《生成式AI工具实战》课件 项目2 提示词工程

项目二

提示词工程任务1提示词工程的简介目录CONTENTS01.学习目的与要点02.学习内容03.课程总结01学习目的与要点1.1学习目的目的一：了解发展史了解提示词工程的定义、起源及发展历程目的二：理解作用与地位理解提示词工程在生成式AI中的作用与地位目的三：理解性能和输出质量的关系理解提示词工程与AI模型性能、输出质量的关系1定义起源与发展了解提示词工程的定义、起源及发展历程，从2020年大语言模型规模化应用初期的试错法，到如今形成系统的学科体系。2在生成式AI中的作用地位理解提示词工程在生成式AI中的作用与地位，它是连接用户需求与模型能力的桥梁，对语言模型、图像生成模型等都至关重要。3与模型性能输出质量的关系掌握提示词工程与AI模型性能、输出质量的关系，优质的提示词可以提升模型表现，而不良的提示词可能导致输出质量下降。1.2学习要点02学习内容01定义提示词工程是通过优化输入文本改进模型生成结果质量的方法，它融合了自然语言处理、认知科学、场景工程等多领域理论。02核心价值其核心价值在于让AI‘用得好、用得广’，通过精准的提示词设计，使AI能够更好地服务于各种场景和任务。2.1提示词工程定义与核心价值萌芽期（2020-2021年）用户通过‘关键词堆砌’‘格式限定’等简单方式调整提示，缺乏系统方法，处于经验性尝试阶段。成长期（2022-2023年）专业化策略涌现，如‘思维链提示’‘角色设定提示’‘对比提示’等，这些方法有效提升了模型处理复杂任务的能力。智能化阶段（2023年至今）自动化工具加速普及，如PromptBase、LangChain等，同时多模态提示、跨模型适配提示成为新方向。2.2发展的三个阶段1场景适配性提示设计需与具体任务深度绑定，不同场景下的提示词需明确具体要求，如教育领域的作业批改提示与电商领域的产品文案生成提示差异明显。2全流程系统性涵盖‘需求拆解→提示设计→效果测试→迭代优化’的完整链路，专业团队会建立提示词库，制定量化评估指标，并通过A/B测试持续打磨。3动态进化性随着模型迭代与场景扩展，提示策略需灵活调整，如面对多模态模型或算力有限的小模型，提示需相应变化。2.3三维度的协同统一输入编码阶段提示词经处理后，模型会识别其中的‘动作指令’‘约束条件’‘背景信息’等关键信息，为后续知识调用做准备。知识检索阶段基于解析结果，模型在预训练形成的‘知识网络’中唤醒相关知识集群，如涉及专业领域会优先调用对应知识。输出生成阶段模型结合激活的知识与提示中的约束，通过自回归生成逻辑输出结果，优质提示能有效减少知识混淆与输出漂移问题。2.4工作机制与逻辑架构01突破性能天花板针对特定任务，优化后的提示可有效提升模型表现，如逻辑推理任务中运用‘少样本提示+分步引导’策略，能让模型正确率显著提升。02降低技术使用门槛标准化的提示模板让非专业用户也能高效调用模型能力，如教师使用‘课程大纲生成提示模板’可快速获得结构化大纲。03拓宽应用边界提示词工程让大语言模型能适配更复杂的垂直场景，如工业领域的设备故障检修方案生成、文创领域的风格化内容创作。04反哺模型迭代实践数据为模型优化提供关键反馈，如分析‘高频失效提示’可定位模型知识盲区，为后续预训练数据筛选或微调提供方向。2.5核心价值与演进历程01模型依赖度高提示效果与模型能力强绑定，小模型即使有最优提示也难以弥补推理能力短板，如复杂合同起草中可能因无法理解条款逻辑而输出无效内容。02跨模型泛化难为某一模型优化的提示在其他模型中可能失效，如GPT-4的‘长上下文推理提示’在Claude中可能因注意力机制差异而效果打折。03动态场景适配难实时交互场景中，用户意图模糊且话题快速切换，预设提示难以覆盖所有情况，如直播中观众话题突变时提示需实时调整。04伦理风险防控难恶意提示可能诱导模型生成有害内容，如虚假医疗建议、歧视性言论，如何构建防护机制仍是行业亟待解决的问题。2.6当前面临的主要挑战03课程总结定义与发展提示词工程是通过优化输入文本改进模型生成结果质量的方法，融合自然语言处理、认知科学、场景工程等多领域理论。三阶段发展从2020年的萌芽期，到2022-2023年的成长期，再到2023年至今的智能化阶段，提示词工程不断发展完善。3.1知识路径回顾三维协同统一场景适配性、全流程系统性、动态进化性三维度协同统一，构成提示词工程的完整体系。三阶引导机制指令解析、知识激活、输出优化三阶段紧密相连，共同推动模型生成高质量结果。核心价值提示词工程具有突破性能天花板、降低技术使用门槛、拓宽应用边界、反哺模型迭代等四大核心价值。当前挑战当前面临模型依赖度高、跨模型泛化难、动态场景适配难、伦理风险防控难等四大挑战。感谢您的观看THANK

YOU项目二

提示词工程任务2提示词的组成与优化目录CONTENTS01.学习目的和要点02.学习内容03.课程总结01学习目的和要点1.1学习目的目的一：了解提示词核心组成部分了解提示词的基础指令、背景信息、输出要求等核心组成部分。目的二：理解作用与地位理解提示词在AI任务中的功能与作用目的三：掌握提示词优化方法掌握提示词细化指令、角色设定、参数协同等优化方法组成元素提示词由指令、上下文、输入数据和输出指示四大元素构成，每个元素都有其独特作用，共同影响模型的输出结果。任务差异不同类型的AI任务，如文本、图像、音频，对提示词的组成要素侧重不同。了解这些差异，能更好地设计针对性的提示词。优化方法掌握细化指令、角色设定、参数协同等优化方法，能显著提升提示词的效果，让AI输出更高质量的内容。1.2学习要点02学习内容指令指令是提示词的核心，明确告诉模型要执行的任务，如分析、生成、总结等，是引导模型行动的关键。上下文上下文为模型提供额外信息，帮助其理解任务背景，如历史记录、专业知识等，使输出更贴合实际需求。输入数据输入数据是用户提出的问题或提供的素材，是模型处理的核心内容，直接决定了输出的针对性。输出指示输出指示规定模型输出的格式、类型和结构，如字数限制、语言风格等，确保输出符合预期。2.1提示词的基本元素2.2提示词设计的通用技巧简洁明了从简单表述起步，逐步补充元素与上下文结构化呈现可采用Markdown、Lisp等格式，可通过#、分级标题等分隔说明、上下文等模块明确指令采用生活中清晰有效的单词或短句作为指令描述具体明确核心需求、细节要求等关键信息表达直接简洁直接的语言传递需求，提升沟通效率正向引导建议采用正向描述，避免说“不要”少样本示例提供少量示例，让模型明确输出形式与要求零样本与少样本零样本提示完全依赖模型预训练知识，而少样本提示通过提供少量示例引导模型理解任务要求，提升执行效果。2.3零样本与少样本对比01基线-测试-分析-改进BTAI模型提供了系统化的提示词优化框架，通过创建基线、测试表现、分析不足、针对性改进，实现提示词的持续优化。02案例分析OpenAI通过BTAI方法优化客服场景提示词，从简单指令到增加角色、语气、结构等元素，显著提升了模型的响应质量。2.4BTAI循环四步迭代A/B测试A/B测试通过对比不同提示词版本的效果，精准定位优化方向。每次只改变一个变量，如角色、具体性等，用准确率等指标量化表现。2.5A/B测试单变量法1质量质量维度衡量输出内容的准确性与专业深度，高质量的输出应全面准确无误，符合专业标准。2实用性实用性关注输出内容对用户实际需求的满足程度，实用的输出应直接解决问题，具有实际应用价值。3效率效率维度评估模型响应时间与计算资源消耗，高效的输出应在短时间内完成，且计算资源占用合理。2.5QUEST五维评估表03课程总结速记口诀用口诀“令上下出，简结明具直正例”十个字串联四元素与七技巧，帮助快速记忆提示词的关键要素。3.1课程总结双循环模型BTAI与QUEST合并成双循环模型，内圈负责提示词版本迭代，外圈负责量化评估得分，形成持续优化流程。1同义反复避免同义反复导致冗余，保持提示词简洁明了，减少无效信息。2否定引发幻觉避免使用“不要”式否定，以免引发模型幻觉，应采用正向引导。3多变量修改A/B测试时避免多变量同时修改，确保每次只改变一个变量，以便准确评估效果。3.2易错红线提醒感谢您的观看THANK

YOU项目二

提示词工程任务3案例实战之解锁实际案例中的指令技巧目录CONTENTS01.学习目的与要点02.学习内容03.课程总结01学习目的与要点1目的一：概念理解与运用本课程旨在帮助学生巩固提示词的组成结构与优化策略等理论知识，强化对提示词工程核心概念的理解，并掌握如何运用这些技巧解决实际问题。2目的二：实战演练通过基础与高级案例的反复演练，学生将能够快速将理论知识应用于实际场景，提升对提示词的运用能力。3目的三：独立设计能力课程结束后，学生将具备独立设计提示词的能力，能够根据具体需求快速生成高质量的提示词。1.1学习目的场景梳理实际场景的梳理与分析策略是关键，需要先明确任务目标，再根据用户类型进行细化。四元素落地提示词的四大基础组成要素在实战案例中有着具体体现，指令对应任务、背景对应用户、输入对应素材、输出对应格式。1.2学习要点02学习内容研究深入在研究深入场景中，提示词需要聚焦于问题，确保问题清晰、聚焦且相关。信息收集信息收集场景中，提示词需采用列表式提问，明确询问有哪些或哪几个信息。角色设定咨询场景中，提示词需设定角色，如法律专家或心理咨询师，明确问题背景。写代码&改Bug在写代码改Bug场景中，提示词需指定编程语言和任务，确保输出代码符合要求。2.1基础场景示范高阶框架在展开高级案例前，需先掌握文本生成类AI提示词的高阶构建框架，高阶构建框架包含四大要素：指令、背景、输入数据和输出指示器，这些要素在不同场景中有着不同的应用方式。2.2高级案例演示1任务明确试卷出题任务中，指令需明确要求生成题目，背景锁定出题专家身份，输出指示量化到表格字段。2格式规范输出指示需规定题目格式，如题型、题干、难度、答案、解析等，确保生成的试卷符合要求。3效率提升通过规范的提示词，可以一次性生成多道题目，显著提升出题效率。2.2.1试卷出题逆向流程大模型写作采用逆向流程，先生成论点和结论，再人工补充论据，显著缩短信息收集时间。论据补充虽然模型可以快速生成论点，但论据仍需人工搜索和补充，以确保内容的准确性和可靠性。2.2.2写作流程逆向技巧人才教练在通用技能学习案例中，通过设定人才教练角色，明确学习目标和时间限制，生成个性化学习路径。2.2.3通用技能学习案例歌曲推荐在生活聊天场景中，通过设定歌曲推荐人角色，明确用户情绪和场景，生成贴合心境的歌曲推荐。2.2.4生活聊天推荐案例SQL终端在科技类SQL终端案例中，通过设定指令、背景、输入数据和输出指示器，将AI变成SQL终端。2.2.5科技类SQL终端案例说唱歌手在文创类说唱歌手案例中，通过设定指令、背景和输出指示器，将AI变成说唱歌手，生成符合要求的歌词。2.2.6文创类说唱歌手案例2.2.7文创类动态美食摄影案例背景信息高效使用提示词的关键是充分利用背景信息，锁定场景与用户需求。量化指标能量化的内容尽量量化，如字数、难度、格式等，提升提示词的精准度。精准提问提问越精准，AI输出越贴合预期，减少试错成本。2.3高效提示词的关键03课程总结基础场景表基础场景表列出研究、收集、咨询、代码四类模板，帮助学生快速选择适合的提示词。高阶四元素表高阶四元素表给出指令、背景、输入、输出的写法，提升提示词的精准度。量化检查表