Appearance
如何向 ChatGPT 提问以获得高质量答案：提示词技巧工程完全指南
内容摘要
这本指南围绕“如何设计高质量提示词”展开，核心思路是：通过明确任务、清晰指令与适当角色约束，结合示例（Few‑shot）、上下文引入（RAG/文件）、以及结构化输出等手法，稳定地获得可控且高质量的回答。书中将提示词工程拆解为从入门到进阶的 20+ 类常用技术，并配有公式化的提示模板与示例场景，方便直接套用与组合。
章节要点速览
- 第 1 章 入门：Prompt 工程的概念（任务/指令/角色三要素）。
- 第 2 章 指令提示：给出清晰任务 + 具体要求（风格、语气、合规等）。
- 第 3 章 角色提示：为模型设定扮演的身份以贴合受众与语境。
- 第 4 章 标准提示：以“生成一个[任务]”的方式最小可用地触发产出。
- 第 5 章 零/一/少样本：示例越贴近目标分布，迁移效果越好。
- 第 6 章 “让我们思考一下”：引导模型做反思性、发散性推理与创作。
- 第 7 章 自洽提示：要求输出与输入信息严格一致（核对、校验类）。
- 第 8 章 种子词提示：用关键词/短语锚定主题或风格，便于与角色/指令组合。
- 第 9–10 章 知识生成与整合：基于现有知识生成新信息，并与新增材料融合。
- 第 11 章 多项选择：将输出约束在预定义选项集合中（问答/分类/补全）。
- 第 12 章 可解释软提示：在可控与灵活之间折中，提升可解释性。
- 第 13 章 受控生成：以模板/词表/约束规则显式控制输出形态与内容。
- 第 14 章 问答提示：面向事实问答、定义检索等精确任务的模板化提问。
- 第 15 章 概述提示（摘要）：指定长度/结构，压缩保留主旨与关键信息。
- 第 16 章 对话提示：设定多角色与场景，生成自然对话或客服脚本。
- 第 17 章 对抗性提示：用于鲁棒性训练或规避偏见/攻击的生成策略。
- 第 18 章 聚类提示：根据特征将样本分簇（分析、归纳、主题归类）。
- 第 19 章 强化学习提示：引入“奖励”以迭代优化行为与输出风格。
- 第 20 章 课程学习提示：由浅入深的任务序列，循序渐进提升能力。
- 第 21–24 章 应用类：情感分析、命名实体识别、文本分类、文本生成等常见落地任务的提示公式。
使用建议：实际项目中常将指令提示 + 角色提示 + Few‑shot 示例 + 约束模板组合，并按“静态前置、动态后置”组织提示词（利于缓存与复用）。