飞浆：零代码创建Prompt应用实战课程笔记【持续更新中】

Prompt基本定义

驱动大模型进行表达的文本描述

1. 例1：画一幅画，呆萌的小猫躺在大泡泡中，可爱温柔，动漫风格，暖系色调，居中，面对镜头，虚拟引擎，棉花糖质感，光线追踪，机制细节，质感细腻，8K，超高清，超广角，极致清晰，丁达尔效应
2. 例2：请生成一张统计图，内容为：橘子10个，苹果20个，梨15个，猕猴桃10个
3. 例3：帮我撰写一个验证邮箱的正则表达式

Prompt入门公式

1. 我想你扮演一个【角色名称】，执行一个【任务名称】，以【格式类型】展示信息
   例如：我想你扮演一个【知名直播带货主播】,执行一个【编写一段带货口播文案，商品是口红，要求商品特点突出、语言生动有感染力】，以【Markdown】展示信息
2. Prompt=任务+生成主题+细节（可选）+形式（可选）

例：我希望你【充当讲故事的人】，你要想出一个【中华文化】的【童话故事】，要求【内容积极向上，与猫猫有关】。请用【广东话讲一下】

优质Prompt

1. 表达清晰：普通人也能明白其含义，少用特殊字符（不具备可读性）
2. 通用性强：在同类任务上，更换主体词后仍有不错效果
3. 生成稳定：相同提示词情况下，多次生成的内容足够稳定

提示词技巧

1. 细节法：给出更准确清晰的指令（细节、概括性术语等）
2. 分解法：将复杂的任务分解为更简单的子任务（CoTd等思想，Let’s think step by step）
3. 投票法：让模型给出多个结果，然后使用模型选择最佳结果（ToT等方法）
4. 示例法：提供一个或多个具体例子，提供输入输出示例（one-shot,few-shot等方法）
5. 角色法：让模型扮演某个专家、角色回答问题
6. 反思法：让模型在回答之后进行反思验证，说明理由（自我一致性等方法）
7. 记忆法：构件指令使模型时刻记住任务关键信息，确保不偏离任务解决路径（system级prompt等）

Prompt 优化原理

1. 定基础：优先保证任务+生成主体能够生成我们想要的效果。例“请写出一篇影评，电影名为《阿甘正传》”
2. 做强调：
   2.1 顺序：越靠后的需求描述越有可能“权重降低”
   2.2 强调词：描述某一点是自己非常看重的内容，增加“非常”、“强调”、“务必”等词汇来强调自己需求重要程度
   2.3 语言风格：优化个人语言表达，尽可能官方、清晰、有逻辑
3. 提预设。例“同样的方式也评价一下《肖申克的救赎》吧”、“和阿甘正传相比，谁的分更多呢？”
4. 戴高帽：实际上并不需要加一堆细节词，只需要加入一句“你就是游戏大作的特效师”就能得到很不错的效果，这就叫戴高帽（原理：调用相关数据标签）
5. 给提示：
   
6. 做假设：由于数据和采样策略的原因，我们很难保证大模型在生成时不会说胡话，那么使用“增加假设”的方式可以让模型在有些犹豫时不进行瞎说。例：“请给出布鲁弗莱高级技工村下午工作人员的变化情况，【如果你的数据存在问题，例如数据不准确、缺乏时效性等，那么可以给出否定答复，例如：目前没有相关数据可供参考。】”
7. 做检索：如需要绘制图片，则参考图片类网站中的相应检索词
8. 看优化 ：找相应的平台或工具对Prompt进行优化

常见应用场景与优化示例

1. 拿到应用场景后，先试着判断场景的任务特点，结合任务共性先优化一波
2. 再结合场景主体、应用场合的特点，对生成内容的需求做一些补充说明
3. 结合该场景下优质内容的来源特点，给大模型一些找信息的“灵感”

以营销场景中【产品海报背景图】生成为例，原始需求是【画一张海岛旅游产品的营销海报背景】

第一步 任务归类、复用该类别技巧

任务：“海报背景”属于AI作画任务
补充：AI作画这类任务的prompt通用技巧，如画风描述

第二步 补充主题特点信息，如判断具体什么画风合适

场景特点：“海岛”特点是不同于大都市的松弛体验
补充：能提现“松弛感”的画风描述，如明亮、手绘、二次元、卡通等

第三步补充应用场合特点信息

应用场合：“营销”、“海报背景”，往往需要后期加文案信息
补充：对画面的具体要求，如对画面结构的描述“画面中间空白、画面四周画上彩色云朵”

第四步 加上一段文案试试看效果，逐步迭代

以【办公效率场景中写文章】为例，原始需求是【写科普高血压患病因素的文章】

第一步：任务归类、复用该类别技巧

任务：“科普文章”属于AI文本生成类任务
补充：这类任务的prompt通用技巧，如：文章结构要求，做强调可能会让生成效果更好

第二步：补充主体特点信息

应用场合：“高血压”、“患病”，受众多位老年朋友
补充：对人群需求特点的具体描述，如通俗易懂；对文章易读性的要求描述，如请分段描述

第三步：补充应用特点信息

应用场合：“科普文章写作”
补充：能生产这类优质内容的生产者假设

以生活场景中【日常学习】为例，原始需求是【写转灰度icon的代码】

第一步：任务归类，复用该类别技巧

任务：代码生成
补充：这类任务的prompt通用技巧，如：细分业务逻辑，适合加“戴高帽”Trick

第二步：细分业务逻辑

逻辑：先转为常见的Icon大小32X32、然后再转为灰度，即可成为灰度icon的代码

第三步：增加Trick

图像处理代码生产者哪里找：“OpenCV”
补充：关于信息来源的描述，如“OpenCV的高手”

以生活场景中【日常学习】为例，原始需求是【给写完的代码做文档】

第一步：任务归类、复用该类别技巧

任务：要代码知识，这是知识问答类任务
补充：这类任务的prompt通用技巧，如：引导模型给出该领域专门内容信息

第二步：结合场景主体特点

需求要素：不同类型的文档呈现形态不一样
补充：生成一份API说明文档

第三步：准确给出题干

场景特点：代码相关文档说明，通常使用Markdown格式
补充：使用Markdown格式

面向场景开发

主要目标：让Prompt从能做好“单个案例”到能做好“具体场景”
以信息抽取场景为例，虽然相关案例之多，但其Prompt共性很强
例如：快递单信息抽取、邮箱地址抽取、日期信息抽取、商品属性抽取、评论观点抽取、处方内容抽取
你是一个【快递单信息】抽取模型，我将粘贴一段待抽取的文本，你需要通过对我输入的文本进行信息抽取，抽取字段是【“姓名”、“电话”、“地址”】。同时，如果我的输入内容存在问题，例如【信息不完善，非快递单信息】，那么可以给出否定答复，例如：输入内容存在错误（【】表示根据实际任务自行修改的内容）

学习prompt进阶教程推荐

1.《吴恩达：为开发人员提供提示工程》
2. 《微软：Prompt提示词工程介绍》
3. 《AiStudio基于大模型的优质Prompt开发课》
4. 《Prompt Engineering Guide》
5. 云上江树：《ChatGPT中文指南》、《LangGPT结构化提示词项目》、langGPT知识库

参考资料

飞浆：《基于大模型的优质Prompt开发课》、《零代码创建Prompt应用实战课》