《垂直领域大模型构建技术及行业应用》课件第2章-提示工程

第2章

提示工程汇报人:XXX目录

一提示工程基础知识02通用大模型能力边界四提示工程面临挑战与发展趋势三垂直领域提示工程应用技巧二提示工程主要类型目录

一提示工程基础知识02通用大模型能力边界四提示工程面临挑战与发展趋势三垂直领域提示工程应用技巧二提示工程主要类型一、提示工程基础知识（一）提示词定义一、提示工程基础知识（一）提示词定义一、提示工程基础知识（一）提示词定义提示词（Prompt）是用户提供给大模型的输入指令，用于指导其完成特定任务，既可以是自然语言表述，也可以是文本与图像等跨模态元素的组合。上下文任务说明问题输出格式一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。

明确大模型要执行的具体任务，例如：回答问题、文本生成、信息摘要、语言翻译或提供解释等。一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。了解所用大模型的特点与能力边界，不同大模型在处理特定任务时表现各异，掌握其优势与局限有助于设计更有效的提示词。一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。提示词应力求清晰具体、避免歧义，并提供充分上下文以辅助大模型理解任务要求。一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。将初始提示词输入大模型并分析输出结果，若结果未达预期，诊断原因并针对性调整提示词。需要多轮迭代。一、提示工程基础知识（一）提示词定义提示词创建的过程可分解为5个关键步骤：第一步：定义任务目标。第二步：理解模型能力。第三步：设计初始提示。第四步：测试与迭代。第五步：评估和优化。根据评估结果，进一步优化提示词以提升其性能与扩展其适用范围。一、提示工程基础知识（二）提示工程定义提示工程（PromptEngineering）是一门融合艺术与科学的学科，专注于设计和优化输入提示，通过精妙组合任务说明、上下文、问题描述及输出格式等要素，引导大模型输出准确且有深度的结果。

提示工程提供了一种高效且灵活的自然语言处理任务执行途径，它无需对模型进行微调，即可有效完成既定任务，从而避免了微调所需的高昂成本。一、提示工程基础知识（二）提示工程定义明确性提供上下文结构化输入示例驱动学习提示工程的核心原则通过精心设计的提示词，我们能够充分激发大模型的内在潜力，使其在垂直领域任务、数据增强、智能代理构建等多个领域发挥出卓越的性能。一、提示工程基础知识（三）提示工程原理通过设计提示词引导分词器生成最优Token序列，模型基于序列激活内部知识表示，经注意力机制处理后生成输出序列，最终反分词转换为可读文本。一、提示工程基础知识（三）提示工程原理大模型接收Token序列后，通过多层神经网络与注意力机制进行内部计算，激活对应知识路径并预测后续Token，逐步构建输出序列。模型处理机制一、提示工程基础知识（四）提示工程特点与优势必须设计与该领域深度耦合的有效提示，其中包含关键的领域术语、概念体系、推理逻辑或约束条件。领域依赖性01仅需精心设计或修改提示，就能让模型快速“切换角色”或“调整策略”，适应不同的任务需求和场景变化。灵活性02动态调整措辞、增加示例、强化特定约束、引入更明确的推理步骤、尝试不同的提示范式，可以提升大模型反馈的质量。可迭代性03目录

一提示工程基础知识02通用大模型能力边界四提示工程面临挑战与发展趋势三垂直领域提示工程应用技巧二提示工程主要类型二、提示工程主要类型（一）直接提示零样本提示依托大模型预训练知识，无示例直接响应新任务指令。零样本提示DeepSeek二、提示工程主要类型（一）直接提示零样本提示依托大模型预训练知识，无示例直接响应新任务指令。零样本提示提示词

请用通俗易懂的语言解释网络安全的基本概念，面向用户为普通大学生，要求逻辑清晰，一定程度上保留专业术语，字数控制在100字内。模型输

出

网络安全就是保护你的电脑、手机、网络服务和数据不被黑客攻击或偷窥。核心目标是确保信息保密、完整、可用。常见威胁有病毒、钓鱼、数据窃取；防御靠防火墙、加密、强密码和及时更新系统补丁。二、提示工程主要类型（一）直接提示少样本提示通过示例引导大模型理解任务，生成特定格式输出，适用于文本分类等场景。少样本提示任务说明（可选）：[简要描述任务目标，例如分类、问答、翻译等]输入输出格式示例：示例1：[示例1输入]→[示例1输出]示例2：[示例2输入]→[示例2输出]示例3：[示例3输入]→[示例3输出]待处理输入：{用户输入内容}二、提示工程主要类型（一）直接提示提示词对输入文本中的敏感个人信息（如姓名、电话、身份证号等）进行自动识别和脱敏处理：示例1：用户张三的电话是12300001000，地址是北京市朝阳区。→用户*某的电话是123****1000，地址是北京市朝阳区。示例2：李四的身份证号邮箱是lisi@。→李*的身份证号是110000********1234，邮箱是l***@。待处理输入：患者赵六（身份证需复查，联系电话12012345678，住址上海市浦东新区。模型输

出患者*六（身份证号310000********1234）需复查，联系电话120****5678，住址上海市浦东新区。少样本提示通过示例引导大模型理解任务，生成特定格式输出，适用于文本分类等场景。少样本提示二、提示工程主要类型（一）直接提示ReAct框架通过思考-行动-观察循环提升模型动态推理与决策能力。推理与行动请用ReAct方法逐步推理并回答问题。严格按格式输出：思考：[分析当前问题，规划推理步骤]推理：[详细推演过程，整合已知知识]行动：[执行具体操作来获取信息或解决问题]问题：{你的问题}（ReasoningandActing，ReAct）二、提示工程主要类型（二）链式提示首先，将复杂问题拆解为多个中间步骤，进而揭示模型处理复杂任务时的内部逻辑与推理路径。

通过模拟人类解决复杂问题的思维过程，引导大模型进行逐步推理。1.思维链二、提示工程主要类型（二）链式提示1.思维链逻辑连贯，步骤有序，大模型遵循预设路径逐步推理，整合问题描述、前提与常识完成结论推导。01按部就班模式审慎推进决策，每步评估现状后选择最优路径，通过三思验证问题分析与决策支持，确保推理可靠性。02三思后行模式融合多路径推理，整合不同观点与方法，通过自由联想与结果交叉验证，生成全面优化的决策方案。03集思广益模式二、提示工程主要类型（二）链式提示2.思维树基于树状分支结构模拟人类多角度思考，结合搜索算法与评估机制，动态筛选最优解，适用于复杂多步骤推理场景。思维树核心机制01将复杂任务拆解为子问题，通过样本启发与命令提示生成推理方向，支持多路径探索与决策。问题拆分与生成02量化评分时采用投票或打分模式筛选节点，非量化任务保留关键路径，最终通过动态搜索确定解决方案。评估与路径搜索03二、提示工程主要类型（二）链式提示3.自我反思01通过批判性评估识别答案缺陷，经自我修正优化结果，循环生成-评估-修正过程，确保输出高可靠性。02适用于代码调试、法律文书修订等需严格审查的领域，及实时数据分析等动态调整场景。03包含触发点、引导方向与行动建议三要素，支撑系统化反思流程设计与执行。自我反思机制应用场景核心要素结构二、提示工程主要类型（三）生成类提示1.最少到最多提示基于认知渐进理论，系统分解复杂任务，分阶段引导模型从简单到复杂逐步攻克问题。核心机制01通过动态传递机制提升模型在深度连贯性任务与结构化推理中的表现，强化长文本生成与连续推理能力。动态上下文优势02适用于长篇连贯文本创作、数学问题连续推导、疾病诊断分析、合同审查及网络安全策略部署等复杂任务。应用场景03支持人工分解问题后逐步引导模型生成，或通过指令触发模型自主拆解问题，利用前序答案整合解决方案。实施方式04二、提示工程主要类型（三）生成类提示2.知识生成提示要求大模型在回答问题时，首先生成与任务相关的知识片段，如事实、规则、原理等；然后，再基于这些知识片段生成问题的最终答案。适用于需要背景知识支撑的任务，如科学问题解答、技术文档撰写、法律条文分析等。二、提示工程主要类型（三）生成类提示3.自动提示工程适用于企业级AI客服系统多场景适配，支持跨模型指令自动生成，满足大规模提示词优化需求。应用场景03包含任务定义、输入上下文、输出规范、约束边界及优化迭代内容，确保提示词精准适配不同场景需求。核心提示词结构02通过模型生成候选提示词，动态评估筛选最优项，利用蒙特卡洛树搜索生成语义变体，循环优化直至收敛。自动提示工程框架01二、提示工程主要类型（四）图谱提示将知识图谱中的实体、关系、属性等结构化信息与问题结合，增强大模型对复杂逻辑和隐性关联的理解能力。通过三元组、实体关系网络等结构化知识库为模型提供背景知识，辅助其进行深度语义推理的提示工程技术。知识图谱引导二、提示工程主要类型（四）图谱提示通过显式定义实体间的因果关系、时空关系等关联规则，对模型的推理方向进行约束。实体关系引导推理首先，定义实体间的关系类型（如“属于”“反对”），构建关系约束矩阵。然后，通过预置逻辑规则（如“若A导致B，则B发生时间晚于A”）限制无效推理分支。最后，基于关系权重实时淘汰低相关性路径。目录

一提示工程基础知识02通用大模型能力边界四提示工程面临挑战与发展趋势三垂直领域提示工程应用技巧二提示工程主要类型三、垂直领域提示工程应用技巧（一）巧用领域术语指令清晰且详细的指令是获得高质量响应的基础，应用提示工程引导大模型解决垂直领域问题时，精准使用包含专业术语的提示指令是提升模型效能的核心突破口。描述任务细节给出依据来源列出所需步骤示例内容风格界定输出长度三、垂直领域提示工程应用技巧（二）扮演领域特定角色根据要完成任务的特定背景，赋予模型对应的身份角色，让模型模拟特定领域专家的思维模式和语言风格，引导模型按照用户所需的方向进行输出。角色扮演具体属性职责范围知识边界技能水平人格强化三、垂直领域提示工程应用技巧（二）扮演领域特定角色根据要完成任务的特定背景，赋予模型对应的身份角色，让模型模拟特定领域专家的思维模式和语言风格，引导模型按照用户所需的方向进行输出。角色扮演角色扮演提示格式："你是一位[身份]+[专业问题]"，适用人物或工具角色。三、垂直领域提示工程应用技巧（三）代入领域具体情景

通过有意识地将大模型“放置”于一个特定的、定义清晰的模拟情境之中，可以影响模型的输出表现、生成文本的内容实质、风格特征乃至价值倾向特定情境文化语境社会规范专业术语现实挑战三、垂直领域提示工程应用技巧（四）合理归纳提问复杂问题拆解追问在面对垂直领域的复杂问题时，可采取分而治之的策略：先将复杂问题拆解为若干个易于处理的子问题，通过对每个子问题进行独立求解，并进行结果汇总，达到有效解决原问题的目的。深入追问扩展追问反馈追问三、垂直领域提示工程应用技巧（五）善用思维链提示1.使用时机

考虑垂直领域任务类别、采用的大模型规模及其模型能力。对于数学计算、符号推理等复杂推理任务，可优先考虑使用CoT技术。

对于常识问答、文本分类等简单任务，采用直接提示类提示词足以取得较好的效果，采用CoT技术解决该类问题反而会引入新的复杂性。三、垂直领域提示工程应用技巧（五）善用思维链提示2.使用方法基础逻辑推理任务采用“按部就班”式CoT，通过“让我们逐步思考”等提示词引导模型展示完整推理步骤。基础逻辑推理01对高可靠性要求的任务，使用“三思而后行”和“集思广益”式CoT，要求模型通过严密推理或综合多角度得出结果。高准确度推理02针对创意思维任务，选用CoT方法在多个可能的思维路径中进行探索与选择，确保结果多样性。创意路径探索03三、垂直领域提示工程应用技巧（六）结构化领域提示提示中使用引号、项目符号、换行等元素，使得提示结构化，将领域知识、任务逻辑和输出要求系统化地嵌入提示设计，引导大模型像领域专家一样思考和输出。为模型准确定义角色身份分步骤对领域任务进行拆解上传领域文档引用领域数据三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词攻击（PromptInjection）是一种通过构造特定输入诱导大模型执行非预期行为的攻击方式，导致泄露数据、绕过权限等严重后果。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击直接提示注入攻击指攻击者直接向大模型输入精心设计的恶意提示词以绕过模型的内置保护，导致模型生成违反使用策略的有害内容。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击间接提示注入攻击则是一种利用文档、网页、图像等媒介将恶意指令隐匿其中，从而绕过大模型安全检测机制的攻击方法。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击指令覆盖攻击利用模型对新指令的优先级响应机制，要求模型忽略系统设定和之前的指令，直接输出原始提示词，导致系统指令、安全规则等敏感信息泄露。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击强制角色切换主要通过角色扮演绕过安全审查规则，采用虚构“安全测试”或“调试模式”场景的方式，诱导模型进入无约束状态，进而输出敏感保密信息。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击分步诱导泄露主要通过将敏感操作拆解为多步骤指令，以分散大模型安全检测的注意力，降低单次请求的威胁，实现逐步突破模型防御机制输出敏感信息的目的。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击编码混淆主要利用模型自动解析编码内容的能力，将恶意指令编码后嵌入输入，绕过关键词检测，诱导模型输出敏感信息。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击通过设计输入提示词，有意规避大模型的安全审核和伦理限制，最终诱导模型对有害问题进行有效回复的行为。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露攻击提示词越狱攻击提示词越狱攻击得以成功依赖于大模型的上下文学习能力和指令遵循能力，大模型无法严格区分系统指令与用户输入。三、垂直领域提示工程应用技巧（七）谨防提示词攻击提示词注入攻击提示词泄露