大模型 LLM 之提示词 Prompt系列教程(七)-利用LLM生成提示词本章将开发一个基于大语言模型（LLM）的提示词

在前几章中，我们系统性地介绍了提示词工程的相关技术。本章将开发一个基于大语言模型（LLM）的提示词优化工具，该工具不仅能自动优化用户输入的提示词，其自身的设计也是提示词技术的一个实际应用案例。

Prompt(七)-自动生成

在【大语言模型 LLM 之提示词 Prompt(三)--技术】一文中，我们提到可以使用LLM自动生成提示词，本文就开发一个利用LLM工具DIFY来生成提示词的应用，供大家参考。

在学习使用AI过程中遇到第一困难就是不会写提示词。复杂的提示词语法也记不住，本文就使用dify工作流利用AI辅助能力实现一个提示词优化器功能。

dify工作台，新建一个chatflow工作流。

在开始步骤，建立一个下拉选项的参数，参数名称为:prompttype,共五个选项选项：通用提示词优化、通用提示词优化-带输出格式要求、带建议优化、指令性优化、迭代提示词优化

考虑提示词需要适配各种类型，我们这里大致分5种（通用提示词优化、通用提示词优化-带输出格式要求、带建议优化、指令性优化、迭代提示词优化）

在工作流中增加一个条件分支，根据prompttype进行判断，不同在promptype转向不同的LLM处理节点。每次条件设置为等于。

利用大语言模型对用户输入的提示词进行扩写。根据条件需要设置5个LLM提示词。

使用的LLM模型可以根据自己模型的配置情况选择，但建议选择在线的模型，在处理这些通用问题上，其能力应该超本地部署的相对较小的模型。此次我们选择了Qwen2.5-32B本地化模型。

系统提示词

系统提示词：

1.4.3 带建议优化提示词专家

系统提示词

系统提示词

系统提示词

以上就是5个LLM大语言模型系统提示词。

用户提示词其实都一样的。它的内容如下

注意（{#1744957040777.prompt#）需要直接输入/并选择prompt

请根据用户输入的提示词{{#1744957040777.prompt#}}，基于上面规则生成优化后的提示词

对5个LLM大语言模型的结果使用直接输出进行输出。

利用变量聚合器合并最后只需要输出一个直接回复也是可以的。但是使用聚合的方法，会丢失AI的流式输出，当遇到问题时不方便进行调试与跟踪。

打开预览，输入用户提示词和提示词类型。

原文地址：https://mp.weixin.qq.com/s/5faUIC8772Nb6f2GoesU9Q