**Prompt工程实战**章节介绍了如何通过优化提示（prompt）提升大语言模型（LLM）的输出质量。核心概念包括**基础技巧**、**高级技巧**和**常见错误**。基础技巧涵盖Zero-shot（直接提问）、Few-shot（提供少量示例）、角色设定、思维链（CoT）和输出格式约束，这些方法能显著提高模型在不同任务中的表现。高级技巧如ReAct（推理与行动交错）、自一致性（通过多次提问取最常见答案）和Re-ranking（生成多个候选后精选）则进一步提升了模型在复杂任务中的准确性和可靠性。此外，Function Calling技术允许模型生成结构化JSON，调用外部API进行操作。掌握这些技巧后，读者能够设计出高效的prompt，提升LLM在代码生成、文本分析、数据转换等任务中的表现。章节还总结了五个常见错误，如问题模糊、输出格式不明确等，并强调了使用测试集量化评估prompt质量的重要性。
Prompt 工程实战
同一个模型, 写不同的 prompt, 输出质量能差 10 倍。Prompt 工程 是用 LLM 的核心技能, 学会能让你立刻变成"prompt 高手"。
5 大基础技巧
1) Zero-shot:直接问
不给例子, 直接问:
把这段话翻译成英文: 机器学习是人工智能的一个分支。
模型输出: Machine learning is a branch of artificial intelligence.
适合: 简单、模型训练时见过的任务 (翻译 / 总结 / 分类)。
2) Few-shot:给几个例子
把中文翻译成英文:
例子 1: 你好 → Hello
例子 2: 谢谢 → Thank you
例子 3: 机器学习 → Machine learning
例子 4: 自然语言处理 →
模型输出: Natural Language Processing
3) 角色设定
你是一位经验丰富的 ML 工程师, 请用通俗易懂的语言解释过拟合。
要求: 200 字以内, 配一个生活类比。
LLM 会"进入角色", 输出的语气和深度会调整。
4) 思维链 (CoT): 一步步想
小红有 5 个苹果, 她给了小明 2 个, 又买了 4 个, 最后还剩多少个?
让我们一步步思考:
- 起始: 5
- 给小明: 5 - 2 = 3
- 买新: 3 + 4 = 7
- 答案: 7
加了 "让我们一步步思考" 这句, 准确率能从 40% 提到 80%。
5) 输出格式约束
让模型输出 JSON / 表格 / Markdown, 方便程序解析:
请分析以下评论的情感, 输出 JSON 格式:
{"sentiment": "positive" | "negative" | "neutral", "score": 0-1, "keywords": [...]}
评论: "这个产品真好用, 客服也很耐心, 强烈推荐!"
高级技巧
ReAct: 推理 + 行动交错
让模型先想, 再做, 再观察, 多轮迭代:
任务: 计算 23 * 47
Thought: 我需要计算 23 * 47
Action: 调用 calculator(23, 47)
Observation: 1081
Thought: 得到了答案
Final Answer: 23 * 47 = 1081
Function Calling 的雏形, 现在的 ChatGPT Plugins / GPTs 都基于这个。
自一致性 (Self-Consistency)
同个问题问 N 次, 投票选最常见的答案:
# 5 次独立 CoT 推理
answers = [gpt(prompt + "\nLet's think step by step") for _ in range(5)]
final = Counter(answers).most_common(1)[0][0]
数学题准确率能再 +5-10%。
Re-ranking
先让模型生成多个候选, 再用更精细的 prompt 选最好的:
步骤 1: 生成 5 个候选答案
步骤 2: 让模型根据准确性 / 创造性 / 简洁性排序
步骤 3: 选第 1 名
质量提升 +30%, 但 token 成本 x5。
Function Call:让 LLM 操作工具
2023 年起, OpenAI / Anthropic / 智谱都支持 Function Calling。模型输出结构化 JSON, 程序决定调什么 API。
tools = [{
"name": "get_weather",
"description": "查询某城市天气",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string"}
}
}
}]
response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": "北京今天热吗?"}],
functions=tools,
)
# 模型输出: function_call = {name: "get_weather", args: {city: "北京"}}
# 你的程序: 调 weather API, 把结果喂回给模型
实战模板
模板 1: 代码生成
你是 Python 专家, 请实现 {功能描述}。
要求:
- 代码风格遵循 PEP 8
- 包含类型注解
- 关键逻辑有中文注释
- 异常处理完整
- 函数末尾写一个简短的使用示例
# 你之前的代码:
{之前代码, 可选}
请输出完整代码, 不要省略。
模板 2: 文本分析
任务: 从以下文本提取关键信息, 输出 JSON。
文本: {text}
提取字段:
- 主题: 一句话
- 实体: 人名 / 地名 / 组织 / 产品
- 情感: positive / negative / neutral
- 关键数字: 列出 (上下文, 数字)
- 行动项: [动词, 负责人?, 截止时间?]
输出 JSON, 不要解释。
模板 3: 数据转换
把以下 CSV 数据转成 JSON 数组:
{csv}
要求:
- 数字字段保持数字类型 (不要带引号)
- 日期用 ISO 8601 格式 (YYYY-MM-DD)
- 布尔值用 true/false
- 只输出 JSON, 不要其他文字
5 个常见错误
❌ 错误 1: 问题太模糊
差: 解释一下 ML
好: 用 3 句话 + 1 个生活类比, 给高中生解释什么是机器学习
❌ 错误 2: 假设模型知道上下文
差: 修复这个 bug (附 200 行代码)
好: 下面这段 Python 在解析大文件时报 MemoryError, 帮我改成流式处理: [代码]
❌ 错误 3: 输出格式不明确
差: 列一下北京景点
好: 用 Markdown 表格列出北京 5 个 4A 以上景点, 列: 名称、地址、开放时间、票价
❌ 错误 4: 没给约束
差: 写一篇关于 AI 的文章
好: 写一篇 800 字关于 AI 在医疗领域应用的科普文章, 面向普通读者, 用 3 个真实案例
❌ 错误 5: 一次问太多事
差: 对比 Python/JS/Java/Go/Rust 的并发模型, 性能, 生态, 学习曲线, 适合场景
好: 用一个表格对比 Python 和 Go 在并发模型上的 3 个核心差异
评估 prompt 质量
不要凭感觉! 写 5-10 个测试 case, 量化对比:
test_cases = [
{"input": "...", "expected": "..."},
{"input": "...", "expected": "..."},
]
results = {
"prompt_v1": [score(gpt(prompt_v1.format(**c))) for c in test_cases],
"prompt_v2": [score(gpt(prompt_v2.format(**c))) for c in test_cases],
}
print(f"v1 平均分: {mean(results['prompt_v1']):.2f}")
print(f"v2 平均分: {mean(results['prompt_v2']):.2f}")
小结
- 5 基础: Zero-shot / Few-shot / 角色 / CoT / 格式约束
- 5 高级: ReAct / Self-Consistency / Re-ranking / Function Call / 模板
- 5 错误: 模糊 / 假设上下文 / 格式不明 / 无约束 / 一次问太多
- 永远用测试集评估, 别凭感觉
练习思考
- 把以下模糊 prompt 改具体: "帮我写个 Python 脚本处理数据"
- 设计一个 Few-shot prompt 让模型做"中译英风格转换 (正式 ↔ 口语)"
- 什么时候用 Self-Consistency? 什么时候不值得用 (考虑成本)?
章末小测验
检验你对《Prompt 工程实战》的掌握程度。
CoT (Chain-of-Thought) 的核心是?
Function Calling 解决什么问题?