Prompt工程完全指南：掌握与大语言模型沟通的艺术
Prompt工程是与大语言模型有效沟通的核心技能。一个精心设计的prompt可以显著提升模型的输出质量和准确性。
Prompt核心要素
基础结构
| |
高级技巧
Chain-of-Thought Prompting
| |
错误信息：
{error}
请按照以下步骤调试：
分析错误：这个错误是什么意思？可能的原因有哪些？
检查代码：逐行检查代码，找出可能的问题位置
提出假设：最可能的问题是什么？
验证假设：如何验证这个假设？
修复方案：提供修复后的代码
请详细说明你的思考过程。 """
### Few-Shot Prompting
```python
class FewShotPrompt:
"""少样本提示"""
@staticmethod
def sentiment_classifier(text: str) -> str:
examples = [
{
"text": "这个产品太棒了！非常喜欢！",
"sentiment": "正面",
"confidence": 0.95
},
{
"text": "质量一般般，价格有点贵",
"sentiment": "中性",
"confidence": 0.6
},
{
"text": "完全浪费钱，再也不买了",
"sentiment": "负面",
"confidence": 0.98
}
]
prompt = "以下是情感分类的示例：\n\n"
for ex in examples:
prompt += f"文本：{ex['text']}\n"
prompt += f"情感：{ex['sentiment']}\n"
prompt += f"置信度：{ex['confidence']}\n\n"
prompt += f"现在分类以下文本：\n{text}\n\n"
prompt += "请按以下格式输出：\n"
prompt += "情感：[正面/中性/负面]\n"
prompt += "置信度：[0-1之间的数字]"
return prompt
@staticmethod
def code_explanation(code: str) -> str:
return f"""
请解释以下代码的工作原理：
```代码
{code}
请按以下格式回答：
1. 代码目的： 这段代码的目的是什么？
2. 关键概念： 涉及哪些编程概念和技术？
3. 逐步分析： 逐段或逐函数解释代码逻辑
4. 示例输出： 给定输入X，输出是什么？
5. 潜在问题： 代码可能存在什么问题或可以改进的地方？ """
## Structured Output
### JSON格式控制
```python
class JSONPrompt:
"""结构化输出提示"""
@staticmethod
def extract_entities(text: str) -> str:
return f"""
从以下文本中提取命名实体，以JSON格式输出：
文本：{text}
请提取以下实体类型：
- 人名（PERSON）
- 组织（ORG）
- 地点（LOC）
- 日期（DATE）
- 数量（MONEY/NUMBER）
输出格式（必须是有效的JSON）：
```json
{{
"text": "原文",
"entities": [
{{
"text": "实体文本",
"type": "实体类型",
"start": 0,
"end": 10
}}
]
}}
注意：
确保JSON格式正确
所有引号和括号必须匹配
如果某个实体类型不存在，该字段为空数组 """
@staticmethod def data_analysis(data: str) -> str: return f""" 分析以下数据并生成报告，以JSON格式输出：
数据： {data}
请生成以下格式的分析报告：
| |
"""
## 迭代优化
### A/B测试不同Prompt
```python
class PromptOptimizer:
"""Prompt优化器"""
def __init__(self, api_client):
self.api = api_client
self.results = []
def test_prompts(self, task: str, prompts: list, test_cases: list):
"""测试多个prompt版本"""
for prompt in prompts:
prompt_results = []
for test_case in test_cases:
response = self.api.chat([
{"role": "user", "content": f"{prompt}\n\n{test_case['input']}"}
])
# 评估输出质量
score = self.evaluate_quality(
response,
test_case['expected']
)
prompt_results.append({
"prompt_id": prompt['id'],
"test_case": test_case['id'],
"output": response,
"score": score
})
# 计算平均分
avg_score = sum(r['score'] for r in prompt_results) / len(prompt_results)
self.results.append({
"prompt": prompt,
"avg_score": avg_score,
"detailed_results": prompt_results
})
# 返回最佳prompt
best = max(self.results, key=lambda x: x['avg_score'])
return best['prompt']
def evaluate_quality(self, output: str, expected: str) -> float:
"""评估输出质量"""
# 简单方法：使用字符串相似度
from difflib import SequenceMatcher
similarity = SequenceMatcher(None, output, expected).ratio()
return similarity
实战模式
角色扮演
| |
请从以下几个维度进行审查：
代码质量
- 可读性
- 可维护性
- 命名规范
性能
- 时间复杂度
- 空间复杂度
- 潜在的性能问题
安全性
- SQL注入
- XSS漏洞
- 敏感信息泄露
最佳实践
- 设计模式应用
- SOLID原则
- 团队规范
改进建议
- 具体的改进点
- 重构建议
请以建设性的态度提供详细的审查意见。 """
@staticmethod
def ux_designer(requirements: str) -> str:
return f"""
你是一位经验丰富的UX/UI设计师，擅长创建用户友好的界面。
需求： {requirements}
请提供以下设计建议：
用户分析
- 目标用户群体
- 用户需求和痛点
- 使用场景
信息架构
- 页面结构
- 导航设计
- 内容组织
交互设计
- 用户流程
- 交互方式
- 反馈机制
视觉设计
- 配色方案
- 字体选择
- 间距和布局
可访问性
- 键盘导航
- 屏幕阅读器支持
- 颜色对比度
请提供详细的设计说明和理由。 """
## Prompt模板库
```python
class PromptTemplates:
"""常用Prompt模板"""
CODE_REVIEW = """
你是一位代码审查专家。请审查以下代码，重点关注：
- 代码质量和可读性
- 潜在的bug和边界情况
- 性能优化机会
- 安全漏洞
- 测试覆盖度
代码：
{code}
请提供具体的改进建议。
"""
SUMMARIZATION = """
请为以下文本生成简洁的摘要，要求：
- 长度控制在{max_length}字以内
- 包含关键信息
- 使用清晰的语言
- 使用要点格式
文本：
{text}
摘要：
"""
TRANSLATION = """
请将以下文本翻译成{target_language}。
要求：
- 保持原文的语气和风格
- 专业术语使用标准的翻译
- 如果有文化相关的内容，进行本地化调整
- 确保译文自然流畅
原文：
{text}
译文：
"""
EXPLANATION = """
请用简单易懂的语言解释以下概念，要求：
- 假设读者是该领域的初学者
- 使用类比和实例
- 分步骤解释
- 提供相关资源链接
概念：
{concept}
解释：
"""
最佳实践总结
- 明确具体：详细描述任务要求
- 提供上下文：给模型足够的背景信息
- 使用示例：通过few-shot学习提升效果
- 定义格式：指定输出的结构化格式
- 迭代优化：根据结果持续调整prompt
- 版本管理：保存有效的prompt模板
- 测试验证：用多个测试用例验证效果
Prompt工程是一个持续优化的过程，需要不断实验和改进。