图解AI：提示词工程

提示词结构

1. 1. 用1 - 2个句子说明角色和高层级任务描述
2. 2. 动态/检索到的内容
3. 3. 详细的任务说明
4. 4. 示例/少量样本（可选）
5. 5. 重复关键指令（对很长的提示词特别有用 ）
6. 完整结构参考下图：

示例：

你是一名AI旅行代理人，任务是根据用户输入创建个性化旅行行程。你的目标是打造一个引人入胜、结构合理且符合实际的行程，要与用户偏好以及指定的旅行地点和时长相匹配。

你将获得以下信息：

<location>
{{LOCATION}}
</location>
<num_days>
{{NUM_DAYS}}
</num_days>
<user_preferences>
{{USER_PREFERENCES}}
</user_preferences>

创建行程时，请遵循以下指南：
1. 研究目的地及其热门景点，同时考虑用户偏好。
2. 为每一天规划活动，确保在观光、休闲和当地体验之间实现良好平衡。
3. 纳入用餐推荐，考虑当地美食，若提及则结合用户饮食偏好。 
4. 推荐符合用户偏好和预算的住宿选择。 
5. 包含实用信息，如交通方式和预估费用。 
6. 留意可用天数，制定切实可行的日程安排。 

按以下格式呈现你的行程：
1. 以对目的地的简要介绍开头。 
2. 按天详细列出活动、用餐和住宿安排。 
3. 以旅行的额外小贴士或推荐结尾。 

以下是输出内容应遵循的结构示例：
<example>
   因篇幅省略示例内容
</example>

现在，根据提供的地点、天数和用户偏好，创建个性化旅行行程。在推荐方面要有创意且全面，确保行程反映出用户的兴趣以及目的地的独特之处。将你的行程置于 <itinerary> 标签内。 

如何在提示词中组织信息

杂乱无章的提示词会让大模型难以理解 使用类似 XML 标签的分隔符来组织内容 就像章节标题和页眉能帮助人类更好地梳理信息一样，使用 XML 标签 <<</>> 能帮助大模型理解提示词的结构 大模型能理解所有类型的分隔符；

优先推荐 XML 是因为它边界清晰，且在 token（标记）使用上更高效。

提供示例

• • 示例可作为具体模板，让大模型更容易理解并复现期望的输出内容。
• • 在需要统一格式、特定行业术语或遵循行业标准的任务中，这点尤为关键。
• • 通常，给大模型展示一两个你期望输出的示例，比试图用文字描述涵盖所有细微差别要高效得多。
• • 相关性、多样性、数量（至少3 - 5个 ）

预防幻觉

尝试以下方法排查或减少幻觉问题：

若大模型不知道答案，让它回复“我不知道”

告知大模型，仅在对回答非常有把握时再作答

让大模型先思考，再回答

让大模型从长文档中查找相关引用内容，然后用这些引用作答

预先填写大模型的回复

• • 在“assistant”字段/role中写入文本，预先填写大模型的回复。大模型会从你停下的地方继续（生成内容）
• • 这能让你：
  • • 引导大模型的行为或回复方向
  • • 对输出格式有更强的控制

深度思考 vs. 提示词工程

我们何时需要使用深度思考？

• • 是让大模型有更多思考时间的绝佳第一步
• • 追踪（思考）轨迹，了解大模型的思考方式 -> 利用这一点引导系统提示词

深度思考有哪些缺点？

• • 在思考过程中，往往需要“重复造轮子” ，会导致 token（标记）使用量增加
• • 由于思考要求温度参数设为 1 ，有时（结果）可复现性会降低