- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI应用开发实践
提示词工程
事无巨细，提示词模板这块松哥也和大家做一个详细介绍。 本文基于 langchain。 一 优秀的提示词 什么样的提示词算优秀？ （所有细节混在一起） """ 这种提示词存在几个问题： 修改数据来源需要重写整个提示 无法复用趋势分析模块到其他行业 风险条款遗漏时难以定位 格式调整可能破坏内容逻辑 通过三层架构设计，可使复杂提示词的维护成本降低约 60%（根据 Anthropic 2023 年工程实践数据），同时生成质量稳定性提升 2-3 倍。 6.2.2 步骤说明 定义示例集：包含多个词语及其反义词的字典列表； 创建模板：格式化每个示例的展示方式； 初始化选择器：设置最大长度阈值； 构建动态提示模板：结合选择器生成最终提示词。 数据预处理：对示例进行词性标注/分类，辅助评估多样性 计算资源考量：MMR 时间复杂度为 O(kN)，大数据集需配合 ANN 算法加速 八 最大余弦相似度 8.1 背景 在 RAG（检索增强生成）场景中，提示词工程需要根据用户输入动态选择最相关的知识库示例
41610编辑于 2026-03-26 - 来自专栏Python编程爱好者
传统提示词工程将亡，全新提示词工程已至
现在，出现了一种全新的工具，它能够自动优化提示词。想象一下，在这个"AI 指导 AI"的魔法世界，提示词工程师们的价值将变得不再重要，毕竟机器可以自己就搞定这个工作。 让我们来想象一个"传统"的提示词工程师，面对着并非自己想要的大模型输出，只能通过不断的更改提示词来告诉 AI 到底需要做哪些事情。 如果你用 ChatGPT 来干活，那么 PromptPerfect 就是你的提示词工程师。 如果你用大模型来赚钱，基于它去开发应用，PromptPerfect 就是你的提示词 IDE。 提示词工程的 IDE —— PromptPerfect 提示词一键优化 在给大模型写提示词时，你只需给 PromptPerfect 一句“粗糙”的提示词，他就可以自 动优化为更加详细且大模型更容易理解的提示词 提示词工程的未来 随着大模型的不断发展，大量的 AI 应用不断涌现。 它们在各个领域中大放异彩，吸引着无数的 AI 技术爱好者争相体验。传统的工作模式正在发生改变，新的游戏规则即将书写。
1K10编辑于 2023-08-18 - 来自专栏云微的一点分享
提示词（prompt）工程指南（五）：ChatGPT 提示工程
在本节中，我们介绍ChatGPT的最新提示工程技术，包括提示、应用、限制、论文和其他阅读资料。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 主题： 提示词 （prompt）工程指南（五）：ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT简介 ChatGPT Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
3.3K31编辑于 2023-03-31 - 来自专栏老张的求知思考世界
提示词工程入门指南
这是一篇写给AI小白的提示词入门指南，篇幅较长，请耐心看完。 正如前面的文章《提示词能力：短期是刚需，长期是辅助》中所说：提示词工程长期只是辅助能力，但短期内确实是刚需。 六、提示词工程的实践案例 假设，你是一个AI初学者，想要学习提示词工程，你该如何利用Chatbot来寻找学习资料？下面是按照对AI的了解程度所可能用到的提示词： 新手：AI提示词工程。 初级：学习AI提示词工程的资料和方法。 中级：我是AI初学者，想要学习提示词工程，请列举出学习方法和实践步骤。 资深：我是一名软件研发工程师，也是一名AI初学者，想要学习提示词工程，并应用在日常工作场景。 对第五条提示词进行解析，可得： 明确目标：学习提示词工程。 角色设定：软件研发工程师，AI初学者。 提供上下文：提示词内容来源于官方或权威企业。
1.9K11编辑于 2025-10-10 图解AI：提示词工程
提示词结构 1. 用1 - 2个句子说明角色和高层级任务描述 2. 动态/检索到的内容 3. 详细的任务说明 4. 示例/少量样本（可选） 5. 重复关键指令（对很长的提示词特别有用 ） 完整结构参考下图： 示例： 你是一名AI旅行代理人，任务是根据用户输入创建个性化旅行行程。 如何在提示词中组织信息 杂乱无章的提示词会让大模型难以理解 使用类似 XML 标签的分隔符来组织内容 就像章节标题和页眉能帮助人类更好地梳理信息一样，使用 XML 标签 <<</>> 能帮助大模型理解提示词的结构 提示词工程 我们何时需要使用深度思考？ • 是让大模型有更多思考时间的绝佳第一步 • 追踪（思考）轨迹，了解大模型的思考方式 -> 利用这一点引导系统提示词 深度思考有哪些缺点？
8710编辑于 2026-06-22- 来自专栏云微的一点分享
提示词（prompt）工程指南（二）：基本提示
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com 作为一个提示工程师，您需要更好地提供更好的指令。但这还不是全部！您还会发现，对于更难的用例，仅提供指示是不够的。这是您需要更多地考虑上下文和提示中可以使用的不同元素的地方。 虽然如此，需要指出的是，目前的LLMs很难执行推理任务，因此需要更先进的提示工程技术。在下一篇指南中，我们将介绍这些高级技术。现在，我们将涵盖一些基本示例来展示算术能力。 在即将发布的指南中，我们将涵盖更高级的提示工程概念，以提高在所有这些更困难的任务上的性能。 、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https
3.2K41编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（三）：高级提示
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 主题： 提示词 （prompt）工程指南（三）：高级提示 零样本提示 少样本提示 Few-shot提示的限制 链式思考提示 零样本CoT 自一致性 生成知识提示 自动提示工程师（APE） ---- 零样本提示 今天训练有大量数据和调整能够遵循指示的 (2022)提出了一个名为自动提示工程（APE）的框架，用于自动生成与选择说明。 ---- 上一节（基本提示） 下一节（应用） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
2.4K12编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（一）：提示介绍
提示工程是一种相对较新的学科，专门用于开发和优化提示，以高效地使用语言模型（LM）来处理各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。 研究人员使用提示工程来提高LLMs在各种常见和复杂任务上的容量，例如问题解答和算术推理。开发人员使用提示工程来设计与LLMs和其他工具接口的强大而有效的提示技术。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com 例如，您可能有兴趣了解提示工程的概念。您可能尝试这样做： 解释提示工程的概念。保持解释简短，只有几个句子，并且不要过于冗长。 从上面的提示中不清楚要使用多少句子和什么样的风格。 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）：
2.9K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（四）：提示应用
在本指南中，我们将介绍一些高级和有趣的方式，利用提示工程来执行更有用和更高级的任务。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 目录： 提示词 （prompt）工程指南（四）：提示应用 生成数据 PAL（程序辅助语言模型） Python笔记本 ---- 生成数据 LLMs有强大的文本生成能力。 上一节（高级提示） 下一节（ChatGPT） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
1.7K21编辑于 2023-03-31 Prompt工程与系统提示词
第7篇：Prompt工程与系统提示词 设计高效的AI系统提示词 系统提示词是 AI 应用的灵魂，决定了 AI 的行为模式和响应质量。 本篇将深入剖析 Claude Code 如何设计和构建高效的系统提示词系统。 1. 系统提示词架构 1.1 优先级系统 Claude Code 采用 5 层优先级的系统提示词架构： // utils/systemPrompt.ts export function buildEffectiveSystemPrompt [])]) } 1.2 提示词组成 系统提示词结构 ├── 基础身份 (Identity) │ ├── 角色定义 │ ├── 能力描述 │ └── 工作目录信息 │ ├── 工具说明 (Tools 过长提示词 - 影响响应速度 2. 模糊指令 - AI 行为不可预测 3. 静态提示词 - 不适应上下文变化 4.
12410编辑于 2026-06-22Prompt-Engineering提示词工程
本节目标：掌握和大模型"沟通"的技巧，学会写出高质量的提示词，让AI给出你真正想要的回答。一、什么是Prompt？1.1通俗理解Prompt就是你发给大模型的文字指令。你怎么提问，决定了AI怎么回答。 ──────────────────┐│Prompt四要素│├─────────────┬───────────────────────────────────┤│角色│你是一个资深的Python开发工程师 练习2：代码审查展开代码语言：TXTAI代码解释任务：让AI像一个资深开发者一样审查代码Prompt参考：##角色你是一名有15年经验的高级软件工程师，擅长代码审查。 ─────────────────────────────────────────────┘十、扩展学习资源必读AnthropicPromptEngineeringGuide——Anthropic官方提示词工程指南 OpenAIPromptEngineeringGuide——OpenAI官方指南PromptEngineeringGuide——最全面的社区提示词工程教程（有中文）推荐LearnPrompting——交互式学习
60510编辑于 2026-04-30- 来自专栏人工智能
Agent开发入门：提示词工程
提示词工程这个名字，第一次听确实有点装。PromptEngineering，翻译过来叫提示词工程，好像突然从写业务代码变成搞研究了。说实话，我一开始也觉得，这不就是会不会提问吗？ 那一刻我才意识到，提示词工程不是写几句漂亮话，而是要让模型输出能进入系统流程。我这次基于GPT-5.5这类新一代模型的能力来讲。 提示词工程不是脱离工程环境存在的技巧。终于把最烦的一块讲完了。这部分我当初真的想直接关电脑。二、提示词的本质提示词Prompt，是用户或系统输入给大语言模型的完整上下文。 提示词工程PromptEngineering，是通过设计、组织、约束和迭代提示词，使模型输出更接近目标结果的一组方法。提示词不是代码。提示词不能像传统程序一样保证确定执行。提示词也不是咒语。 提示词不会因为写得玄学就变强。提示词的作用，是在模型生成结果之前，提供任务边界、语义方向和输出约束。模型会基于这些上下文进行生成，提示词越清楚，输出越稳定；提示词越模糊，输出越容易发散。
50531编辑于 2026-06-02 - 来自专栏云云众生s
超越提示工程：提示词与AI模型治理
除了实现、调优和提示工程这些模型以产生最佳结果外，精明的组织正在努力管治它们与用户的交互，以保护数据隐私、法规遵循和数据安全协议。 更大的问题在于能够管控不仅是用户在部署这些模型时在提示中插入的信息，还有模型引发的响应。 基础模型库治理 管治面向任意数量企业应用的各种基础模型的用户提示和模型输出的要点是在模型库中嵌入治理工具的能力。 随后，”无论输入的是什么提示，也就是问题，后端都有一个代理基本上来找我们，问这没问题吗，需要进行某种处理吗，”Loubser透露。“我们字面意义上快速查看提示，输出时也是如此。” 非结构化文本扫描 隐含在这种范式中的是基础治理系统扫描自然语言提示和语言模型输出并根据策略违规对其进行评估的能力。
34010编辑于 2024-03-28 从提示词工程到上下文工程
如下图所示提示词工程和上下文工程的对比，提示词是引导大模型去如何思考得到我们想要的信息，而上下文工程将智能体中的大模型输出的信息进行整合提炼或持久化管理，这二者不是相互替代的关系，而是相辅相成的关系。 02 — 上下文工程对智能体的重要性 文中提到了上下文会“腐烂”的观点。 这些现实意味着，深思熟虑的上下文工程对于构建有能力的智能体至关重要。 03 — 好上下文的4个配方 1、提示词：高信号、低噪音 不要在提示词中写“if A 且 B 且 C 则执行 D”的脆弱逻辑；也不要只说“请尽量做好”。 05 — 结语 提示词时代，我们像搭讪高手，用一句话吸引模型； 上下文时代，我们像电影导演，用整场戏讲好故事。
16110编辑于 2026-06-22- 来自专栏机器人课程与技术
提示词工程让儿童编程轻而易举
chatgpt_ros chatgpt_ros_service ---- chatgpt turtlesim https://github.com/mhubii/chatgpt_turtlesim 提示词 当今机器人技术面临的挑战，以及 ChatGPT 如何提供帮助 当前的机器人管道始于工程师或技术用户，他们需要将任务的要求转换为系统代码。 工程师坐在循环中，这意味着他们需要编写新的代码和规范来纠正机器人的行为。 PromptCraft，一个用于LLM + Robotics研究的协作开源工具 良好的快速工程对于LLM如ChatGPT在机器人任务中的成功至关重要。 为了解决这一差距，我们推出了PromptCraft，这是一个协作式开源平台，任何人都可以分享不同机器人类别的提示策略示例。我们发布了本研究中使用的所有提示和对话。我们邀请读者贡献更多！
65720编辑于 2023-07-11 - 来自专栏小巫技术博客
第02期·Prompt提示词工程
DAILY AI KNOWLEDGE ✍️ Prompt 提示词工程 每天搞懂一个 AI 知识点 · 第 02 期 2026.3.29 什么是 Prompt？ Prompt（提示词），就是你给 AI 说的话——但不是随便说，而是有技巧地说。 Prompt 工程（Prompt Engineering） 研究「如何用最有效的方式跟 AI 说话，让它给出最好的回答」的学问。 给出修复建议，并说明修复后的优势 ️ 5 大核心提示技巧 1. 角色扮演（Role Prompting） 给 AI 一个明确的"身份"，它会以这个身份的视角和知识体系来回答。 2. 少样本提示（Few-shot Prompting 给几个例子，AI 会模仿你的格式和风格。 3.
46410编辑于 2026-03-30 - 来自专栏韩曙亮的移动开发专栏
【AI 大模型】提示工程 ③ ( 提示词用法 | 提示词 Prompt 构成 | 提示词位置对权重的影响 | 提示词 Prompt 调优 | OpenAI 的 API 类型 | 提示词重要参数说明 )
一、提示词用法 提示词 Prompt 的 两种用法 : 直接提问 : 直接向 GPT 大模型提问 , 得到一个具体问题的答案 , 如 : XXX 错误如何处理 ; 集成应用 : 将 提示词 Prompt 集成到自己开发的应用程序中 , 结合自己公司的实际业务状况 , 生成与自己业务相关的一系列提示词 , 如 : 基于公司的一套知识库 + GPT 大模型 进行使用 ; 二、提示词 Prompt 构成 1 、提示词构成 提示词 Prompt 构成 : 指定角色 : 为 大模型 指定一个角色 , 明确指出 " 你是一个 XX " 是很有用的 ; 如 : 你是一位软件工程师 , 请写出 XXX 代码 ; , 必须放在最前面 , 已经有论文研究过了 , 指定角色提示词放在最前面 , 生成的结果最准确 ; 大模型 对 提示词 Prompt 开头和结尾的文本更加敏感 , 最重要的内容要放在开头和结尾 , 开头 , 每当 通过 提示词 得到的结果不满意 , 我们就对 提示词 进行迭代修改 , 不断进行调优 , 直到得到 令我们满意的输出为止 ; 1、结合 训练数据 写提示词 知道训练数据 : 了解 提示词 的
2.3K33编辑于 2024-07-14 - 来自专栏三木的博客
Claude Code源码分析之提示词工程
在 LLM 应用开发中，系统提示词（System Prompt）的管理往往是一个容易被忽视的工程痛点。 本文基于 Claude Code 泄露出来的源代码（主要覆盖 src/QueryEngine.ts 及 src/utils/ 等核心模块），从工程视角拆解其提示词管理的系统架构。 其核心设计理念包括：极致的模块化解耦、对 Prompt Caching（提示词缓存）的深度优化、多级路由调度机制以及并发的上下文组装。 1. 此时，大模型会被注入一套专门的“调度员”提示词，让它不要去死磕代码，而是专心做进度统筹和任务派发。 一方面对职责模块进行了细粒度拆分，满足了多样化的智能体运行模式需求；另一方面又针对模型基础设施（如 Prompt Cache）进行了静态提示词与动态提示词的隔离。
2.2K20编辑于 2026-04-04 - 来自专栏鱼皮客栈
提示词工程已死，Loop Engineering 称王
下面简单梳理一下这条进化路径： 1、提示词工程 Prompt Engineering（2022 ~ 2024） 关注的是怎么通过对话让 AI 听懂你的需求。 提示词工程解决的核心问题是「AI 答非所问」，掌握了提示词的写法之后，输出质量能提升一大截。 2、上下文工程 Context Engineering（2025） 光写好提示词还不够，AI 还得了解你的项目背景才能给出靠谱的回答。 上下文工程关注的就是怎么 在对的时候把对的信息喂给 AI。 这次也不例外，不少人在喊：提示词工程已死，Loop Engineering 才是未来！ 但其实 Loop 不是取代提示词的，它是建立在提示词、上下文、Harness 这些基础之上的。 最后哔哔 总结一下，从提示词工程到 Loop Engineering，AI 编程的自动化程度越来越高了，也确实在一步步解放我们的双手和注意力。
21200编辑于 2026-06-23 - 来自专栏大模型应用
逆向提示工程深度解析：理解反推提示词PRE技术核心逻辑，轻松还原AI提示词.140
两者并非对立，而是互补关系：正向提示工程用于创造，反向提示工程用于学习、复刻、优化与审计。从技术本质上看，RPE并不直接读取模型权重或内部状态，而是将大模型视为一个黑盒函数：输入 提示词，输出结果。 总而言之，反推提示词技术是大模型应用从粗放使用走向精细可控的关键技术之一，它让提示变成可分析、可复现、可迭代的工程化能力。 这类约束通常不会直接体现在内容中，但可通过输出的稳定性、合规性反向推断，是工程化提示词必备的部分。3. 降低提示工程门槛1.1 传统提示工程的挑战 大模型的能力释放高度依赖提示词，但优质提示工程具有一定学习成本。许多用户在使用大模型时面临提示词设计困难，需要反复试错才能获得满意结果。 2.2 RPE的优化机制 反推提示词技术通过对高质量结果的逆向分析，提炼出强约束、高对齐度的指令结构，反向优化正向提示工程。
21010编辑于 2026-06-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号