StudyAI8

第 2 节 / 共 14 节

1.2 提示的构成要素

📌 本节目标

学完这一节，你将能够拆解任何提示词，准确识别出其中的“指令”、“上下文”、“输入数据”和“输出格式”这四个核心要素。更重要的是，你将学会如何通过组合这些要素，写出更清晰、更有效的提示，让大语言模型（LLM）准确地理解你的需求。

1. 核心概念讲解

想象一下，你是一位经理，需要给一位新来的、能力超强但有点“死脑筋”的实习生布置任务。如果你只说“帮我处理一下那份文件”，他大概率会一脸茫然。你需要把话说清楚：做什么、背景是什么、材料在哪里、做成什么样。

提示词（Prompt）本质上就是你对大语言模型下达的“任务指令”。一个结构化的提示，通常由以下四个核心要素构成。

1.1 指令 (Instruction)

指令是提示的“灵魂”，它告诉模型具体要做什么。这是整个提示中最核心的部分，必须清晰、直接、无歧义。

  • 比如： 如果你想让模型写一首诗，指令就是“写一首五言绝句”。如果你想让模型总结一篇文章，指令就是“请用三句话总结以下文章的核心观点”。指令动词越具体越好，例如用“翻译”、“分类”、“提取”、“生成”代替模糊的“处理”。

1.2 上下文 (Context)

上下文是提示的“背景”，它告诉模型为什么这么做 或 在什么情境下做。上下文为模型提供了额外的信息，帮助它理解你的意图，从而做出更符合预期的回应。它可以包括角色设定、任务背景、目标受众等。

  • 比如： 同样是写一首诗，如果加上上下文“你是一位唐代边塞诗人，正在描绘将士们出征前的豪情”，模型生成的诗歌风格和意境会完全不同。再比如，“你是一位资深的技术面试官，请根据以下简历，向候选人提出三个考察其系统设计能力的问题。”这里的“资深技术面试官”就是上下文，它限定了模型的身份和提问的视角。

1.3 输入数据 (Input Data)

输入数据是提示的“素材”，也就是模型需要处理的具体信息。模型不会凭空变出信息，你需要把待处理的内容交给它。这个数据可以是文本、代码、关键词、问题，甚至是一个文件路径（如果模型支持）。

  • 比如： 在“请将以下英文句子翻译成中文”这个指令中，“以下英文句子”就是输入数据。它可以是“I love programming.”，也可以是“The weather is great today.”。在“请根据以下客户评价，判断其情感倾向是正面、负面还是中性”这个任务中，客户评价的文本就是输入数据。
# 一个简单的提示示例，拆解其输入数据
prompt = f"""
请对以下用户评论进行情感分析。

评论内容：
{user_review}  # 这里的 user_review 就是输入数据，它可以是任何评论文本

请输出“正面”、“负面”或“中性”。
"""

1.4 输出格式 (Output Format)

输出格式是提示的“包装”，它告诉模型如何呈现结果。没有明确的格式要求，模型可能会输出一段冗长的文字，让你自己去找答案。指定格式可以让你直接提取关键信息，极大提高效率。常见的格式有：JSON、Markdown列表、CSV、XML、一段特定风格的文本等。

  • 比如： 与其说“给我一些健身建议”，不如说“请给出三条适合新手的居家健身建议，并以Markdown无序列表的形式呈现”。更高级的用法是要求输出JSON格式，方便程序自动解析。
// 指定输出格式为JSON的提示示例
{
  "instruction": "从以下新闻中提取关键信息，并以JSON格式输出。",
  "input_data": "AI公司‘智言科技’今日宣布完成5亿元C轮融资，由红杉资本领投，资金将用于大模型技术的研发。公司CEO表示，计划明年推出新一代多模态模型。",
  "output_format": {
    "company_name": "公司名称",
    "funding_round": "融资轮次",
    "amount": "融资金额（数字+单位）",
    "lead_investor": "领投方",
    "fund_use": "资金用途"
  }
}

2. 深入理解

为什么这四个要素如此重要？

大语言模型本质上是一个极其复杂的“模式匹配”和“概率预测”引擎。你给它的提示，就是它生成下一个词的起点和约束条件。

  • 指令 缩小了模型思考的范围。没有指令，模型可能在回答时天马行空，甚至反问“你想让我做什么？”。
  • 上下文 为模型提供了“角色扮演”的剧本。它能让模型调用特定领域的知识和语言风格，比如让模型像莎士比亚一样说话，或者像一个严谨的科学家一样分析数据。
  • 输入数据 是模型工作的“原材料”。没有它，模型只能给出泛泛而谈的通用知识，无法解决你的具体问题。
  • 输出格式 是“精准交付”的保障。它避免了信息在模型输出的长篇大论中“迷路”，让你能像调用API一样，稳定地获取结构化的结果。

常见的误区

初学者最容易犯的错误有以下几种：

  1. 要素缺失：最常见的错误是只写“输入数据”，忘了写“指令”。比如直接丢给模型一段代码，然后说“这是什么？”。模型可能不知道你是想让它解释、优化还是找bug。

  2. 指令模糊：使用“分析一下”、“处理一下”这类动词。模型虽然聪明，但不是你肚子里的蛔虫。“分析”可以是情感分析、趋势分析、成本分析……模型只能随机选一个。

  3. 上下文与指令冲突：比如上下文说“你是一位小学数学老师”，指令却要求“请用微积分知识解答”。这会让模型感到困惑，输出结果可能不伦不类。

  4. 忽视输出格式：认为“只要我说清楚内容，模型自然会给我想要的格式”。这在简单任务上可能行得通，但在复杂任务中，你会花大量时间去清洗和解析模型的回复。

要素对比表

| 要素 | 作用 | 类比（下棋） | 常见错误 | 最佳实践 | | :--- | :--- | :--- | :--- | :--- | | 指令 | 核心动作 | 棋手的“走棋”决策 | 缺失或模糊 | 使用“翻译”、“总结”、“分类”等强动词 | | 上下文 | 背景与角色 | 棋局的“当前形势” | 与指令矛盾或缺失 | 明确角色、场景、目标受众 | | 输入数据 | 处理对象 | 棋盘上的“棋子” | 提供错误或不完整 | 确保数据准确、相关、格式正确 | | 输出格式 | 结果呈现 | 棋谱的“记录方式” | 依赖模型默认输出 | 明确指定JSON、Markdown、列表等 |

3. 实战演示

现在，让我们通过一个具体的案例，从零开始构建一个包含所有要素的提示。

场景： 你是一个电商运营，需要分析一批客户对某款蓝牙耳机的评价，以便了解产品的主要优缺点。

第一步：明确你的需求（拆解要素）

  • 指令 (Instruction): 分析客户评价，提取正面和负面的关键点。
  • 上下文 (Context): 你是一位电商运营，正在分析一款蓝牙耳机的用户反馈，目的是改进产品。
  • 输入数据 (Input Data): 下面这些客户评价文本。
  • 输出格式 (Output Format): 分别列出优点和缺点，每点用一句话概括，并用【优点】和【缺点】作为标题。

第二步：组装提示（从简单到完善）

版本1：最简版本（要素不全）

“客户说：音质很好，但是连接不稳定。分析一下。”

问题： 指令模糊（“分析”），上下文缺失，输入数据太少，输出格式不确定。模型可能回复“好的，我分析了，音质好，连接差。” 毫无价值。

版本2：增加指令和输入数据

“请分析以下客户评价，提取关键信息。 评价：音质很好，但是连接不稳定，续航也一般。戴久了耳朵有点疼。”

问题： 好了很多，但上下文和输出格式依然缺失。模型可能会输出一段话，你需要自己从中提取“优点：音质好；缺点：连接不稳定、续航一般、佩戴不舒适”。

版本3：完整的四要素提示（最终版）

# 上下文
你是一位经验丰富的电商运营，正在分析一款蓝牙耳机的新品用户反馈，目的是为产品迭代提供依据。

# 指令
请分析以下客户评价，并提取出产品的优点和缺点。

# 输入数据
1. “音质非常棒，低音很有力，是我用过最好的。”
2. “连接不太稳定，走路的时候偶尔会断连。”
3. “续航太差了，听不到3小时就没电。”
4. “佩戴很舒适，戴一整天耳朵也不疼。”
5. “性价比很高，这个价位很值得推荐。”

# 输出格式
请严格按照以下Markdown格式输出：
【优点】
- <优点1>
- <优点2>

【缺点】
- <缺点1>
- <缺点2>

第三步：查看模型回复

当你把版本3的提示发给模型时，它很可能会给出类似下面这样清晰、结构化的回复：

【优点】

  • 音质出色，特别是低音表现。
  • 佩戴舒适，适合长时间使用。
  • 性价比高。

【缺点】

  • 连接稳定性差，容易断连。
  • 续航时间短。

对比一下，版本3的输出是不是可以直接用于你的运营报告？这就是结构化提示的力量。

4. 关键要点

  • 四大要素缺一不可：一个高质量的提示，最好同时包含清晰的指令、丰富的上下文、准确的输入数据和明确的输出格式。
  • 指令是核心：用具体、明确的动词告诉模型“做什么”，避免模糊不清的指令。
  • 上下文塑造风格：通过设定角色和场景，可以引导模型调用更合适的知识和语言风格。
  • 格式决定效率：指定输出格式（尤其是JSON或Markdown），可以让你从“信息淘金”变成“直接收货”，极大提升后续工作效率。

✏️ 练习任务

练习方向：分析一个实际提示的各个要素

任务1：要素拆解（必做）

请分析下面这个提示，明确指出其中的“指令”、“上下文”、“输入数据”和“输出格式”分别是什么。

你是一位专业的营养师。请根据以下一份一日食谱，计算其总热量，并评估其营养是否均衡。食谱如下：
早餐：一杯牛奶，两片全麦面包，一个鸡蛋。
午餐：一份鸡胸肉沙拉，一个苹果。
晚餐：一碗糙米饭，一份清蒸鱼，一份炒西兰花。
请以表格形式输出，包含“总热量（千卡）”、“蛋白质（克）”、“碳水化合物（克）”、“脂肪（克）”和“营养均衡性评价”这几列。

期望输出（参考格式）：

  • 指令： 计算总热量，评估营养是否均衡。
  • 上下文： 你是一位专业的营养师。
  • 输入数据： 一份具体的一日食谱（早餐、午餐、晚餐内容）。
  • 输出格式： 一个表格，包含总热量、蛋白质、碳水化合物、脂肪和营养均衡性评价这几列。

任务2：提示优化（选做）

假设你想让AI帮你写一封辞职信。请写出一个包含所有四个要素的完整提示。要求：上下文是“你是一位在互联网公司工作三年的产品经理，因为想追求个人创业梦想而辞职”，输出格式是“一封语气诚恳、简洁专业的英文邮件”。

💡 下一节我们将学习“1.3 设计清晰指令的技巧”，深入探讨如何写出让模型无法误解的指令，敬请期待！

本节由 StudyAI8 AI 课程团队生成并审核。

上一节下一节