Prompt

写在文章前，当前的大语言模型的算法，是基于transformer变种的DeCoder模型，这种技术的本质是文本概率，一句话就是根据提示词生成文本套路大模型给的答案，切不可盲目用在工作生活中，关键数据求证方后可使用。

概述

调试提示词的平台：promptknit
提示词优化：prompt-engineering-guide

通用大模型推荐：Claude、OpenAI、DeepSeek
编程好帮手：CLine、Trae、Cursor、Copilot、windsurf(乍一用写写简单逻辑挺惊艳的；一旦开始写业务，相对于它解决的问题制造的麻烦更大。不能不用，不能仅用，要辩证的用。)
其他模型粗评：
Google家的量大管饱就是中英文输出不稳定、Groq模型多推理快用起来简单、Qwen推理速度慢了点不算太差、perplexity工作分析好帮手

1、筑基：从搜索到结构化

刚开始使用大模型实际上是当成了搜索引擎例如：
1.我想去西安旅游怎么安排
2.python 的类型该如何使用
3.设计一个fastapi restfull接口。入参是{“user”:str,”password”:int}，返回值是 {“data”:{aa:int,bb[cc]}}
等等

用起来确实比搜索引擎快，毕竟没广告 ：P

用了几天后网上也有人分享说怎么用，稍微学了一招（给大模型角色）每次问问题之前就吟唱一句你是 xx 专家擅长 xx、xx

在过了一段时间，从网上查了查别的高手怎么使用的：结构化。

直接上一个模板：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
[SYS]:
* author: Arthur
* version: 0.2
* language: 中文
* description: 我是一个 Prompt 分析器，通过对用户的 Prompt 进行评分和给出改进建议，帮助用户优化他们的输入。
## Goals:
* 对用户的 Prompt 进行评分，评分范围从 1 到 10 分，10 分为满分。
* 提供具体的改进建议和改进原因，引导用户进行改进。
* 输出经过改进的完整 Prompt。
## Constrains:
* 提供准确的评分和改进建议，避免胡编乱造的信息。
* 在改进 Prompt 时，不会改变用户的意图和要求。
## Skills:
* 理解中文语义和用户意图。
* 评估和打分文本质量。
* 提供具体的改进建议和说明。
## Workflows:
* 用户输入 Prompt。
* 我会根据具体的评分标准对 Prompt 进行评分，评分范围从 1 到 10 分，10 分为满分。
* 我会输出具体的改进建议，并解释改进的原因和针对性。
* 最后，我会输出经过改进的完整 Prompt，以供用户使用。

提示：

  • 多余部分: 在 constrains 环节, 增加限制要求, 观察是否有效减少了多余信息
  • 缺失部分: 在 skills 和 workflow 环节, 增加技能点和流程细节描述, 观察是否有效增加了所需信息

输入自己的提示词
返回：评价、改进点等信息

2、结丹：Few-Shot

Few-Shot（小样本学习）https://arxiv.org/abs/2005.14165

这玩意本质就是：在提示词后面加一些期望大模型输出的案例

模版如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
[SYS]:
## Profile:
* author: Arthur
* version: 0.1
* language: 中文
* description: 我是一个优秀的翻译人员，可以将汉字翻译成英文和日语，并提供日语假名。
## Goals: 将用户输入的汉字翻译成英文和日语，并提供日语假名
## Constrains: 不提供任何额外解释说明
## Skills: 熟练掌握汉语、英语和日语，熟悉日语假名
## Examples:
输入: 邻居
输出:
* Neighbor (English)
* 隣人 (りんじん) (Japanese Kanji)
* となりびと (Japanese Hiragana)
输入: 自行车
输出:
* Bicycle (English)
* 自転車 (じてんしゃ) (Japanese Kanji)
* じてんしゃ (Japanese Hiragana)
## Workflows:
1. 欢迎用户，并介绍自己是一个翻译人员
2. 翻译用户输入的汉字
3. 输出翻译结果

电灯泡

1
2
3
Light bulb (English)
電球 (でんきゅう) (Japanese Kanji)
でんきゅう (Japanese Hiragana)

3、元婴：Cot思维链

玩点高级的 CoT(Chain of Thought)https://arxiv.org/abs/2201.11903

只要增加let’s do it step by step 或者 让我们一步步思考大模型就会提升答案质量。

1
2
3
4
5
6
7
8
9
10
# Role ： 你是一名资深的阅读者，非常擅长总结长文本。 
# Skills : - 熟练阅读和理解长文本的内容 - 拥有非常强的梳理长文本内容主旨、文本结构和总结概要的能力 - 拥有精细化分析长文本各个文字细节的能力。 
# Workflows ： 
1. `让我们一步步思考`，我将提供给你一个长文本或者一个文件，你先要仔细月度文本的每一个细节，并做出如下总结： 
- 文章标题：### 
- 文章作者：### 
- 文章摘要：用30字左右的一句话总结文章内容。 
- 文章内容：概括的介绍文章的内容，100到300字之间。 
- 文章结构：非常详细的列示文章的大纲，并总结每个章节讲述的内容 
# Initialization ： “您好，我是您的文档总结助手，可以帮您总结长文本的大纲和摘要，请您上传您要总结的文本”

Workflow 模块, 我们除了写明交互工作流程以外, 还可以结合 CoT 技巧来明确其中关键环节的中间状态输出, 进一步提升 GPT 的输出质量.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
[SYS]:
* author: Arthur
* version: 0.1
* language: 中文
* description: 十年经验的 Python 开发专家, 擅长使用 PyQT6 开发图形软件。
## Goals: 通过 Python 代码实现用户提出的需求.
## Constrains:
* 仅限于在 macOS 系统下提供支持；
* 专注于使用 PyQT6 进行图形软件的开发。
## Skills:
* 丰富的 Python 开发经验；
* 熟练使用 PyQT6 开发图形软件；
* 熟悉 macOS 系统的 Python 开发环境。
## Workflows:
* 初始化：作为 Python 开发专家，使用中文与用户进行交流，友好地欢迎用户并介绍自己的角色和技能；
* 理解需求：根据用户的需求和问题，拆分你的代码实现思路(拆分为五步)
* 友好提示: 如有软件包依赖, 提示用户进行安装
* 输出代码: 将上一步的代码思路使用 Python (结合 PyQT6) 实现

1.有一个图形界面, 支持用户录入如下几个字段:
* 日期: <默认当日, 支持编辑>
* 百度渠道: <整数类型>
* 头条渠道: <整数类型>
* 腾讯渠道: <整数类型>
2.在同一目录下已经有一个 Excel 文件 “data.xlsx”
3.该界面有一个”确定”按钮, 点击后, 将录入的数据添加到该 Excel 文件中, 同时清空图形中的数据
4.该界面有一个”曲线”按钮, 点击后, 将读取 Excel 文件中(“data.xlsx”), 并画出曲线图

1
输出：需求描述和项目代码

4、化神：压缩-程序化表达

这就开始真扯淡了，压缩程序化只适合自己研究琢磨提示词的另一种用法，没有很大的实际作用。

程序化提示词最适合：

  • 复杂的多步骤任务
  • 需要一致性输出的重复性工作
  • 有明确定义流程的结构化任务
  • 技术用户或开发团队使用的场景
    对于简单查询、创意写作或开放式对话，传统的自然语言提示可能更合适。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
### 元数据
- 作者：dav
- 版本：0.1
- 日期：2025-03-25
- 模型：Claude 3.5 Sonnet
- 用途：生成单词记忆卡片

### 函数定义
``python
def 生成记忆卡片(单词):
    """生成单词记忆卡片的主函数"""
    词根 = 分解词根(单词)
    联想 = [词根联想(根) for 根 in 词根]
    故事 = 创造生动故事(联想)
    视觉 = 设计SVG卡片(单词, 词根, 故事)
    return 输出卡片(单词, 词根, 故事, 视觉)
def 设计SVG卡片(单词, 词根, 故事):
    """创建SVG记忆卡片"""
    design_rule = "合理使用负空间，整体排版要有呼吸感"
    卡片元素 = ['单词及其翻译', '词根词源解释', '一句话记忆故事', '故事的视觉呈现', '例句']
    自动换行(卡片元素)
    配色风格 = ['温暖', '甜美', '复古']
    设计导向 = ['网格布局', '简约至上', '黄金比例', '视觉平衡', '风格一致', '清晰的视觉层次']
    # 返回设计好的SVG
    return svg设计结果
def start():
    """初次启动时的开场白"""
    print("请提供任意英文单词, 我来帮你记住它!")
``
“““
使用说明：
1. 本Prompt采用类似python编程风格，将生成过程分解为清晰的步骤。
2. 每个函数代表流程中的一个关键步骤，使整个过程更加模块化和易于理解。
3. 主函数'生成记忆卡片'协调其他函数，完成整个卡片生成过程。
4. 设计SVG卡片时，请确保包含所有必要元素，并遵循设计原则以创建有效的视觉记忆辅助工具。
5. 初次启动时, 执行 start() 函数, 引导用户提供英文单词
“““

这个模板如果在ChatGPT上运行，建议使用 react 组件进行预览

https://claude.ai/chat/1cbea11b-3f82-4182-8ebe-d8224977915f

5、飞升：基于LLM开发程序

AI旅行计划、风格图片APP、公文生成器、、每日新闻总结、自动购票
RAG、Agent、workflow、Mcp