1. 前言

今天分享的是提示工程(prompt engineering)，我們大概可以將其理解為用簡單明了的話告訴AI你需要什么，比如先講清任務(wù)，再加例子或背景，這樣AI才能更懂你，給出更準更有用的回答！

2025年注定不平凡，大模型百花爭放，閉源的守著自己的一畝三分地不斷深耕，開源的出來就是王炸，開源大模型以DeepSeek為首的尤其突出，隨后OpenAI，百度文心一言等相繼傳出部分大模型免費開放給用戶使用。。

普通老百姓現(xiàn)在能做的就是學(xué)會如何同人工智能交流，并得到你要的結(jié)果。

2. 如何向大模型提問

首先現(xiàn)在的大模型都是指令型大模型，也就是通過指令可以不斷訓(xùn)練出自己的大模型，因此我們應(yīng)該學(xué)習(xí)如何寫好指令讓大模型為我所用。

學(xué)好指令的關(guān)鍵就是理解指令，指令就是提示，即prompt，就是如何寫出一些提示，讓大模型足夠了解你的意圖，但是這樣往往還不夠，還得輸入上下文，情緒，樣例以及其他補充等。也就是說你給大模型給的信息越全，它越能夠理解你的意圖并輸出滿意的答案。

目前我們先根據(jù)大家接受的程度分別舉兩個例子，這倆例子就是簡單指令和coT(chain of Thought)思維鏈指令。

1）簡單指令

簡單指令就是我們可以通過一些基礎(chǔ)指令再加上一些上下文等方式給出，或者更簡單的講就是你給別人講一個事情，如果一句話不能說明白的，就把背景，期望等都加上，你能確保他能理解就行，如果還不能理解就繼續(xù)補充相關(guān)內(nèi)容。

例如：

圖片

幫我作首詩，這是我的任務(wù)同時也是一條指令，另外我也補充了上下文，關(guān)于元宵節(jié)活動并且還是五言律詩，因此模型毫無含糊給出了我想要的答案。

但是如果我不提供更多的上下文，那么很有可能輸出結(jié)果不是我想要的，例如：

圖片

因此寫好指令可以讓大模型能更懂你。

2）coT指令

思維連(coT)提示過程核心在于鼓勵大模型解釋其推理過程，主要思想就是通過像大模型展示一些少量的例子，在例子中解釋其推理過程，這樣的話大模型在回答提示時也會顯示推理過程，這種推理的解釋往往會引導(dǎo)出更準確的結(jié)果。

coT指令能解決簡單指令無法解決的問題，比如來自網(wǎng)友的一段簡單指令的截圖：

圖片

很明顯大模型給的答案是錯的，正確答案是選項2。

那正確的答案怎么得來呢？請看以下截圖：

圖片

就是在簡單指令的基礎(chǔ)上給出一些樣例并且解釋其推理過程，那么大模型就會自己按照coT給出自己的推理結(jié)果，這種答案幾乎是完美的，因此學(xué)好coT指令可以讓大模型像人類一樣思考，交出完美的答案。

3. prompt總結(jié)

其實學(xué)好prompt還有好多策略以及模板，如圖：

圖片

學(xué)好6個策略和2個模板之后，你就可以應(yīng)對復(fù)雜的場景任務(wù)，后續(xù)文章會詳細介紹。