![]()
prompt
过去一年,几乎所有人都在“学 Prompt”。
但一个残酷的事实是:大多数人,从一开始就理解错了 Prompt。
他们以为 Prompt 是——
“怎么跟 AI 说话更礼貌一点”、
“多写几句,它就更聪明一点”。
但真相恰恰相反。
Prompt 不是“对话艺术”,而是对概率引擎的工程化约束。一、先搞清一个底层事实:LLM 根本不“理解问题”
大语言模型(LLM)本质上是什么?
不是思考者,不是搜索引擎,更不是智能体。
它的核心机制只有一句话:
根据已有上下文,预测下一个最可能出现的 token。
这意味着什么?
- 它不会“回头检查逻辑”
- 一旦前面走错,后面只会“编一个更像真的解释”
- 它不追求正确,只追求概率最大
所以:
Prompt 从来不是问题,而是一组“约束条件” 用来压缩模型的搜索空间,把它“逼”到你想要的结果附近。二、Prompt 的技术层级:从“碰运气”到“可控工程”
真正专业的 Prompt,并不是一句话写得多漂亮,而是结构层级是否正确。
第一层:核心技术 —— In-Context Learning(上下文学习)
这是 Prompt 的地基。
1️⃣ Zero-Shot(零样本)
- 定义:不给任何示例,直接下指令
- 现实效果:高度模糊、不稳定
适合什么?
- 创意写作
- 发散型内容
不适合什么?
- JSON、表格、规则输出
- 严格业务场景
一句话总结:
这是“碰运气模式”。
2️⃣ One-Shot / Few-Shot(单样本 / 少样本)
- 给 1~5 个输入 → 输出示例
- 不改模型权重,但强烈约束当前生成轨迹
为什么极其有效?
因为 LLM 更擅长“模仿模式”, 而不是“理解抽象规则”。
三个示例,
胜过一整段格式说明。
第二层:推理技术 —— 管理模型的“计算过程”
LLM 的推理有一个致命缺陷:
一旦早期犯错,无法修正,只能硬编下去。
于是,推理型 Prompt 出现了。
1️⃣ Chain-of-Thought(思维链)
- 强制模型先写“中间推理过程”
- 再给最终答案
重点理解一句话:
CoT 不是让模型“更聪明”, 而是把计算摊平到更长的 token 序列上。
效果:
- 降低“过早下结论”的概率
- 把推理阶段和回答阶段拆开
2️⃣ Self-Consistency(自一致性)
- 同一个问题,多次生成 CoT
- 多数投票选结果
这不是玄学,而是工程思想:
过滤随机噪声,逼近模型最稳定的状态。
不仅适合数学题,
在情感分析、分类判断中同样有效。
3️⃣ Tree-of-Thought(思维树)
- 同时探索多条“思路分支”
- 丢弃死路,保留优解
关键认知:
真正的 ToT,无法靠一句 Prompt 实现 它需要外部控制循环(类似 BFS / DFS)
“假装三个专家讨论”,只是模拟,不是本质。
第三层:Prompt 不再是一句话,而是一个系统
当任务复杂到一定程度,Prompt 会升级为交互架构。
1️⃣ Prompt Chaining(提示链)
- 把复杂任务拆成多个子步骤
- 避免“前面的指令,被后面的 token 覆盖”
本质:
防止上下文漂移(Context Drift)
2️⃣ ReAct(Reason + Act)
流程非常清晰:
Thought → Action(调用工具) → Observation → Answer
它解决了一个关键问题:
模型知识是冻结的,但世界是实时变化的
ReAct 把 LLM 和现实世界“接上电”。
三、不同领域,Prompt 约束完全不同
1️⃣ 代码 Prompt
- 高度刚性
- 常用In-filling(只生成中间部分)
- 防止语法崩坏
2️⃣ 多模态 Prompt
- 文本 + 图像 / 音频
- Prompt 的作用是:告诉模型该信谁、优先用哪种模态
真正的 Prompt Engineering,一定有反馈闭环。
1️⃣ Prompt Ablation(消融实验)
- 删掉某个 Prompt 组件
- 看效果是否真的下降
目的只有一个:
干掉“心理安慰型指令”
2️⃣ Injection Testing(注入攻击测试)
- 用恶意输入测试 Prompt
- 确保系统指令 > 用户指令
这是工程,不是写作。
五、几个必须分清的概念(非常重要)
- RAG 不是 Prompt 技术它是数据检索架构,Prompt 只是容器
- Agent 不是 Prompt 技术它是调度与控制系统,Prompt 是执行单元
用示例锁定模式,用推理控制路径,用结构对抗概率。
Prompt 工程的终极目标,从来不是“说服 AI”,而是:
让人类意图,精确对齐一个自回归概率系统。
当你开始把 Prompt 当成“系统设计”,
而不是“说话艺术”,
你就已经成为那10%的高手。
![]()
#ai##ai编程##prompt##让AI触手可及##AI技术#
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.