零基础掌握 LLM 提示词：与 AI 高效沟通的实用指南

您是否听说过“大型语言模型”（LLM）？它们是当下最热门的人工智能技术之一，能够理解和生成人类语言，完成各种任务，如写作、翻译、问答等。而要让 LLM 发挥出强大的能力，关键在于如何与它沟通，也就是如何使用“提示词”（Prompt）。

本指南将带您逐步掌握提示词的使用方法，即使您对 LLM 毫无了解，也能轻松上手。我们将整个学习过程分为三个阶段，每个阶段都会介绍提示词的不同要素，并配有实践练习，帮助您巩固所学知识。最终，您将能够熟练运用提示词，与 AI 进行高效沟通，让它成为您的得力助手。

第一阶段：基础指令 - 让 LLM 听懂您的需求

这个阶段，我们将学习提示词中最核心的部分：任务指令。这是您向 LLM 发出指令、告诉它您希望完成什么任务的关键。

什么是任务指令？

任务指令就像您给助手布置任务一样，直接、明确地告诉 LLM 您需要它做什么。

如何编写任务指令？

一个有效的任务指令通常包含以下几个部分：

“请”字句： 以“请”字开头，表示您向 LLM 发出请求。
动词： 清晰、具体的动作，告诉 LLM 要执行的操作。
任务内容： 详细描述您希望 LLM 完成的具体任务。

公式：请 + [动词] + [任务内容]

常用动词示例：

撰写、创作、编写
翻译、解释、说明
总结、概括、分析
列出、生成、提供
比较、评估、预测
回答、解决

任务指令示例：

请撰写一首关于秋天的五言绝句。
请将 "Hello, world!" 翻译成中文。
请解释什么是人工智能。
请列出中国的五个主要城市。

编写任务指令的注意事项：

动词要明确： 使用具体的动词，如“撰写”、“翻译”、“解释”，避免使用含糊不清的词语，如“聊聊”、“说说”。
任务要具体： 清楚地描述您希望 LLM 完成的任务，包括主题、内容、范围等。

实践练习 1：

选择一个您感兴趣的话题： 比如您喜欢的电影、书籍、运动、美食等。
编写三个不同的任务指令： 使用上面介绍的任务指令公式，向 LLM 发出三个不同的指令。
观察 LLM 的输出： 看看 LLM 的回答是否符合您的预期。如果不符合，尝试修改您的任务指令，使其更清晰、具体。预期结果: 得到符合指令的回答.

练习反馈：

通过这个练习，您应该能够初步掌握任务指令的编写方法。记住，清晰、具体的指令是与 LLM 高效沟通的基础。

第二阶段：进阶配置 - 让 LLM 更好地完成任务

在第一阶段的基础上，我们来学习如何添加更多信息，让 LLM 的回答更符合您的期望。

1. 输出格式要求

作用： 告诉 LLM 您希望它以何种形式呈现回答，如列表、表格、段落、代码等。
用法： 在任务指令后加上“请以/用...格式”。
公式： 请 + [动词] + [任务内容] + 以/用 [格式]...
示例：
- 请列出全球最高的五座山峰，以表格形式呈现。
- 请撰写一篇关于环保的文章，采用段落形式。
- 请总结这本书的主要观点，用不超过 300 字的一段话。
注意事项：
- 格式要具体： 使用明确的格式描述，如“列表”、“表格”、“一段话”，避免使用模糊的词语，如“随意”、“美观”。

2. 示例（可选）

作用: 给 LLM 提供一个或多个输入-输出示例，帮助它理解任务和期望的输出。
用法: 在任务指令后加上 以下是一个例子: [输入] -> [输出]。
示例:
- 请翻译以下词语到英文，以下是一个例子：苹果 -> Apple
- 请为以下水果分类，以下是一个例子：香蕉 -> 水果
注意事项:
- 示例应与任务高度相关。
- 示例数量不宜过多, 2-5个即可。

实践练习 2：

选择一个任务： 例如，让 LLM 总结一篇新闻报道，或列出某个国家的著名景点。
编写任务指令： 先用基础的任务指令向 LLM 发出请求。
添加输出格式要求： 在任务指令后加上输出格式要求，指定您希望的回答形式。
比较两次输出： 对比添加输出格式要求前后的回答，看看有什么不同。预期结果: 得到符合格式的输出, 并且质量比之前更高.

练习反馈：

通过这个练习，您应该能够体会到输出格式要求的作用。它可以帮助您更好地控制 LLM 的输出，使其更符合您的需求。

第三阶段：高级要素 - 引导 LLM 输出专业内容

掌握了前两个阶段的要素，您已经可以与 LLM 进行基本的沟通了。现在，我们来学习更高级的技巧，让 LLM 能够输出更专业、更深入的内容。

1. 角色设定

作用： 让 LLM 扮演某个领域的专家或特定角色，使其能够从该角色的角度出发，提供更具针对性的回答。
用法： 在任务指令前加上“您是一位/个 [角色]”。
公式： 您是一位/个 [角色]，请 + [动词] + [任务内容] ...
示例：
- 您是一位资深医生，请解释什么是高血压，以及如何预防。
- 您是一位经验丰富的历史学家，请介绍丝绸之路的历史意义。
- 您是一位专业的程序员，请解释什么是面向对象编程。
注意事项：
- 角色要相关： 选择与任务相关的角色，例如，咨询健康问题时让 LLM 扮演医生，了解历史事件时让 LLM 扮演历史学家。

2. 上下文信息

作用： 为 LLM 提供与任务相关的背景资料、数据或文本，使其能够基于这些信息进行回答，而不是凭空生成内容。
用法： 在任务指令前加上“以下是...的信息：[信息内容]”。
公式： 以下是...的信息：[信息内容]，请 + [动词] + [任务内容] ...
示例：
- 以下是一篇关于人工智能的最新研究报告：[报告链接或摘要]，请总结报告的主要结论。
- 以下是一份公司财务报表：[报表数据]，请分析公司的盈利能力。
注意事项：
- 信息要相关： 提供与任务直接相关的信息，避免提供无关或冗余的内容。
- 信息要准确： 确保您提供的信息来源可靠、内容准确，以免误导 LLM。

实践练习 3：

选择一个需要专业知识的任务： 例如，咨询法律问题、了解某个科学概念、分析某个行业趋势。
编写任务指令： 先用基础的任务指令向 LLM 发出请求。
添加角色设定： 在任务指令前加上角色设定，让 LLM 扮演相关领域的专家。
提供上下文信息： 如果有必要，提供相关的背景资料、数据或文本。
观察 LLM 的输出： 看看 LLM 的回答是否更专业、更深入、更符合您的预期。预期结果: 得到专业, 深入的回答.

练习反馈： 通过练习，您应该能够熟练组合各种要素，以应对不同类型任务的需求，并得到满意的答复。

组合使用:

可以通过提问的方式，将几个模板组合起来，完成复杂任务。

提示词通用模板总结

现在，我们将这三个阶段学习的要素组合起来，形成一个完整的提示词通用模板：

[角色设定（可选）]
您是一位/个 [角色]

[任务指令]
请 + [动词] + [任务内容]

[上下文信息（可选）]
以下是...的信息：[信息内容]

[输出格式要求]
以/用 [格式]...

[示例（可选）]
以下是一个例子: [输入] -> [输出]

使用步骤：

明确任务目标： 首先，明确您希望 LLM 完成什么任务，以及您期望的输出结果。
选择模板要素： 根据任务需求，选择合适的模板要素，如是否需要角色设定、上下文信息、输出格式要求等。
填充模板内容： 将您选择的要素具体化，填写到模板的相应位置。
测试与优化： 将完整的提示词输入 LLM，观察其输出结果。如果结果不理想，可以尝试调整模板的各个部分，直到获得满意的结果。

重要提示：

这个模板是一个灵活的工具，您可以根据实际需要进行调整和组合。
多实践、多尝试，是掌握提示词使用技巧的关键。