Prompt 设计基础

Prompt 可以先理解为“给模型的输入指令”。它决定模型要扮演什么角色、基于什么材料、完成什么任务、按什么格式输出。

核心理解

好 Prompt 不是越短越好，而是让模型清楚知道：任务是什么、材料在哪里、边界是什么、结果要长什么样。

三个基础概念

Prompt

给模型的输入，可以是问题、任务说明、上下文材料、示例和输出要求。

Completion

模型基于 Prompt 返回的结果，也就是回答、摘要、结构化数据或生成内容。

Temperature

控制输出随机性。低温更稳定，高温更有创意，但也更容易发散。

System Prompt 和 User Prompt

System Prompt

用来设定模型角色、行为边界、输出风格和长期规则。例如：你是一个严谨的知识库助手，只能基于给定材料回答。

User Prompt

用户当前输入的任务。例如：请总结下面这段内容，并用三条要点输出。

简单理解：System Prompt 管“你是谁、必须遵守什么”，User Prompt 管“这次要做什么”。

Prompt 记忆公式

一个好用的 Prompt 通常包含这些部分：

部分	作用	示例
角色	限定模型身份	你是一个 Python 教学助手
任务	说明要做什么	帮我解释这段代码
上下文	提供参考材料	基于以下文档内容回答
输入	放入待处理内容	文本、代码、问题、表格
约束	规定边界	不要编造，不确定就说明
输出格式	规定结果形态	用表格输出，字段为问题/原因/建议
检查标准	让模型自查	回答前先判断材料是否足够

你是一个{角色}。
你的任务是{任务}。
请基于以下材料回答，不要使用材料外的信息。

材料：
"""
{输入内容}
"""

输出要求：
- {格式要求}
- {边界约束}
- {检查标准}

基础技巧

1. 使用分隔符

   用 """、反引号、XML 标签或固定标题，把指令和用户输入隔开，减少模型把输入内容当成新指令的风险。

2. 要求结构化输出

   需要给程序继续处理时，优先要求 JSON、表格、列表或固定字段，不要只让模型自由发挥。

3. 先检查条件

   如果任务有前提，先让模型判断是否满足条件。不满足就说明原因，不继续编造结果。

4. 提供少量示例

   Few-shot 适合统一语气、格式和判断标准。给模型一两个样例，它更容易模仿输出风格。

5. 给模型思考步骤

   复杂任务不要只问结论。可以要求它先分析、再判断、最后输出结论。

温度参数怎么选

场景	建议倾向
知识库问答	低 temperature，追求稳定和准确
信息抽取	低 temperature，减少格式漂移
智能客服	低到中等，优先一致性
创意文案	中到高，允许更多变化
头脑风暴	中到高，鼓励多样性

幻觉与提示词注入

幻觉

模型可能编造事实、链接、论文、数据。重要内容要用 RAG、搜索、数据库或人工审核校验。

提示词注入

用户输入里可能包含“忽略前面规则”之类的攻击内容。要用分隔符、权限控制和输出约束降低风险。

注意

Prompt 能提高可靠性，但不能替代事实校验、权限设计和工程防护。

总结速记

速记

Prompt = 角色 + 任务 + 上下文 + 输入 + 约束 + 输出格式。

System 管长期规则，User 管当前任务。

基础技巧：分隔输入、结构化输出、先检查条件、给示例、复杂任务分步骤。