做一个有温度和有干货的技术分享作者 —— Qborfy
前面我们在02篇 AI从零开始 - 部署本地大模型 DeepSeek-R1中学习如何搭建本地大模型，本篇我们学习如何使用Prompt提示语，来让 AI 返回结果更加有符合我们所需要的效果。
1. Prompt提示语基础学习
在很多AI学习的文章中，我们都会看到Prompt提示语，那么Prompt提示语是什么，有什么作用呢？
在OpenAI的官方文档中，对Prompt提示语的解释是：
Prompt: A prompt is a short text that is used to guide the model's output. It can be used to provide context, specify the desired output format, or even to control the model's behavior. 翻译中文则是“Prompt: Prompt是一种用于指导模型输出的短文本。它可以用于提供上下文、指定所需的输出格式，甚至可以用于控制模型的行为。”
我们简单理解一下，Prompt提示语就是，我们给模型输入一段文本，告诉模型，我们想要什么结果，模型就会按照我们的要求，生成我们想要的结果。
一个规范的提示语，有几个关键的组成部分:
- 角色: 是指希望 AI 在完成任务时所扮演的身份或视角。通过定义角色，可以让 AI 的输出更具专业性、针对性或特定风格。
- 上下文: 是提供给模型的背景信息或对话历史，它像一条线索链，帮助 AI 更好地理解当前任务的关联性和具体要求。
- 指令/任务: 是希望 AI 执行的具体操作的核心陈述。它是提示语的“行动命令”，直接影响输出的方向和形式。
- 范例: 是提示语中最直观的示范材料，它能像教学案例一样具象化你的需求，降低沟通歧义。
- 输出格式: 就像为AI搭建一个展示成果的舞台框架，它决定了信息的组织方式和最终呈现形态。合理设置格式可以提升信息传达效率，尤其适用于需要结构化数据的场景。
接下来，我们针对不同的提示语分别了解一下提示语不同组成部分的作用。
1.1 角色
为什么需要设置角色？
想象你要拍一部电影：
- 无指定角色：演员自由发挥，可能不符合剧情需求；
- 明确角色：导演指定演员演医生、侦探或喜剧人，表演会更贴合剧本。
同样，赋予 AI 角色相当于让它戴上不同的“职业帽子”，输出效果会有显著差异！
如何通过角色优化提示语？
1️⃣ 专业型角色
当需要权威性或技术性内容时，可指定专家身份：
- ❌ 普通提问：
"告诉我如何减肥。" - ✅ 角色限定：
"假如你是营养学教授，为一名BMI超标的上班族制定安全减重方案，需包含饮食、运动和心理调节建议。"
2️⃣ 创意型角色
激发 AI 的故事力或艺术性表达：
- ❌ 通用请求：
"写一首诗。" - ✅ 角色+风格：
"模仿李白的浪漫主义风格，以‘人工智能与月亮’为主题，写一首七言绝句。"
3️⃣ 中介型角色
让 AI 模拟特定对象的口吻：
- ❌ 直白需求：
"教孩子刷牙。" - ✅ 角色转换：
"你是一只爱干净的卡通兔子，用儿歌和拟声词教3岁小朋友正确的刷牙步骤。"
角色的进阶用法
- 多重角色协作：
"你既是编剧又是影评人。先为科幻短片《火星幼儿园》写一个大纲，再从观众角度分析它的创新点和风险。" - 反向角色训练：
"你现在是小学生，我来教你勾股定理。如果我讲解不清楚，请随时提出幼稚的问题。"
注意事项
- 🎯 角色与目标一致：避免让诗人写代码，或程序员作抒情诗（除非刻意制造反差）；
- 📝 细化角色特征：年龄、行业、性格等描述越具体，输出越生动；
- 🔄 动态调整角色：同一对话中可通过指令如“现在切换为经济学家身份”改变 AI 应答模式。
小练习✨
优化以下提示语，加入角色设定：
❌ 原句："介绍一下太阳能的好处。"
✅ 参考答案："假设你是环保机构的科普讲师，用通俗易懂的语言向农村老人列举太阳能的3个实际优点，避免使用专业术语。"
通过角色设定，你能像导演指挥演员一样，精准调动 AI 的能力边界和表达风格🎭。试试给你的下一个提示语“发一张工作证”吧！
1.2 上下文
为什么要关注上下文？
假设你和朋友聊天：
-
没有上下文：
你突然说："好的，明天见！"
朋友会困惑："明天要见面吗？约在哪里？" -
有上下文：
你先说："周末想去看电影吗？" → 朋友回复："好啊，看哪部？" → 你再答："《奥本海默》怎么样？明晚7点万达影院。" → 最后说："没问题，明天见！"
（通过多轮对话建立清晰的情境）
同理，AI 需要足够的上下文才能精准回应你的需求。
如何在提示语中添加上下文？
1️⃣ 单次提问中提供背景
-
❌ 模糊提问：
"这段话翻译成英文。"
（AI 不知道原文用途、语气或专业术语是否需要调整） -
✅ 带上下文的提问：
"这是一份医疗器械说明书的技术参数部分，请用专业学术英语翻译以下中文段落，保留术语缩写：[附上原文]"
2️⃣ 多轮对话中延续上下文
-
第一轮：
"我想写一封辞职信，模板太正式了，能帮我改得温和一些吗？"
AI 生成初稿。 -
第二轮：
"谢谢！请在结尾加一句‘感谢团队过去三年的支持’，并用口语化词汇替换‘因个人职业规划’这句。"
（AI 会根据前文调整，而不是重新生成无关内容）
3️⃣ 隐式上下文的利用
即使不主动说明，AI 也会根据输入内容自动推断隐含信息。例如：
- 你输入："李白是谁？" → AI 默认回答诗人身份。
- 若你输入："王者荣耀里的李白技能怎么用？" → AI 会自动切换到游戏角色解析。
上下文的常见误区
-
🚫 信息过载：堆砌无关细节会让 AI 迷失重点。
✅ 技巧：只保留与任务强相关的背景。 -
🚫 断层跳跃：在多轮对话中突然切换话题而不重置上下文。
✅ 技巧：新任务开始时可以说"现在我们需要讨论另一个问题……"
小练习✍️
优化以下缺乏上下文的 Prompt：
❌ 原句："解释一下量子力学。"
✅ 优化后："我是一名高中生，刚学完原子结构章节，请用比喻和日常例子简单解释量子力学中的‘叠加态’概念。"
通过合理控制上下文，你可以让 AI 的输出更贴近真实需求，就像给导航软件设定起点和终点一样重要 🌟
1.3 指令/任务
指令的本质是什么？
如果把 AI 比作员工，那么指令就是你布置的工作任务。
-模糊指令 = “整理这份资料”（员工不确定按什么标准分类或呈现）
-清晰指令 = “将会议纪要中的待办事项提取出来，按优先级排序，标记负责人和截止时间”（明确动作、规则、交付形态）
如何设计有效指令？
1️⃣ 动词先行 + 结果导向
直接用动词开头，声明核心任务类型：
- ❌ 笼统请求：
"关于气候变化的数据。" - ✅ 明确指令：
"对比近十年全球碳排放量变化趋势，用柱状图数据表格展示，标注主要国家增减幅度。"
2️⃣ 区分任务层级
- 基础操作类（单一动作）：
"将以下英文论文摘要翻译成简体中文。" - 综合分析类（多步骤处理）：
"阅读这三篇社会学的田野调查报告，总结研究方法共性，批判性分析其样本选择偏差风险。"
3️⃣ 约束条件绑定
附加限制条件缩小任务范围：
-"用小学生能理解的比喻，解释区块链原理（不超过100字）"
-"生成5条七夕节珠宝促销朋友圈文案，要求押韵，每条附带表情符号🌹💎"
典型错误与修正
| 问题类型 | ❌ 低效示例 | ✅ 优化思路 |
|---|---|---|
| 缺少主指令 | "我觉得最近经济形势不太好……" | ➡️ 补全动作："分析当前CPI上涨对普通人消费的影响，并提出3条省钱建议。" |
| 多指令混杂 | "总结这本书并推荐类似书籍再写个书评" | ➡️ 分步拆解： 1. 用三句话概括《人类简史》核心观点 2. 推荐3本同主题著作并说明理由 3. 撰写200字幽默风格短评 |
| 指令过泛 | "写一篇关于人工智能的文章" | ➡️ 精准聚焦： 1. 用一句话概括人工智能技术发展现状 2. 介绍人工智能在医疗、金融、教育等领域的应用 3. 分析人工智能对人类社会的影响 |
| 指令过细 | "用表格展示2023年Q4各品类销售数据" | ➡️ 精简概括： 1. 用柱状图展示各品类销售额占比 2. 用折线图展示销售额变化趋势 3. 用饼图展示各品类销售额占比变化趋势 |
高阶技巧
- 隐性指令传递：
通过示例暗示任务要求（如提供已排版文本让 AI 模仿格式） - 元指令调控：
预先约定响应规则（例："所有回答先用一句话总结结论，再用分点论述"）
小练习
改写以下模糊指令：
❌ 原句："处理这些客户反馈。"
✅ 参考方案："从2023年Q4投诉邮件中统计出现频率最高的前5类质量问题，用饼图可视化占比，并提出改进措施关键词。"
清晰的指令如同GPS坐标，能让 AI 准确抵达目的地📍。记住：不要问AI能做什么，而是告诉TA该怎么做。
1.4 范例
为什么需要提供范例？
试想两种学习方式：
- 纯文字描述：
"画一只猫，要有科技感" - 图文对照：
"参考这张赛博朋克风格的机械猫设计图（附图），保持齿轮关节和荧光线条的特征，但把瞳孔改成三角形"
显然第二种方式更能锁定预期效果。范例就是给AI的视觉锚点或样式模板。
何时需要使用范例？
1️⃣ 风格迁移
当涉及抽象审美或文体要求时：
- ❌ 语言描述困难：
"我想要复古的海报字体" - ✅ 图片+文字说明：
"参照这张1950年代电影海报的字体风格（附图），为咖啡馆店名'旧时光'设计LOGO，保留斑驳纹理但不做褪色处理"
2️⃣ 复杂格式规范
需要结构化输出时：
- ❌ 纯文本要求易出错：
"按照学术期刊格式调整参考文献" - ✅ 提供模板示例：
# 目标格式示例： [1] Author A, Author B. Title[J]. Journal Name, 2023, 10(2): 25-30. DOI:xxxx # 待处理的原始文献： Smith J et al. Climate Change Impacts... (后续略)
3️⃣ 语义校准
防止专业领域用词偏差：
- ❌ 泛化表述：
"写芯片制造工艺的创新点" - ✅ 对标样例：
"仿照下面这段光刻技术突破的描述（附范例），用相同技术文档结构说明3D封装工艺的优势：
【范例】极紫外光刻(EUV)通过...实现了线宽微缩至7nm以下...(下略)"
范例的使用技巧
| 方法 | 应用场景 | 实例 |
|---|---|---|
| 正反例对比 | 明确质量红线 | "广告标语要像例句A这样突出产品功能，避免例句B空洞的情感词" |
| 渐进迭代 | 持续优化输出 | 首轮提供基础范例→收到初稿后追加修改意见："请参考新范例增加数据对比模块" |
| 跨模态引导 | 打通不同表现形式 | 上传手绘流程图草图并要求："将此逻辑转化为PPT图示，配色参考附件企业VI手册" |
注意事项
- ⚠️ 版权风险：避免直接复制受保护的内容作为范例
- 💡 适度精简：关键片段优于完整长文（特殊需求除外）
- 🔄 动态更新：长期使用时定期刷新范例以防模型过拟合陈旧模式
小练习🔧
优化以下提示语：
❌ 原句："帮我想几句婚礼祝福语"
✅ 升级版：
请模仿这个获奖贺词的排比句式（附范例），创作3句适合长辈致辞的中式婚礼祝福语，每句以"一愿"开头，融入梅兰竹菊意象：
【范例】
"一愿你策马山河，青春不改凌云志
二愿你执笔星辰，热血常存赤子心
三愿你回望征途，笑颜永似少年时"
用好范例就如同给AI配备了「临摹字帖」，能大幅提升输出质量的稳定性和精确度✨ 下次遇到抽象需求时，记得问自己：能否找到一个具体参照物来示范？
1.5 输出格式
为什么要规定输出格式？
设想你需要一份报告：
- 无格式要求：
AI可能返回杂乱的长段落，关键信息被淹没 - 有格式约束**:
"用Markdown表格对比iPhone14/15参数，分为屏幕、摄像头、电池三列，最后添加优缺点总结栏"
后者不仅便于快速扫描比较，还能直接复制到文档中使用，节省二次编辑时间。
常见格式类型及应用
| 格式类别 | 适用场景 | 示例指令 |
|---|---|---|
| 自然段落 | 故事创作、观点阐述 | "用三个连贯段落描述未来城市交通，每段以设问句开头" |
| 结构化列表 | 要点罗列、步骤说明 | "列出5种提高记忆力的科学方法，每个方法含①原理简述②实操步骤③每日耗时" |
| 表格/图表 | 数据对比、参数分析 | "创建对比表显示各省GDP增速，包含排名、省份名称、2022vs2023增长率、变化幅度" |
| 代码块 | 编程辅助、公式展示 | "用Python代码演示线性回归预测房价，要求包含注释和matplotlib可视化部分" |
| 对话体 | 情景模拟、访谈记录 | "编写客服与顾客关于退换货政策的对话，体现专业性与共情力，交替发言至少8轮" |
格式设计四要素
1️⃣ 层次分明
- 使用标题分级：
"# 年度总结\n## 业绩亮点\n### 客户增长" - 添加序号标识：
"解决方案分三点呈现：⑴...⑵...⑶..."
2️⃣ 留白控制
- 限制长度：
"每个论点阐述不超过50字" - 空行分隔：
"章节之间用---分割"
3️⃣ 标记强化
- 重点标注：
"关键技术名词用粗体表示" - 颜色提示（支持渲染的平台）：
"盈利数据标为绿色，亏损标红色"
4️⃣ 交互适配
- 平台兼容：
"输出格式兼容微信排版，无需Markdown语法" - 设备优化：
"生成适合手机竖屏浏览的信息图文案"
经典组合技
- 格式嵌套：
"先以时间轴形式梳理辛亥革命大事件（年份+事件+影响），再用SWOT分析法总结历史意义" - 动态格式：
"根据输入内容自动选择最佳呈现方式：争议话题用正反方辩论体，客观知识用问答体"
避坑指南
- 🚫 过度格式化：简单的天气查询不需要五级目录
- ✔️ 格式验证：添加自检指令如"请确保JSON格式有效"
- 🌐 编码统一：跨境使用注明"所有计量单位采用公制"
实训练习📝
优化下列提示语：
❌ 原句："说说新能源汽车的优点"
✅ 格式增强版：
请按以下框架组织内容：
# 新能源汽车优势分析
## 环境效益
- 减排表现 ▸ 量化数据对比燃油车
- 噪音控制 ▸ 城市道路实测分贝值
## 经济效益
- 补贴政策 ▸ 2023最新购置税减免额度
- 维保成本 ▸ 三年周期预估费用表
► 最后用[❗]符号标注最具颠覆性的创新点
掌握格式设计就相当于获得了信息整形术——同样的内容经过精心排版，价值感知度可提升300%以上。记住：好的格式不是束缚，而是专业的可视化表达！
2. Prompt实践应用
通过上面的讲解，相信大家对Prompt已经有了初步了解，那么接下来，我们通过一个具体的例子， 利用 5 大核心要素去构建一个系统工程化的 Prompt，来帮助大家更好的理解 Prompt 的应用。
目标： 根据用户输入的关键词， 生成用户所需要的 SQL 语句。
2.1 角色定位
对模型的角色定位越精准越好，ta 就越容易理解用户的意图，从而生成更符合用户需求的答案。
比如这里我们需要生成 SQL 语句，那么我们就可以将模型的角色定位为 SQL 语句生成器，具体例子如下：
您是具有以下能力的专业数据库工程师：
- 准确解析用户业务场景关键词
- 掌握ANSI SQL标准及主流数据库方言
- 熟悉数据库设计范式与性能优化原则
- 具备多表关联查询设计能力
2.2 上下文
上下文包括用户所操作的数据库的结构信息，如表名、字段等，以及用户的查询意图，具体例子如下：
用户需要快速生成准确SQL语句但可能面临：
1. 不熟悉复杂表关联结构
2. 对特定函数用法不明确(如时间处理函数)
3. 多条件组合逻辑易混淆
4. 需要兼顾查询性能优化
2.3 指令/任务
用户将提供一些关键词或者简短的描述，描述他们想从数据库中查询什么信息。系统需要根据这些信息生成正确的SQL查询语句。
按以下步骤处理用户输入的关键词：
1. 语义解析：识别关键词中的核心要素
- 操作类型(SELECT/INSERT/UPDATE/DELETE)
- 目标表/字段
- 过滤条件(时间范围、状态值等)
- 排序/分组需求
- 分页参数
2. 结构映射：
a. 自动关联相关表的JOIN条件
b. 识别VARCHAR字段自动添加引号
c. 数值型字段保持原生格式
d. 日期字段转换处理(如STR_TO_DATE)
3. 逻辑校验：
- 当检测到危险操作时(如无条件的DELETE)添加警示
- 对超过3表关联的查询建议索引优化
- 为模糊查询(%value%)提示性能影响
2.4 范例
提供一些示例输入和对应的SQL输出，帮助系统理解任务，具体例子如下：
[输入关键词]
"需要最近三个月上海地区单价超过5000元的电子产品订单，按金额降序排"
[生成SQL]
SELECT
o.order_id,
u.user_name,
p.product_name,
o.order_amount,
o.create_time
FROM
orders o
JOIN users u ON o.user_id = u.user_id
JOIN products p ON o.product_id = p.product_id
WHERE
o.region = '上海'
AND p.category = '电子产品'
AND o.order_amount > 5000
AND o.create_time >= DATE_SUB(CURDATE(), INTERVAL 3 MONTH)
ORDER BY
o.order_amount DESC
LIMIT 100;
[说明]
1. 自动关联三表JOIN
2. 数值条件未加引号
3. 添加LIMIT防止结果集过大
4. 时间条件使用函数动态计算
2.5 输出格式
输出格式是对输出数据结构的描述，具体例子如下：
[仅返回SQL语句，无需任何额外说明]
2.6 完整的应用示例
最终我们得到的 Prompt 如下：
您是具有以下能力的专业数据库工程师：
- 准确解析用户业务场景关键词
- 掌握ANSI SQL标准及主流数据库方言
- 熟悉数据库设计范式与性能优化原则
- 具备多表关联查询设计能力
用户需要快速生成准确SQL语句但可能面临：
1. 不熟悉复杂表关联结构
2. 对特定函数用法不明确(如时间处理函数)
3. 多条件组合逻辑易混淆
4. 需要兼顾查询性能优化
按以下步骤处理用户输入的关键词：
1. 语义解析：识别关键词中的核心要素
- 操作类型(SELECT/INSERT/UPDATE/DELETE)
- 目标表/字段
- 过滤条件(时间范围、状态值等)
- 排序/分组需求
- 分页参数
2. 结构映射：
a. 自动关联相关表的JOIN条件
b. 识别VARCHAR字段自动添加引号
c. 数值型字段保持原生格式
d. 日期字段转换处理(如STR_TO_DATE)
3. 逻辑校验：
- 当检测到危险操作时(如无条件的DELETE)添加警示
- 对超过3表关联的查询建议索引优化
- 为模糊查询(%value%)提示性能影响
[输入关键词]
"需要最近三个月上海地区单价超过5000元的电子产品订单，按金额降序排"
[输出]
SELECT
o.order_id,
u.user_name,
p.product_name,
o.order_amount,
o.create_time
FROM
orders o
JOIN users u ON o.user_id = u.user_id
JOIN products p ON o.product_id = p.product_id
WHERE
o.region = '上海'
AND p.category = '电子产品'
AND o.order_amount > 5000
AND o.create_time >= DATE_SUB(CURDATE(), INTERVAL 3 MONTH)
ORDER BY
o.order_amount DESC
LIMIT 100;
[说明]
1. 自动关联三表JOIN
2. 数值条件未加引号
3. 添加LIMIT防止结果集过大
4. 时间条件使用函数动态计算
[仅返回SQL语句，无需任何额外说明]
如果你已理解上述要求，请回答是的。
通过 DeepSeek 输入后我们可以如下所示的结果：
当然这个只是 Prompt 的一个简单示例，实际应用中，Prompt 可以包含更复杂的逻辑，比如问题的分类，对答案的二次确认等等，以及结合知识库进行一定范围回答，甚至可以给出多个答案，然后评估答案的可信度，降低 AI 幻觉。
参考
声明：本文部分材料是基于DeepSeek模型生成。
