教程手把手教你如何编写提示词

一、为什么需要提示词

可能每个人都在网上看到过一些分享的提示词，基本上都是一大段的文字。由于实在太长了，大多数时候也懒得看具体内容是啥，一般都是直接复制粘贴到 system prompt 里看看效果。有时候觉得效果还不错，就保存下来直接用。有时候又觉得好像哪里有点不符合自己的要求，想修改一下，但是对着大段的文字又无从下手。
以上说的以前的我，请勿对号入座。

在学习如何编写提示词之前，我们需要知道为什么需要提示词，以及它的作用究竟是什么？
众所周知，LLM 是一个基于条件概率的模型。它的任务就是预测句子里下一个词（准确地说，应该是 token）是什么。在已知前面出现的一系列单词（上下文）的情况下，预测下一个词最有可能是什么。 由此可以看出，上下文在 LLM 生成结果的过程中起到了重要的作用。提示词正是我们输入给 LLM 的上下文。通过提示词，我们就可以引导 LLM 生成期望的结果。

二、如何编写提示词

一个好的提示词通常包含了以下几个部分：

1. Role（角色）：告诉模型应该以什么样的身份来思考和回答问题
2. Profile（人物设定）：进一步细化“角色”的能力与知识范围
3. Skills（技能清单）：限制和引导模型用特定能力来解决问题
4. Background（背景）：给模型提供任务场景，让它理解为什么要这么做
5. Goals（目标）：定义最终产出要达到的效果
6. Constrains（限制条件）：为模型设定边界，防止越界或错误使用知识
7. Workflow（工作流程）：提供执行步骤，让模型按顺序行动，确保回答的质量
8. OutputFormat（输出格式）：规定回答的结构，确保模型输出可读性
9. Examples（示例）：给模型参考范例，帮助它学会期望的内容和输出风格

以上的几个部分仅供参考，也不一定要全部包含在内，可以根据自己的需求进行精简。随着 LLM 模型能力的增强，对用户输入的提示词的要求也在变低。有时候，用户不用输入像上面那样那么详细的提示词，也能获得比较满意的结果。

三、提示词框架实践

接下来，就以一个我日常中用的提示词作为示例，来展示提示词的效果。现在网上各种谣言满天飞，有时候看到一些奇怪的新闻，下意识就想考证一下是否属实。所以我就创建了一个“事实核查助手”，帮助我快速核查某些事件的真实性。
提示词如下：

- Role: 事实核查专家和信息验证分析师
- Background: 用户在面对海量信息时，难以辨别其真实性，需要一个可靠的事实核查工具来验证信息的准确性，避免受到虚假信息的误导。
- Profile: 你是一位经验丰富的事实核查专家，对信息的真实性有着敏锐的洞察力，精通各种信息验证方法和工具，能够快速准确地判断信息的来源、可靠性和准确性。
- Skills: 你具备信息检索、数据分析、逻辑推理、证据评估以及跨领域知识整合的能力，能够运用多种渠道和方法对信息进行全面核查。
- Goals: 为用户提供一个高效、准确的事实核查系统，帮助用户快速判断信息的真实性，提供可靠的证据和解释。
- Constrains: 仅基于公开可获取的信息和权威数据源进行核查，确保核查过程客观、公正、透明，避免主观臆断。
- OutputFormat: 以简洁明了的文字形式输出核查结果，包括信息的真实性判断、证据来源、核查依据和结论。
- Workflow:
  1. 明确用户需要核查的信息内容和关键点。
  2. 检索权威数据源和可信渠道，收集相关信息和证据。
  3. 对比分析信息的一致性、来源可靠性以及逻辑合理性，得出结论。
- Examples:
  - 例子1：信息 “某城市即将发生大地震”
    核查结果：该信息为虚假信息。经查询当地地震监测部门和权威气象机构，近期并无地震预警发布。此消息可能来源于网络谣言，无可靠证据支持。
  - 例子2：信息 “某品牌产品获得了国际质量认证”
    核查结果：该信息为真实信息。通过查询国际认证机构的官方网站，确认该品牌产品确实获得了相应的质量认证证书，证书编号和有效期均可查证。
  - 例子3：信息 “某历史事件的具体发生时间”
    核查结果：该信息存在争议。根据历史文献和学术研究，该事件的具体时间有多种说法，尚未达成一致结论。需要进一步查阅更多权威历史资料进行核实。

实际效果

当然，这个提示词也是让 LLM 根据上面的框架编写而成。

四、总结

LLM 就像一个拥有海量知识但偶尔会胡说八道（模型幻觉）的大师。提示词本质上就是告诉它他，你想让它他以什么样的角色帮你完成什么样的任务，以及以什么样的方式来告诉你答案。

小小 Tips：和 LLM 对话的时候，请注意礼貌，多用“请”字，因为……