《人工智能通识》课件-项目2 提示词

1.有监督学习基本方法（分类：决策树）1.1学习目标1.有监督学习基本方法（分类：决策树）1.2智能引航机械时代依赖打孔卡机和复杂的机械结构，通过手动操作与机器交互。命令行时代通过文本指令高效操控计算机，但限制了非专业用户的使用。图形用户界面时代引入图标、窗口等直观交互方式，极大降低了技术门槛。提示词工程时代用自然语言与计算机直接对话，极大地简化了人机交互流程。1.有监督学习基本方法（分类：决策树）1.3情境分析“青春启航：未来职场之星”挑战赛第一关：职业发展规划——绘制未来蓝图第二关：求职挑战——打造个性化自我介绍第三关：学霸试炼——制定高效复习计划1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词的定义提示词通常指用户为引导大语言模型（LargelanguageModels，LLM）产生期望输出而输入的文字指令。提示词既可以是简单的关键词，也可以是构造完整情境的结构化语言描述。提示词示例1提示词示例2

请列出一些“南京美食”。请将以下英文翻译成中文：‘ArtificialIntelligenceistransformingindustries.’。

1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词工程的定义提示词工程则是一门专注于设计、优化和调整提示词的技术，其核心目标是在不修改模型参数的前提下，通过构造合适的提示词来引导大语言模型完成特定任务，从而提高生成结果的准确性和相关性。如果说提示词在人机交互中充当了“桥梁”的作用，那么提示词工程就是设计、构建和不断完善这座桥梁的工程实践。1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词工程的作用提高准确性和可靠性：清晰的指令减少歧义，确保模型理解正确。例如，在情感分析任务中，明确分类标准可提升判断精度。优化响应时间，提升效率：精准提示可减少无关内容，使模型快速聚焦任务，提高生成速度，尤其适用于实时应用。增强可解释性和可控性：优化提示有助于理解模型逻辑，并可调整输出，确保结果符合预期，便于错误修正与优化。匹配实际需求：不同场景需定制化提示，以生成更契合业务需求的内容，如自动撰写报告、文案创作或数据分析1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词工程的应用场景文本摘要1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词工程的应用场景问答系统1.有监督学习基本方法（分类：决策树）2.1提示词与提示工程提示词工程的应用场景代码生成1.有监督学习基本方法（分类：决策树）2.2提示词组成要素提示词的组成要素组成要素说明示例描述指令明确告知模型需要执行的任务。“翻译下面的句子”上下文提供必要的背景信息，帮助模型理解任务背景。“请将以下科技新闻内容翻译为中文”输入数据需要处理的具体内容或数据。“TheAIrevolutionishere.”输出格式指定期望的输出格式或风格。“请输出为一句完整的中文句子”高质量的提示词必要的组成要素包括“指令”、“上下文”、“输入数据”和“输出格式”

。1.有监督学习基本方法（分类：决策树）2.2提示词组成要素提示词的类型指令型提示词

直接下达明确任务的提示词，适用于简单任务。

“列举三种常见的机器学习算法。

上下文型提示词

通过提供背景或情境，引导模型在特定场景下作答。作为一名客户服务代表，请回答‘如何处理客户投诉’的问题。

示例型提示词

给出多个示例，帮助模型模仿特定格式或风格。

以下是一个新闻标题示例：‘科技公司发布新款智能手机’。请为‘新型电动车上市’生成类似风格的标题。

开放型提示词

提出开放性问题，鼓励模型生成创意或发散性回答。你认为未来人工智能的发展趋势是什么？

提示词根据任务和应用场景的不同，可以分为多种类型

。1.有监督学习基本方法（分类：决策树）2.2提示词组成要素提示词设计的基本原则表达完整，确保意图清晰迭代优化，精细调整指令

提供细节，增强输出精准度

使用动词，引导模型执行操作

1.有监督学习基本方法（分类：决策树）2.2提示词组成要素提示词设计的基本步骤明确任务目标分析受众与上下文

构建初步提示词进行实验与测试收集反馈并优化提示验证与应用1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术零样本提示零样本提示（Zero-shotPrompting）是一种最常用的提示词工程技术，它指的是在没有提供任何示例的情况下，仅凭一个明确的任务指令，引导预训练模型完成特定任务。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术少量样本提示少样本提示（Few-shotPrompting）的核心思想是在向模型提出问题时，除了描述任务外，还提供少量示例（通常为2到5个），以展示输入与输出之间的映射关系。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术链式思考提示链式思考提示（Chain-of-ThoughtPrompting）的核心在于引导模型展示逐步的推理过程。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术自我一致性提示自我一致性（Self-Consistency）是一种提示词工程技术，旨在通过生成多个不同的推理路径，并在这些路径之间进行多数投票或聚合，以提高模型回答的稳定性和准确性。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术知识生成提示知识生成（KnowledgeGeneration）提示，旨在引导人工智能模型生成新的信息或推理出未直接提供的知识。

1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程技术思维树提示思维树提示（Tree-of-ThoughtPrompting），旨在让人工智能模型采用树状结构进行多步推理，以系统化地探索问题的多个可能解决方案。

1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程框架APE框架APE框架名称源自三个关键要素：行动（Action）、目的（Purpose）和期望（Expectation）。

APE说明示例描述行动（Action）明确需要执行的具体任务或活动。“翻译下面的句子”目的（Purpose）阐述执行该任务的意图或目标。“请将以下科技新闻内容翻译为中文”期望（Expectation）描述预期的结果或成果。“TheAIrevolutionishere.”1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程框架CARE框架CARE框架用于优化人工智能模型的响应质量。CARE代表Clarity（清晰性）、Accuracy（准确性）、Relevance（相关性）、Efficiency（高效性）。

CARE说明清晰性（Clarity）提示词应明确，不含歧义，确保大语言模型充分理解任务目标。​准确性（Accuracy）确保生成的信息基于事实或合理推理，而非错误或虚假内容。相关性（Relevance）使得生成的回答应与任务需求紧密相关，避免无关或冗余信息。高效性（Efficiency）提示词应引导生成简洁而完整的回答，避免过于冗长或复杂的表达。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程框架TRAC框架TRAC代表Task（任务明确性）、Role（角色设定）、Audience（受众匹配）、Context（上下文补充）

。

TRAC说明任务明确性（Task）清晰定义需要完成的具体任务，避免模糊或多义性。角色设定（Role）为大语言模型设定合适的身份，如专家、客服、研究员等，以影响回答风格和专业度。受众匹配（Audience）明确回答的目标受众，如专业人士、学生或普通用户，使内容符合阅读水平。上下文补充（Context）提供必要的背景信息，使大语言模型充分理解问题，提高输出的相关性和连贯性。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程框架TAG框架TAG代表Task（任务定义）、Audience（受众匹配）、Guidance（引导策略）

。

TAG说明任务明确性（Task）清晰定义需要完成的具体任务，避免模糊或多义性。​受众匹配（Audience）明确回答的目标受众，如专业人士、学生或普通用户，使内容符合阅读水平。引导策略（Guidance）提供明确的结构、示例或风格要求，引导大语言模型生成符合预期的内容。1.有监督学习基本方法（分类：决策树）2.3提示词设计技巧提示词工程框架SAGE框架SAGE代表Specificity（具体性）、Adaptability（适应性）、Guidance（引导性）和Explainability（可解释性）。

SAGE说明具体性（Specificity）提供明确的任务定义，避免模糊和歧义。适应性（Adaptability）允许大语言模型适应不同场景，生成符合目标受众需求的内容。引导性（Guidance）通过设定输出结构、示例或风格，引导生成符合预期的内容。可解释性（Explainability）确保生成的内容易于理解，具备逻辑清晰的解释。1.有监督学习基本方法（分类：决策树）3.1职业规划发展任务描述“我未来希望在哪个行业大放异彩？”“当前的优势和不足在哪里？”“如何通过大学期间的学习和实践不断完善自我？”

1.有监督学习基本方法（分类：决策树）3.1职业规划发展任务拆解1.有监督学习基本方法（分类：决策树）3.1职业规划发展任务实施步骤一：进入DeepSeek主页面；步骤二：点击“开始对话”，根据引导登录账号；步骤三：输入提示词，进行对话；步骤四：调整提示词直至得到满意的规划方案。1.有监督学习基本方法（分类：决策树）3.2完成个性化求职面试任务描述在正式面试前，小明需要先找到自己的目标岗位。这一次，他决定挑战“机械设计工程师”——一个既需要扎实的技术背景，又考验商业思维和创新能力的职业。他需要在短短五分钟内，通过一段个性化的自我介绍，让面试官相信：他，就是这个岗位的最佳人选！1.有监督学习基本方法（分类：决策树）3.2完成个性化求职面试任务拆解1.有监督学习基本方法（分类：决策树）3.2完成个性化求职面试任务实施步骤一：进入DeepSeek主页面；步骤二：点击“开始对话”，根据引导登录账号；步骤三：输入提示词，进行对话；步骤四：调整提示词直至得到满意的求职自我介绍。1.有监督学习基本方法（分类：决策树）4.1自然语言处理自然语言处理自然语言处理（NaturalLanguageProcessing，NLP）是人工智能领域的一项核心技术，旨在使计算机能够理解、解释、生成和与人类自然语言进行互动。它融合了语言学、计算机科学和统计学等多领域知识，通过对语法、语义、上下文等多维度信息的处理，使机器能够模拟人类语言的理解和表达过程，从而实现自动翻译、文本摘要、情感分析、问答系统等多种应用。1.有监督学习基本方法（分类：决策树）4.2自然语言处理的关键技术RNN：序列建模的基础RNN是最早用于NLP任务的神经网络之一，擅长处理序列数据。其核心特点是通过动态更新的记忆单元传递时序信息，使其能够捕捉上下文信息。

1.有监督学习基本方法（分类：决策树）4.2自然语言处理的关键技术Transformer：自注意力机制的革新该模型摒弃传统循环结构，转而采用自注意力机制（Self-Attention）——通过分析词语之间的关联度动态分配权重，使每个词都能直接与全文中任意位置的词建立联系，突破了RNN依赖序列计算的局限，使得模型能够并行处理文本数据。

1.有监督学习基本方法（分类：决策树）4.2自然语言处理的关键技术BERT：双向深度表示学习

BERT的出现进一步释放了Transformer的潜力。通过海量无标注文本的预训练，BERT学会构建双向语境下的词语表征，突破性地解决了传统词向量“一词一义”的局限性

。

1.有