《大语言模型提示词工程》学习笔记
来源：华为培训课件《03大语言模型提示词工程》
一、Prompt 基本概念
什么是 Prompt / Prompt 工程
- Prompt：传递给语言模型的指令和上下文，以完成所需任务。
- Prompt 工程（提示词工程）：设计和优化输入到模型中的提示（Prompt）的过程，目的是引导模型生成更准确、更有用、更符合预期的输出。
Prompt 的四个组件
- 指令：告诉模型做什么
- 上下文：为模型提供背景信息
- 输入数据：待处理的内容（如"今天天气不错"）
- 格式化输出：规定输出的格式（如"将文本分为积极、消极、中性"）
Prompt 与采样参数
- 采样参数（Temperature、Top-p 等）会显著影响输出。
- 例：Temperature=0.7 时输出更多相似词汇；Temperature=0.3 时更少更保守。
Prompt 的作用
- 通过设计 Prompt 指导模型完成多种任务：文本摘要、QA、文本分类、角色扮演、代码生成、逻辑推理等。
二、Prompt 工程技巧（五大技巧）
| 技巧 | 核心思想 | 示例 |
|---|---|---|
| 样本提示（few-shot） | 零样本不够时，给模型范例 | 给出"3.2 vs 3.3 → 3.3更大"示例，再问"9.11 vs 9.8" |
| 思维链 CoT | 在提示中展示中间推理步骤 | "比较整数部分 → 比较小数部分 → 得出结论" |
| 链式提示（Prompt Chaining） | 任务分解为多个子任务，串联多个提示 | "数字分割助手"拆解 → "数字比较助手"比较 |
| 检索增强 RAG | 检索相关文档作为上下文，与原始提示合并 | 知识库检索 → "根据已知信息回答问题" |
| ReAct | 推理（Reason）+ 行动（Action）协同，生成推理轨迹并调用工具 | 思考 → 选计算器 → 算 9.11-9.8=-0.69 → 下结论 |
各技巧要点
- 样本提示：大模型已能执行零样本提示（zero-shot）；零样本无法满足需求时，构建范例进行少样本提示（few-shot）。
- 思维链（CoT）：通过中间推理步骤实现复杂推理能力；可与少样本提示结合，获得更好效果。
- 链式提示：将一个任务分解为多个子任务，为每个子任务创建提示操作，串联执行。
- RAG：接受输入 → 检索一组相关文档（含来源）→ 文档作为上下文与原始提示组合 → 交给文本生成器得到最终输出。已知信息为空时返回"根据已知信息无法回答"。
- ReAct：灵感来自"行为"与"推理"的协同作用；提示 LLM 输出结构化轨迹：
thought（思考）→ tool_names（工具）→ act（动作）→ response（最终回复）。
思考题答案
1. 以下哪些属于常见的 Prompt 工程技巧？
- A. 思维链 ✅ B. 链式提示 ✅ C. 样本提示 ✅ D. RAG ✅
- 答案：ABCD
记忆要点（一章速记）
- Prompt 由指令 + 上下文 + 输入数据 + 格式化输出四组件构成。
- 五大技巧速记："样链思检反"——样本提示、链式提示、思维链（CoT）、RAG、ReAct。
- 复杂场景提升输出效果思路：零样本 → 少样本 → CoT → 链式 → RAG/ReAct。
