

模型输出配置 (Configuration)#

在编写提示词之前，调整以下预设模型参数对输出结果至关重要：

• 温度 (Temperature)：控制输出的随机性。

低温度（如 0）：适用于事实性、逻辑性强的任务。
高温度：适用于创意写作和多样化表达。

• Top-K

直接取出矩阵中概率最高的前 K 个词元作为下一个输出词元的备选

• Top-P

从矩阵中取出概率由高到低的前数个词元，使其概率之和刚好 > P

• token限制

控制输出所使用的 Token 数量以节省成本并提高效率。

---

核心提示词技术#

1. 样本提示 零样本 (Zero-shot)：不提供示例，直接提问。
   少量样本 (Few-shot)：提供 3-5 个示例，引导模型模仿特定的输出格式或风格。

2. 结构化引导

• 系统提示词 (System)：设定模型的基础能力边界。
• 角色提示词 (Role)：赋予 AI 特定身份（如“资深语言学家”）。
• 上下文提示词 (Contextual)：提供背景信息，减少幻觉。

3. 推理增强

• 思维链 (CoT)：通过“让我们一步步思考”引导模型处理复杂逻辑。

• 自我一致性 (Self-consistency)：运行多次 CoT 并选择最频繁的答案以提高准确度。

• 让步提问 (Step-back)：先询问通用原理，再解决具体问题。

• 思维树 (ToT) & ReAct：更高级的架构，结合推理路径探索与外部工具调用。

---

最佳实践建议#

• 使用动词：明确具体的指令（如“提取”、“总结”、“计算”）。

• 给出范例：

将输入的日语句子进行分词，不需要词性标注
例如：「今日の天気は素晴らしいです。」 分词为：今日 の 天気 は 素晴らしい です 。
按照以上例子分词以下句子：…

• 指定格式：要求返回 JSON、Markdown 表格或特定长度的段落。

• 正向指令：多说“要做什么”，少说“不要做什么”。

---

---