提示词工程十大技巧：释放大模型潜力的最佳工具

在使用大模型的过程中，有件事值得我们花更多精力去琢磨，那就是提示词工程。先抛一个核心观点：在大多数实际场景里，它的重要性甚至要超过微调。别被“工程”两个字吓到，这玩意儿本质上就是学会如何跟模型好好说话，跟你平时向同事问路、请朋友帮忙一样自然。说得清楚，模型就干得漂亮；说得含糊，结果就全靠运气了。

相比之下，微调当然有它的价值——能让模型在某个特定领域表现得更专业。但问题是，它的门槛摆在那里，不是谁都能轻松上手。而提示词不一样，只要愿意尝试和调整，每个人都能摸索出最适合自己的沟通方式。与其在微调上花大功夫，不如先把基本功练扎实，这才是用好大模型最实在的一个起点。

放到日常工作中，掌握这套方法，能让你写文章更顺手、回答问题更有深度、处理复杂任务更高效。提示词就像是架在用户和模型之间的一座桥，设计好了，桥就通了。好消息是，这座桥没有固定的图纸，完全可以根据实际需求去搭建，关键是要掌握几个核心技巧。

下面是我自己在实践中总结出来的十个技巧，配合具体的例子来看，应该比抽象讲理论实在得多：

1. 明确指令

2. 添加上下文

3. 使用示例

4. 设定限制和要求

5. 角色扮演

6. 逐步分解任务

7. 提供问题或选择项

8. 使用专有名词和术语

9. 明确目标受众

10. 调整证据和风格

1. 明确目标受众

• 无目标受众提示：
  • 提示词：解释AIOps的好处。
  • 结果：这种问法，模型大概率会给你一份谁都能读的通用解释。不能说它错，但确实没有什么针对性和深度。

AIOps（Artificial Intelligence for IT Operations）是利用人工智能技术来增强和自动化IT运维的实践。以下是AIOps的主要好处：1. **提高运维效率**：- 自动化操作...- 实时监控...2. **增强故障管理**：- 智能告警...- 快速故障定位和修复......总结来说，AIOps通过智能化的手段提升了IT运维的效率、准确性和敏捷性...

• 明确目标受众提示：
  • 提示词：请为企业数据中心的IT运维管理层撰写一篇文章，详细阐述AIOps如何提升故障预测能力和运维效率。
  • 结果：加上“管理层”这个身份之后，模型生成的内容立刻就有了方向，它会直接从管理者关心的问题入手，比前者务实得多。

### AIOps：提升故障预测能力和运维效率的关键在当今数字化转型的浪潮中，企业对IT系统的依赖程度越来越高...#### 一、AIOps提升故障预测能力1. **智能数据分析**...2. **预测分析和自动化响应**...3. **自适应学习**...#### 二、AIOps提升运维效率...#### 四、结论AIOps不仅是技术上的进步，更是企业在数字化时代保持竞争力的必然选择...

2. 明确指令

• 模糊提示词：
  分析当前系统的性能。这种问法太笼统，模型只能给出一堆通用指标，不知道你到底想看什么。

• 明确提示词：
  请分析当前系统的CPU使用率、内存占用和网络流量，生成一份包含图表的详细报告，并提出可能的优化建议。把具体指标和要求都说清楚，结果才能落在你想要的点上。

3. 添加上下文

• 无上下文提示：
  修复系统错误。缺背景信息，建议再通用也基本帮不上忙。

• 添加上下文提示：
  在监控到的日志中发现内存泄漏错误，请分析错误原因并提供修复建议，该系统运行在Linux环境下，并使用Ja va作为主要编程语言。把系统和环境因素交代清楚了，后续的建议才可能真正落地。

4. 使用示例

• 无示例提示：
  请为系统生成故障报告。模型给出的结果不仅结构不统一，质量也忽高忽低，完全是看心情输出。

• 使用示例提示：
  请为系统生成故障报告。示例如下：…… 这招其实就是“few-shot”的思路，给它一两个模版，输出质量立刻稳定下来，也更贴近实际业务场景。

5. 设定限制和要求

• 无限制提示：
  优化数据库查询。模型拿到的自由度太大，给的建议往往偏泛。

• 设定限制和要求提示：
  在MySQL数据库中，优化查询语句以减少查询时间至500毫秒以内，同时避免增加服务器的CPU负载。加上具体指标和约束条件之后，它的思考路径立刻就窄了，给出的策略也更精准。

6. 角色扮演

• 无角色扮演提示：
  生成客户服务响应。话术再标准，也总觉得少了点温度。

• 角色扮演提示：
  假设你是一名技术支持工程师，客户抱怨他们的监控系统频繁出现误报，请撰写一封回复邮件，解释可能的原因并提供解决方案。给它一个具体角色，语气和内容都会发生质变。

7. 逐步分解任务

• 无分解提示：
  完成自动化运维脚本的编写。一步到位的要求，最后拿到的往往不是你想要的东西。

• 逐步分解任务提示：
  请分步编写一个自动化运维脚本，第一步获取服务器状态，第二步根据状态生成报告，第三步根据报告自动进行修复操作。把大任务拆成小节拍，每一步都给出更详细的说明，最终的产出质量也会提高。

8. 提供问题或选择项

• 无选择项提示：
  oracle数据库主机cpu使用率高故障解决方案。模型给出的建议覆盖面广，但缺少针对性。

• 提供选择项提示：
  oracle数据库主机cpu使用率高故障时，请分析当前主机所用存储设备是否存在存储响应时间长告警，应用服务器是否存在应用响应时间长告警？然后再给出故障解决方案建议，并请说明理由。给它设置几个明确的思考方向，结果就会精细很多。

9. 使用专有名词和术语

• 无术语提示：
  优化系统性能。通用又模糊，信息密度不够。

• 使用专有名词和术语提示：
  请在Docker容器化环境中优化Redis缓存性能，特别关注内存管理和持久化设置。把这些专业词直接写进去，模型就能从更大范围的知识中提取出最相关的信息。

10. 调整证据和风格

• 无证据和风格提示：
  撰写关于AIOps的文章。普通的输出，谁写都一样。

• 调整证据和风格提示：
  请撰写一篇技术文章，使用具体的案例和数据来说明AIOps在提高运维效率方面的实际效果，文章风格偏向专业技术分析。明确风格和证据要求之后，产出的文章才有阅读价值和专业感。

说到底，提示词工程才是当前与AI高效互动的核心技能。通过明确指令、添加上下文、使用示例等一系列策略，我们能大幅度降低沟通成本，让模型真正围绕实际需求去运转。这套方法灵活性很强，不需要什么代码基础，唯一的成本就是花时间去思考和迭代。与其等模型自动变聪明，不如我们先把问题问清楚。