单元8 人工智能技术应用实践2-提示词工程实践

教学设计专业班级：年月日课程信息技术课程类型理实一体课学时2课题人工智能技术应用实践：提示词工程实践上课地点学情分析多数学生日常常使用AI聊天工具，对提示词有零散使用体验，但不清楚提示词工程的系统逻辑，不了解结构化提示、思维链等优化方法，对技术的应用价值认知模糊。学生有提升AI输出质量的实际需求，但缺乏系统训练，基础差异较大，需结合实操案例由浅入深讲解。教学内容提示词与提示词工程的概念提示词设计原则提示词的核心特征提示词框架提示词的类型提示词工程的关键技术提示词工程的机遇与挑战教学目标知识目标：了解提示词工程的概念、关键技术，提示词工程的机遇与挑战。了解提示词的概念、设计原则、核心特征、框架和类型技能目标：会优化提示词使大模型输出比较满意的结果。素质目标：深入体验人工智能技术在各领域的创新应用及其变革性价值，提升数字创新与发展素养，强化对新一代信息技术发展的认同感与时代使命感，坚定科技自信。。教学重点能灵活将提示词设计原则应用于实践教学难点理解提示词工程的系统逻辑，结构化提示、思维链等优化方法课堂教学过程设计一、导入提示词工程作为大语言模型应用的核心支撑技术，随着生成式人工智能的爆发式发展，已成为人机交互的关键桥梁。它通过系统化设计和优化输入指令，使大模型更精准地理解用户需求，输出符合预期的结果，极大地释放了人工智能的实用价值。二、按教材中任务实施步骤完成任务8-2提示词工程实践三、知识点讲解1、提示词与提示词工程的概念提示词是指用户向大型语言模型输入的指令、问题或文本信息，可理解为引导模型生成特定输出的“信号”。它既可以是简洁的短语，例如“写一首春天的诗”，也可以是完整的段落，如包含背景信息的任务描述，还可以是包含示例的结构化文本。其核心撰写理念在于明确任务目标和输出要求。2、提示词设计原则提示词设计原则为 CLEAR 框架，CLEAR框架包括五项核心原则：简明、逻辑、明确、适应、反馈。（1）简明：使用清晰、简单的语言，优先考虑关键信息，删除不相关的详细信‍息。（2）逻辑：采用结构化和有序的方法，建立上下文或赋予 AI 一个角色，确保逻辑性。（3）明确：明确表达意图，避免歧义和模糊性。例如，使用简单、常用的词汇，避免专业术语或复杂表达。（4）适应：具备一定的可扩展性，以适应不同场景和需求。（5）反馈：提示词设计是一个迭代过程，可通过反馈和优化不断改进提示词效‍果。3、提示词的核心特征（1）清晰性：指令应明确无歧义，避免模糊表述。例如，不要笼统地要求“写一篇关于环保的文章”，应优化为类似“写一篇 800 字关于城市垃圾分类政策效果的议论文，要求包含 3 个具体案例”这样的表述。（2）具体性：用户只有提供足够的背景信息和细节，模型才能聚焦任务。例如：制定学习计划时，需说明学习者的基础、可用时间、目标等。（3）针对性：根据任务类型调整提示词风格。如果是学术场景需要用严谨规范风格，例如，“用 APA 格式引用文献”；如果是创意场景可灵活开放，例如，“用科幻风格续写这个故事”。（4）结构性：针对复杂任务，应采用分层、分步骤的结构引导模型。例如，使用“#指令”“##背景”“##输出要求”等标签来划分内容。（5）可迭代性：优质提示词往往需要多次调整。若首次输出不符合预期，则可补充“请修正 XX 部分，增加 XX 内容”等反馈信息。4、提示词框架提示词框架（PromptFramework）是一种用于生成自然语言文本的技术，它基于预定义的模板和规则，可以帮助生成特定领域或任务的文本。提示框架发挥着至关重要的作用，可以为人工智能模型提供清晰的指令和上下文。人工智能就会知道你需要什么，从而产生更智能、更快、更有用的响应。提示词框架包括 ICIO、CRISPE、RASCEF、LangGPT、TAG、CO-STAR 等多种类型。5、提示词的类型提示词是引导 AI 生成内容的文字描述，是用户与 AI 之间的沟通桥梁。其核心作用是向 AI 提供明确的指令或问题，让 AI 了解它要回答什么或做什么。提示词不同，生成的内容也不同。根据应用场景和目标，提示词大致可以分为以下 5 种类型，实际应用中，用户可以结合多种提示词类型，不断调整和优化，以获得更符合需求的内容输出。（1）指令型（2）开放型（3）约束型（4）角色扮演型（5）示例引导型6、提示词工程的关键技术（1）框架化设计技术：通过采用成熟的提示词框架提升指令规范性。（2）示例驱动技术：通过提供参考示例（Few-ShotLearning）引导模型输出格式。例如，要求生成对仗句时，先给出“明月松间照，清泉石上流”作为示例，模型会更易贴合格式。（3）思维链技术（Chain-of-Thought，CoT）：思维链提示指示人工智能在得出最终答案之前明确分解其推理过程。例如，在复杂推理任务中，加入“请一步步分析”“先拆解问题再解答”等提示，引导模型暴露推理过程，提升数学计算、逻辑分析等任务的准确性。（4）角色扮演技术：通过“你是 XX 领域专家”等设定，限定模型的输出视角和专业度。例如，“作为高中物理老师，用通俗语言解释相对论”比直接提问更容易获得易懂的答案。（5）结构化输出控制技术：明确指定输出格式，例如表格、列表、Markdown 代码块，例如，“用表格对比 iOS 和 Android 系统的 3 个核心差异”。（6）少样本提示：一种利用少量示例来引导模型生成文本或其他形式输出的技术。在提出实际问题或任务之前，您可以向 AI 提供一些输入输出示例，不仅仅是直接向模型提问，而是通过在提示中进行多个演示来“展示”如何处理类似的问题，例如，输入如图 8-25 所示的提示词。7、提示词工程的机遇与挑战作为大模型“软实力”的核心，提示词工程降低了人工智能的使用门槛，使普通用户能通过自然语言操控复杂模型，推动 AI 在教育、医疗、制造等领域的普惠化应用。同时，它为人机协作提供了新范式—人类专注于“提出精准问题”，模型专注于“高效解决问题”。但同时也面临以下问题：大模型的“幻觉”