一、我为什么要学习提示词？
作为一个拥有六年多开发经历的程序员，过去一年中似乎有一个非常明显的变化：大家已经开始养成使用 AI 解决问题的习惯。
在以往的开发过程中，遇到解决的问题时，通常会通过 Google 或 StackOverflow 进行搜索，从大量文章中筛选可能有用的信息，耗费了大量时间。新人在面对不熟悉的知识时，往往向同事请教，而即使是经验丰富的员工，遇到复杂问题也需要在技术交流群里求助同行，或者向身边的同事和前辈寻求帮助，解决问题的时间单位 「以小时计」 。
自 ChatGPT 发布至今，越来越多的人开始转向使用 AI 工具来快速获取答案以求解决问题。之前挂在后台的 Google 搜索网页，也已经变成了 Claude、ChatGPT、Kimi... 无论是技术问题、信息搜索还是学习新知识，在对话框中输入提示词就可以获得回答。
国内各个大厂也在持续投入资源，通过 AI 提升现有业务的效率，或探索新业务的商业机会。在过去一年多的时间里，我也参与了多个利用 AI 提升业务效率的项目，切身感受到了这一次技术变革带来的机遇和挑战。
作为一个开发同学，AI 已经渐渐渗透了我的日常开发工作。 在代码开发前，通常要进行系分文档编写，需要使用 PlantUML 绘制各类 UML 图。过去，我们通常需要从官网复制示例代码，再进行修改。通常情况下，完成绘制一份系分文档中的 UML 图可能需要花费半小时甚至一小时。
现在，只需输入所需的 UML 图类型及相关描述，AI 就能直接生成 PlantUML 脚本，偶有细微差异，只需简单调整即可直接嵌入到设计文档中。
什么是提效？—— 半小时 -> 半分钟
尽管大家普遍已经开始了对 AI 工具的探索和使用，但是时常遇到问题：AI的回答与预期不符。面对这些不理想的回答，很多人只能感叹：难改、难调、难对齐，对着 AI 扔下一句不浓不淡的**「现在的 AI 真笨」**草草放弃。
二、揭开提示词的神秘面纱
提示词是当前我们与大语言模型交流的主要手段，也是一门提问的艺术。提示词工程则是帮助用户提出精准问题、获取有效答案并解决问题的过程，这一过程需要对提示词进行不断的调优，以逐步接近模型的能力上限。
通过添加 few-shot 等方法来优化模型 output ，或者使用各种提示词框架（如COSTAR、RACE、SPA等）完善提示词内容纬度是常见的提示词编写方式。如果将提示词比作代码，这些“战术技巧”更类似于我们熟悉的设计模式，如单例模式、策略模式、责任链模式等。但不了解原理，盲目套用框架、模式，只会让你的提示词越来越难调优。
想要写好提示词，需要站在解决问题的角度来看待整件事，需要先掌握“战略”层面提示词原则。 如果将提示词框架类比为设计模式，那么这些“战略”层面的原则就像开发同学所熟知的软件工程的经典原则：“高内聚、低耦合”、“隐藏复杂度”、“计算机领域的任何问题，都是可以通过新增一个间接的中间层来解决的”等，以及设计模式的七大原则。
编写提示词并非最终目的，它只是解决问题的一个关键步骤。提出好的问题，问题就已经解决了一大半。我们的核心目标是解决问题。因此，无论是日常场景还是业务应用中，都需要首先明确问题的定义，进而思考哪些任务适合交给AI处理，哪些适合通过编码实现，哪些又需要由人类完成。我们应当将适合AI处理的任务分配给AI，并将任务的复杂度拆解到AI能够胜任的程度。
在编写提示词时，我们应灵活运用各种行之有效的具体技巧，以确保提示词能够准确引导模型完成预期任务。
编写提示词后，还需要对模型的输出效果进行评估。当模型的回答不符合预期时，必须能够迅速分析原因，并通过不同的手段进行调整和优化。必要时，可以采取多轮调优的方式，提升提示词的精确性。
同时，我们需要意识到提示词的局限性 。当提示词已接近模型的能力上限，依然无法获得理想的结果时，可能需要考虑其他解决方案，如切换到更高级的模型、进行模型微调、采用多智能体协作，或重新评估任务拆解的合理性。通过这些手段，我们可以更有效地解决问题并优化工作流程。
如果把不同的大模型比喻是不同性能的汽车，那么提示词工程就像是驾驶技术。我希望自己可以学好提示词，更好地驾驭大模型模型，更好地帮助我解决问题，早日成为一名“老司机”。
我发现身边很多人都缺乏提示词的创作经验和调优经验。很多身边的朋友和同事也向我请教提示词相关的经验。因此，我将提示词经验完整总结到了掘金小册中：《系统掌握大语言模型提示词 - 从理论到实践》，链接：juejin.cn/book/739906…，大家感兴趣欢迎一起探讨和交流。
小册海报：
最后简单介绍一下我自己，我叫明明如月，目前在国内头部大厂担任软件工程师，讲师，业余时间衷于技术写作和知识分享，在掘金和慕课网发表了 3 个专栏。以下是我目前的一些主要个人标签：
- 6 年多头部大厂软件开发经验；
- 1 年多 AI 业务应用经验，拥有丰富的业务提示词调优经验和模型微调经验。信仰 AGI，已经将 AI 通过自定义 Chatbot /搭建 Agent 融合到我的工作流中。
- 头部大厂技术大学讲师，进行过多场内部 AI 相关直播分享，场均听众 2000+；
- 多个主流技术平台专家博主，全网粉丝量 7 万+，阅读量 500 万+；
- 多篇 AI 相关文章被阿里云技术社区、CSDN 等主流技术平台发布转载。
欢迎大家一起学习探讨提示词工程，写好提示词，让 AI 更“听话”，更快速获得想要的答案和更好地解决问题，获得更好地业务效果、创造更大的商业价值。
取代你的不是 AI，而是比你更擅用 AI 的人。希望大家通过提示词的学习，能够成为“更擅用 AI” 的一批人。
