Prompt 提示词详解

简介

提示词（Prompt） 是指向 AI 模型提供的输入信息，用于指导模型生成特定的输出。提示词可以是问题、命令、描述、上下文信息等，目的是引导模型按照用户的期望提供有意义、相关或准确的答案。

提示词的设计原则

提示词优化示例

优化前: "给我讲讲spring ai"

优化后的提示词: " 我是一个ai小白, 有着 java 的基础知识, 给我讲一下spring ai, 说说它和以前的 spring 有哪些不同, 我怎么快速上手, 再讲讲它的优势和不足"

提示词模板设计

提示词的基本结构: 角色+指令+上下文+输入数据+输出格式+约束条件+示例。

1. 指令（Instruction）：定义 AI 的角色和任务。
2. 上下文（Context）：为 AI 提供背景信息，帮助生成更相关的内容。
3. 输入数据（Input Data）：具体的用户输入。
4. 输出格式（Output Format）：约束 AI 的输出。
5. 约束条件（Constraints）：对生成内容施加限制。
6. 示例（Examples）：提供参考回答，帮助模型理解预期。

示例:

你是一个资深程序员,
请你回答我接下来的问题,
我最近在学习spring ai,
请给我讲讲关于如何对接到OpenAi,
要求代码必须准确, 能直接拷贝运行,
例如xxxx,
代码请用 java 输出.

Spring AI Prompt 介绍

Prompt 类是 Spring AI 提供的一个封装，用于定义与 AI 模型交互时的请求结构。通过 Prompt，你可以规范化对话的输入输出，控制 AI 的响应行为和格式。

基础用法:

Prompt 提示词

代码示例：

Prompt prompt = new Prompt("请给我将一个笑话");
chatClient.prompt(prompt).call().content();

ChatOptions 

字段解释:

代码示例:

ChatOptions chatOptions = ChatOptions.builder()
            .model("gpt-3.5-turbo")
            .temperature(0.7) 
            .maxTokens(100)
            .frequencyPenalty(0.5)
            .presencePenalty(0.5)
            .topK(50)
            .topP(0.7)
            .stopSequences(List.of("end"))
            .build();

PromptTemplate 提示词模板

PromptTemplate能够帮助我们创建结构化提示词，是Spring AI提示词工程中的关键组件，提示词模板采用占位符的方式，通过格式化的提问，规避ai回答随机性问题。
该类实现了三个接口：PromptTemplateStringActions、PromptTemplateActions和PromptTemplateMessageActions,这些接口的主要功能也有所不同：

代码示例:

String template = """
     请告诉我{author}最受欢迎的书是哪本？什么时间出版的？书的内容描述了什么？
    """;
PromptTemplate promptTemplate = new PromptTemplate(template);
Prompt prompt = promptTemplate.create(Map.of("author", author));
String content = chatClient.prompt(prompt).call().content();

响应结果：

刘慈欣最受欢迎的书是《三体》（The Three-Body Problem），2008年首次出版，《三体》是一部硬科幻小说，讲述了人类在接触到一个神秘的外星文明“三体文明”后，面临的生存与发展危机。

BeanOutputConverter 输出对象转换器

虽然上面的ai回答了我们的问题， 但是如果我们想处理响应数据却比较难，因为响应数据没有进行统一的格式化。例如我们想做数据入库的时候，还需要解析响应内容。

好在spiring ai 已经提供了相关的能力。下面是代码示例：

/**
 * 定义book对象
 */
@Data
public class BookResponse {
    private String bookName;
    private String authorName;
    private String publishDate;
    private String description;
}

    public BookResponse promptTemplateChat(String author) {
        String template = """
                        请告诉我{author}最受欢迎的书是哪本？什么时间出版的？书的内容描述了什么？
                        {format}
                """;

        // 构造 转换器对象
        BeanOutputConverter<BookResponse> converter = new BeanOutputConverter<>(BookResponse.class);

        PromptTemplate promptTemplate = new PromptTemplate(template);
        Prompt prompt = promptTemplate.create(Map.of(
            "author", author,
            "format", converter.getFormat()
        ));
        log.info("prompt: {}", prompt);
        String content = sensenovaChatClient.prompt(prompt).call().content();

        // 解析返回的结果
        BookResponse book = converter.convert(content);

        return book;

之所以能返回对象格式, 是因为 convert中的getFormat()方法指定了返回格式:

日志查看提问内容 ：prompt 格式:

{messages=[UserMessage{content='        请告诉我刘慈欣最受欢迎的书是哪本？什么时间出版的？书的内容描述了什么？
        Your response should be in JSON format.
        Do not include any explanations, only provide a RFC8259 compliant JSON response following this format without deviation.
        Do not include markdown code blocks in your response.
        Remove the ```json markdown from the output.
        Here is the JSON Schema instance your output must adhere to:
        ```{
          "$schema" : "https://json-schema.org/draft/2020-12/schema",
          "type" : "object",
          "properties" : {
            "authorName" : {
              "type" : "string"
            },
            "bookName" : {
              "type" : "string"
            },
            "description" : {
              "type" : "string"
            },
            "publishDate" : {
              "type" : "string"
            }
          },
          "additionalProperties" : false
        }```

', properties={messageType=USER}, messageType=USER}], modelOptions=null}

输出结果：

{
  "authorName": "刘慈欣",
  "bookName": "三体",
  "description": "《三体》是刘慈欣创作的科幻小说，讲述了地球文明与外星文明三体文明的首次接触和交流，以及之后两个文明间的冲突与战争。",
  "publishDate": "2008年"
}