玩转大模型——提示词库

什么是提示词

提示词（Prompt） 是指用户输入给语言模型（如 GPT、DeepSeek 等）的文本指令或问题，用于引导模型生成特定的输出。提示词是用户与语言模型交互的核心媒介，直接影响模型的生成结果。以下是关于提示词的详细介绍：

1. 提示词的作用

• 引导模型：提示词告诉模型用户想要什么类型的输出。例如，提问、生成文本、翻译、总结等。
• 控制生成内容：通过设计提示词，用户可以控制生成内容的风格、格式、长度等。
• 激发模型能力：好的提示词可以充分发挥模型的潜力，生成高质量的输出。

2. 提示词的组成

提示词通常包括以下几个部分：

• 指令：明确告诉模型要做什么。例如：
  • “写一篇关于人工智能的文章。”
  • “将以下英文翻译成中文：…”
• 上下文：提供背景信息或上下文，帮助模型更好地理解任务。例如：
  • “假设你是一位历史老师，请解释第二次世界大战的原因。”
• 示例：提供输入输出的示例，帮助模型理解任务格式。例如：
  • “输入：苹果。输出：一种水果。”
• 约束条件：限制生成内容的范围或格式。例如：
  • “用 100 字总结以下内容。”
  • “生成一首五言绝句。”

3. 提示词的类型

根据任务的不同，提示词可以分为以下几类：

• 问答型：直接提问，要求模型回答问题。例如：
  • “地球的半径是多少？”
• 生成型：要求模型生成文本。例如：
  • “写一篇关于环保的短文。”
• 指令型：明确告诉模型执行某个任务。例如：
  • “将以下句子翻译成法语：…”
• 对话型：模拟对话场景，要求模型扮演某个角色。例如：
  • “假设你是一位医生，请回答患者的提问：…”
• 推理型：要求模型进行逻辑推理或分析。例如：
  • “如果 A > B，且 B > C，那么 A 和 C 的关系是什么？”

4. 设计提示词的技巧

• 明确具体：提示词应尽量清晰、具体，避免模棱两可。例如：
  • 不好的提示词：“写点东西。”
  • 好的提示词：“写一篇 300 字的文章，介绍人工智能的发展历史。”
• 提供上下文：如果任务需要特定背景知识，应在提示词中提供。例如：
  • “假设你是一位经济学家，请解释通货膨胀的原因。”
• 使用示例：对于复杂任务，可以提供输入输出的示例。例如：
  • “输入：我喜欢吃苹果。输出：I like eating apples.”
• 分步引导：对于复杂任务，可以将提示词分解为多个步骤。例如：
  • “第一步：列出三个主要的环境问题。第二步：针对每个问题提出解决方案。”

5. 提示词的重要性

• 影响输出质量：提示词的设计直接影响模型的生成结果。一个好的提示词可以显著提高输出的准确性和相关性。
• 节省时间：清晰的提示词可以减少模型的试错次数，节省用户的时间。
• 提高效率：通过优化提示词，用户可以更高效地利用模型的能力。

6. 示例

以下是一些提示词的示例：

1. 问答型：
   • “太阳系中有多少颗行星？”
2. 生成型：
   • “写一篇关于气候变化的短文，字数不超过 200 字。”
3. 指令型：
   • “将以下英文翻译成中文：The quick brown fox jumps over the lazy dog.”
4. 对话型：
   • “假设你是一位导游，请向游客介绍巴黎的著名景点。”
5. 推理型：
   • “如果所有的猫都会飞，而汤姆是一只猫，那么汤姆会飞吗？”

7. 总结

提示词是用户与语言模型交互的核心工具，通过设计清晰、具体的提示词，用户可以引导模型生成高质量的输出。掌握提示词的设计技巧，可以显著提升语言模型的使用效果。如果你有更多关于提示词的问题，欢迎继续提问！

提示词库

deepseek prompt-library

提示词库的网站很多，这里推荐一个deepseek自家的。
https://api-docs.deepseek.com/zh-cn/prompt-library/

prompt100

参考资料

DeepSeek从入门到精通-清华pdf