提示工程Prompt Engineering高级技巧

🎙️ 语音朗读 当前: 晓晓 (温柔女声)

🔊 朗读全文

👩

女声

晓晓 - 温柔

👨

男声

云希 - 清朗

概述

提示工程是发挥大模型能力的关键技术，本文介绍从基础到高级的提示技巧。

提示工程核心技巧

零样本 vs 少样本

flowchart TB
    subgraph Zero-Shot
        ZS[零样本提示]
        ZS --> QUERY[直接提问]
    end
    
    subgraph Few-Shot
        FS[少样本提示]
        FS --> EX1[示例1]
        FS --> EX2[示例2]
        FS --> EX3[示例3]
        EX1 --> QUERY2[最终问题]
    end

思维链提示

class ChainOfThought:
    """思维链提示"""
    
    def zero_shot_cot(self, question):
        """零样本思维链"""
        prompt = f"""
问题: {question}

请逐步思考，然后给出答案。
"""
        return self.llm.generate(prompt)
    
    def few_shot_cot(self, question, examples):
        """少样本思维链"""
        prompt = "请逐步推理：\n\n"
        for ex in examples:
            prompt += f"问题: {ex['q']}\n思考: {ex['thought']}\n答案: {ex['a']}\n\n"
        prompt += f"问题: {question}\n思考:"
        return self.llm.generate(prompt)

高级提示模式

模式	适用场景	效果提升
CoT	推理任务	+30%
Few-Shot	格式要求	+50%
ReAct	工具使用	+100%
Tree-of-Thought	复杂决策	+40%

总结

mindmap
  root((提示工程))
    基础技巧
      清晰指令
      格式指定
      角色设定
    进阶技巧
      思维链
      少样本学习
      分解问题
    高级技巧
      ReAct
      Tree-of-Thought
      自动提示优化

掌握提示工程能显著提升大模型的使用效率和输出质量。