1.1 什么是提示工程

📌 本节目标

学完本节课，你将能够清晰地解释“提示工程”的核心定义，理解它为什么是驾驭大语言模型的关键技能。更重要的是，你会通过亲手实践，直观地感受到：改变提问的方式，就能让AI给出完全不同的答案。

1. 核心概念讲解

想象一下，你面前站着一位知识渊博、但有些“一根筋”的助手。他读过全世界的书，但如果你问得含糊，他可能答非所问；如果你问得巧妙，他就能给出惊艳的答案。提示工程（Prompt Engineering），就是学习如何向这位助手——也就是大语言模型——提出高质量问题（即“提示”）的艺术与科学。

简单来说，提示工程就是设计和优化输入文本（Prompt），以引导AI模型生成我们想要的、高质量的、可靠的输出。

核心概念拆解：

提示 (Prompt)：你输入给AI模型的文本。它可以是问题、指令、一段对话的开头、甚至是一个不完整的句子。
- 比如：你直接输入“写一首诗”，这就是一个提示。但如果你输入“写一首关于秋天的五言绝句，风格要悲伤”，这就是一个更具体、更有效的提示。
大语言模型 (LLM)：像 GPT-4、Claude、文心一言、通义千问这样的模型。它们通过学习海量文本数据，学会了预测和生成符合人类语言习惯的文本。
- 比如：当你输入“中国的首都是”，模型会根据它学到的知识，预测下一个词极大概率是“北京”。
指令 (Instruction)：提示中明确告诉模型“去做什么”的那部分。
- 比如：“请总结以下文章”、“把这句话翻译成英文”、“扮演一位历史老师”。
上下文 (Context)：提示中提供给模型的背景信息，帮助它更好地理解任务。
- 比如：你想让AI写一封邮件，你提供“收件人是我的客户，语气要正式，主题是推迟项目交付”，这些就是上下文。
输出 (Output)：模型根据你的提示生成的结果。提示工程的目标就是让输出更符合预期。

下面是一个简单的代码示例（Python），展示如何通过修改提示，获得不同的输出。假设你已经安装了 openai 库。

# 导入OpenAI库（此处仅为示例，实际使用需要API Key）
from openai import OpenAI

# 假设你已经设置好客户端
client = OpenAI()

# --- 示例1：模糊的提示 ---
prompt_vague = "写一段关于AI的文字。"
response_vague = client.chat.completions.create(
    model="gpt-3.5-turbo", 
    messages=[{"role": "user", "content": prompt_vague}]
)
print("模糊提示的输出：")
print(response_vague.choices[0].message.content)
# 输出可能是一段非常宽泛、普通的介绍，比如“人工智能是计算机科学的一个分支...”

# --- 示例2：具体的提示 ---
prompt_specific = "写一段150字以内的文字，用乐观的语气向高中生解释：为什么学习提示工程对未来的职业发展很重要。"
response_specific = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": prompt_specific}]
)
print("\n具体提示的输出：")
print(response_specific.choices[0].message.content)
# 输出会更有针对性、结构更清晰、语气和受众都更匹配

2. 深入理解

为什么提示工程如此重要？这要从大语言模型的工作原理说起。

背后的原理：

LLM本质上是一个“高级的文字接龙游戏”。它并不真正“理解”你的问题，而是根据你输入的文本（提示），结合它从海量数据中学到的模式和概率，一个词一个词地生成最“可能”的下一个词。你的提示，就是为这个接龙游戏设定了“起点”和“风格”。

好的提示 = 清晰的起点和规则：它告诉模型“你在哪里”（角色）、“要做什么”（任务）、“怎么做”（格式、语气）、“不要做什么”（限制条件）。
差的提示 = 模糊的起点：模型只能凭感觉去猜，结果往往平庸、跑题，甚至产生幻觉（编造事实）。

初学者常见的误区：

把AI当人看，问得过于简单：
- ❌ 错误：“给我写个方案。”
- ✅ 正确：“请为我新开的社区咖啡馆撰写一份开业营销方案。目标客户是25-35岁的上班族，预算在5000元以内，重点突出线上预热和开业当天的活动。”
一次只给一个指令，期望AI能“举一反三”：
- ❌ 错误：“分析这段文本。”（AI不知道分析什么维度）
- ✅ 正确：“请从‘情感倾向’、‘主要观点’和‘目标受众’三个维度分析以下这段文本。”
忽视“角色扮演”的力量：
- ❌ 错误：“解释量子力学。”
- ✅ 正确：“请你扮演一位风趣幽默的物理老师，用比喻的方式向一个10岁的孩子解释量子力学中的‘叠加态’。”

对比表格：低效提示 vs 高效提示

| 特征 | 低效提示 (Poor Prompt) | 高效提示 (Good Prompt) | | :--- | :--- | :--- | | 清晰度 | 模糊、模棱两可 | 具体、明确、无歧义 | | 指令 | 隐含或不完整 | 明确、直接地给出任务指令 | | 上下文 | 缺乏背景信息 | 提供充分的背景、角色和目标 | | 格式 | 不指定输出格式 | 明确要求输出格式（列表、表格、代码块） | | 约束 | 无任何限制 | 设定字数、语气、风格等约束 | | 结果 | 泛泛而谈，质量不可控 | 精准、高质量、符合预期 |

3. 实战演示

让我们用一个具体的案例，完整演示一下提示工程的过程。我们的目标是让AI写一篇关于“学习编程”的短文。

步骤1：从最基础的提示开始

提示：写一篇关于学习编程的文章。
结果：AI可能会生成一篇非常笼统的文章，比如“编程是21世纪必备技能……”，内容空洞，缺乏新意。

步骤2：增加“角色”和“受众”

提示：请你扮演一位有10年经验的程序员导师。写一篇短文，鼓励一个因为遇到困难而想放弃的编程初学者。
结果：AI的输出会更有情感、更有针对性，会包含一些鼓励的话语和克服困难的经验。这比第一步的结果好很多。

步骤3：增加“结构”和“风格”要求

提示：请你扮演一位有10年经验的程序员导师。写一篇短文，鼓励一个因为遇到困难而想放弃的编程初学者。

要求： 1. 文章分为三个部分：共情困难、分享经验、给出行动建议。 2. 语气要像朋友聊天一样，亲切自然。 3. 全文不超过200字。
结果：AI现在会严格按照你的结构来组织文章，风格也更符合你的要求。输出质量显著提升。

步骤4：加入“负面约束”和“示例”

提示：请你扮演一位有10年经验的程序员导师。写一篇短文，鼓励一个因为遇到困难而想放弃的编程初学者。

要求： 1. 文章分为三个部分：共情困难、分享经验、给出行动建议。 2. 语气要像朋友聊天一样，亲切自然。 3. 全文不超过200字。 4. **不要使用任何技术术语。** 5. **参考这个开头示例：“嘿，朋友，我知道你现在肯定很沮丧，感觉像是在黑屋子里找开关……”
结果：通过加入“不要使用技术术语”的约束，AI会避免使用“循环、函数、调试”等词汇。通过提供开头示例，AI可以更好地模仿你想要的风格和口吻。这是最接近你理想输出的结果。

4. 关键要点

提示工程的核心是“沟通”：你不是在编程，而是在学习如何与一个知识渊博但需要明确指引的AI助手有效沟通。
具体是王道：提示越具体、越清晰，模型的输出就越可控、越高质量。模糊的提示等于把决定权交给了运气。
迭代是常态：很少有第一次尝试就能获得完美结果的情况。好的提示工程师会不断调整、测试、优化自己的提示。
角色扮演是强大的武器：让AI扮演一个特定的角色（如老师、编辑、批评家），能极大地改变其输出的风格和视角。
善用约束和示例：明确告诉AI“不要做什么”以及“参考这个例子”，是控制输出质量最有效的方法之一。

✏️ 练习任务

练习方向：尝试用不同提示让AI生成同一主题的短文，观察差异

任务1（必做）：

主题：选择一个你熟悉的主题，比如“咖啡”、“熬夜的危害”或“为什么天空是蓝色的”。
提示A（极简版）：直接对AI说：写一篇关于[你的主题]的短文。
提示B（结构化版）：对AI说：请你扮演一位科普作家。写一篇关于[你的主题]的短文。要求：1. 用比喻的方式解释核心原理。2. 篇幅在100字左右。3. 语气幽默风趣。
观察：将两次输出结果放在一起对比。记录下它们在内容深度、结构、语气和趣味性上的差异。哪个结果让你更满意？为什么？

任务2（选做 - 进阶挑战）：

尝试通过修改提示，让AI为同一个主题写出两种截然相反的风格。

主题：人工智能的未来
提示C（乐观派）：请你扮演一位科技乐观主义者。写一段200字左右的文字，描绘人工智能将如何让人类未来变得更好。
提示D（悲观派）：请你扮演一位科技批判者。写一段200字左右的文字，警示人工智能可能给人类社会带来的风险。

观察AI如何根据你设定的“角色”和“视角”，对同一个话题给出完全对立的观点。这能让你深刻体会到提示工程中“角色设定”的巨大影响力。

💡 下一节我们将学习提示工程的核心原则，掌握几个“万能公式”，让你能更轻松地写出高质量的提示。敬请期待！

本节由 StudyAI8 AI 课程团队生成并审核。