提示工程
Prompt Engineering 简单来说，就是向 AI 提出良好问题。一个提示是您的输入、您的问题或请求。
提示工程意味着我们构思有针对性的问题和指令，帮助 AI 模型在聊天中给出正确的答案。用更好的提示，您将获得更好的结果。
连同所选模型的规格一起，这会决定答案的质量。
提示的要素（问题）
为了获得更好结果，请记住以下几点：
- 目标：您到底希望语言模型做什么？
- 角色：语言模型扮演什么角色？（例如“市场分析师”、“法律顾问”、“项目经理”）
- 上下文：请求的背景信息（例如企业目标、项目细节、市场信息）
- 风格：您希望采用何种风格？（例如正式、说服性、简洁）
- 输出：您希望的格式？（例如报告、电子邮件、演示大纲、代码片段）
目标
准确描述问题的目标是关键，不能省略。
您想知道什么？
- 事实性问题可以，但要注意局限性（例如当前知识可能缺失）
- 与在 Google 上提问一样，重复提问不一定得到完全相同的答案
- 优势在于“聊天”功能，便于追问
带有明确目标的示例提示：
请描述在中型企业中实施一个新 AI 平台的主要挑战。
在中型企业中实施一个新 AI 平台会带来多种挑战。以下是一些关键挑战：
- 对变革的抵触：员工习惯于现有流程和系统。新 AI 平台需要调整，且如果对工作流影响不清楚，可能会引发抵触。
- 数据质量与可用性：AI 平台强烈依赖数据。收集、清洗和结构化新平台的数据可能复杂且耗时。
- 与现有系统的集成：AI 平台通常需要与其他企业应用（ERP、数据源、BI 工具）集成。这可能带来技术挑战。
- 成本：除了平台许可费外，还包括实现、培训、数据基础设施，以及可能的专业人员成本。
- 培训与采用：员工需要接受新平台的使用培训并理解输出。若培训和持续支持不足，采用率可能很低。
- 选择合适的平台与用例：市场上有许多 AI 平台和技术。选择一个合适的平台并定义贴合企业需求的用例至关重要。
- 伦理与合规：视应用场景而定，可能需要考虑伦理问题和合规要求（如 GDPR）。
- 项目管理：成功的实施需要扎实的项目管理、明确目标和各部门的参与。
增加角色与上下文
为同一问题增加角色和上下文，可以获得更好、更具体的答案。
同一问题加上角色与上下文的示例：
作为负责为一个 B2B 服务提供商实施数据分析与流程优化的新 AI 平台的项目经理，员工总数为 150 人，请描述关键挑战及可能的缓解策略。
作为负责为一个 B2B 服务提供商实施数据分析与流程优化的新 AI 平台的项目经理，我看到以下关键挑战与缓解策略：
- 对变革的抵触与用户采用：
- 挑战：受影响最大的员工可能不愿意改变现有工作方式，抵触新 AI 洞察。
- 缓解：及早让关键用户参与。清晰传达好处（效率、更好决策、新的洞察）。提供基于角色的全面培训与持续支持。在各部门设立“AI 先锋”。
- 数据质量、治理与迁移：
- 挑战：数据质量直接决定 AI 平台的效果，现有系统的数据往往不一致、不完整或错误。
- 缓解：先进行数据审计，建立数据治理框架，在集成/迁移前完成数据清洗。定义清晰的数据模型和数据流，进行充分测试与验证。
- 与现有 IT 基础设施的集成：
- 挑战：需要与数据源、ERP、CRM 等系统无缝且安全地集成。
- 缓解：提前识别所需集成点，选择具备强大 API/标准连接器的 AI 平台，进行全面的集成测试。
- 范围蔓延与预算超支：
- 挑战：项目进行中可能出现新增 AI 应用需求，扩展范围、增加成本。
- 缓解：在初始阶段明确范围与用例（MVP），执行严格的变更管理，制定现实的计划与预算，并留出缓冲。
- 选择合适的技术与实施伙伴：
- 挑战：AI 市场复杂，错误的技术选择或不熟练的伙伴可能导致失败。
- 缓解：深入研究适合用例的技术，选择在行业与所选技术方面有明确经验的伙伴，获取参考。
- 组织内部 AI 知识与技能不足：
- 挑战：内部专业能力不足，难以有效使用、维护或扩展。
- 缓解：投入培训，考虑引进专门人才或与实施伙伴紧密协作进行知识传递，建立持续学习文化。
- 伦理与可解释性（Explainable AI）：
- 挑战：AI 决策需要透明可解释，特别是对客户或员工有重大影响时。数据偏见可能导致不公平结果。
- 缓解：制定伦理准则，选择尽可能可解释的模型，建立偏见检测与缓解流程，确保对关键 AI 决策进行人工监督。
通过积极应对这些挑战，我们可以提高 AI 平台成功落地的机会，并真实地推动企业目标的实现。
技巧
下面描述一些可用于更高级提示的技巧。
技巧1 - 给出示例
为了确保语言模型采用与您相同的风格，给出一到两个示例。
方法称为“one & few-shot prompting”
撰写一封面向客户、关于即将进行的系统更新的概念邮件。请遵循我们的客户沟通内部政策（在其中加入政策中的相关点）。以最近的新闻简报为风格指南，但不要使用新闻简报中的具体内容： (插入新闻简报文本)
完整的提示如下：
内部客户沟通政策：
- 始终保持专业与礼貌。
- 就重大变更或故障及时提供更新。
- 提供清晰、简明的信息。
- 如有适用，确保有解决方案或赔偿。
对风格使用此新闻简报，但不使用其中任何信息。 尊敬的客户，
我们想通知您即将进行的系统更新，可能会影响我们的服务。
更新日期与时间：[日期与时间] 预期中断时长：[时长] 涉及的服务：[服务]
在此期间，我们的服务可能短暂中断。我们将尽力将不便降至最低，并尽快恢复服务。
以下是语言模型在扩展提示（示例）的基础上的回答
尊敬的客户，
我们想通知您即将进行的系统更新，可能会影响我们的服务。
日期与时间： [日期与时间] 预期中断时长： [时长] 涉及的服务： [服务]
在此期间，我们的服务可能短暂中断。我们将尽力将不便降至最低，并尽快恢复服务。
如有疑问，请随时与我们联系。
此致 [您的姓名] [您的职位] [公司名称] [联系信息]
技巧2 - 提供模板
为了确保语言模型使用特定格式，请提供模板并给出一个示例。这会让模型的输出符合某种结构，便于在各种场景中使用。您可以考虑非常不同的格式，如：
- 适用于导入 Excel 的 csv 输出
- 适用于 API 集成或配置文件的 json 输出
- 为项目会议设计的日程安排
示例提示： 生成三个潜在的市场渠道，针对面向中小企业的新的 SaaS 产品。请按如下格式输出： 渠道： 目标覆盖： 潜在 ROI： 所需资源：
例如： 渠道：LinkedIn 广告 目标覆盖：特定职位、行业、公司规模 潜在 ROI：高，前提是定位准确 所需资源：广告预算、内容创建、广告管理
方法称为“输出模板”
下面给出带有输出模板的提示模型输出
渠道：内容营销（博客与 SEO） 目标覆盖：正在主动寻找解决方案的企业，有机流量 潜在 ROI：长期高，能建立权威 所需资源：内容撰写人、SEO 专家、关键词研究与内容推广时间
渠道：Google Ads（搜索） 目标覆盖：主动搜索与 SaaS 产品相关的具体关键词的企业 潜在 ROI：中高，取决于竞争和 CPC 所需资源：广告预算、关键词研究、登陆页优化、广告管理
渠道：电子邮件营销（线索培育） 目标覆盖：通过网站、网络研讨会或其他渠道收集的潜在客户 潜在 ROI：高，对将线索转化为客户有效 所需资源：电子邮件营销平台、电子邮件序列内容、细分能力
技巧3 - 给出提示线索
为了确保语言模型以特定方式开始并写作，在提示末尾给出一个提示。
示例提示： 请对这份市场研究报告进行摘要吗？（粘贴相关章节）。请以以下开头回答： 市场研究的主要发现是：
- 粘贴报告文本
方法称为“线索与提示” 此示例使用的是虚构报告。
下面给出带有提示的模型输出
市场研究的主要发现是：
- 对云端项目管理软件在中小企业中的需求在过去两年增长了 35%。
- 对中小企业的主要决策因素是易用性、与现有工具的集成能力以及定价。
- A 竞争对手的市场份额为 25%，紧随其后的是 B 竞争对手，份额为 18%。市场中还有为数众多的进入者，专注于特定细分市场或提供更卓越的用户体验。
- 中小企业在采用新软件时面临的最大挑战是初始投资以及员工培训所需时间。
- 预计未来五年市场将每年增长约 15%。
技巧4 - 将指令内容拆分
有时提示过长，模型可能无法准确理解您的意图。可将内容用三引号在文本之外进行分割。
示例提示： 请为我总结这篇文章？ “”” （粘贴文章文本）。 “”” 请以以下开头回答： 本文的要点是：
方法称为“内容分割” 此示例仍然使用互联网上的文章： https://www.leraar24.nl/2619420/onderwijs-op-afstand-wat-hebben-we-geleerd/
下面给出带分割内容的模型输出。我们使用三引号或三颗星来分离问题的上下文。
这篇文章的要点是：
- 在新冠疫情期间，教师需要设法想出距离教育的有效策略，同时家长在支持孩子方面承担了更大角色。
- 成功的远程教育的关键因素包括组织结构化的日常安排、保持师生之间的开放沟通，以及就哪些课程部分可以在线完成还是纸质完成做出明智选择。
- 面临的挑战包括寻找针对脆弱学生的支持方式，以及家长额外的压力，尤其是那些同时在家工作的人。
- 学校数字化迅速增长，新增了数字工具和方法。文章举例 Mandy de Vries，尽管她在教育方面经验较少，但通过数字技能帮助同事。
- 文章也强调持续联系和关注学生的重要性，特别是对特殊教育中的学生，并提供面向教师和家长的实际建议。
- 最后，文章希望家长在疫情后继续参与孩子的远程教育。
技巧5 - 先请求更多信息
您可以指示模型在生成答案前先提出补充问题，以便更好地理解和细化请求。
示例提示： “我想为开发一个新的内部通信移动应用撰写项目提案。应用应包含新闻更新、同事录和直接消息等功能。在您撰写项目提案之前，是否可以先向我提几个问题，以改进提案？”
方法称为“在回答前提问”
下面给出带问题的模型输出
当然！以下是一些我可以提出的问题，以改进项目提案：
- 应用的主要目标是什么？（例如提升参与度、改进信息传播、促进协作）
- 公司内部的具体目标群体是谁？（例如所有员工、特定部门、现场员工）
- 是否需要与现有系统或平台集成？（如内联网、HR 系统、Active Directory）
- 预算和开发实现的时间线是多少？
- 是否有特定的安全或合规要求？（如 GDPR、数据保留策略）
- 将使用哪些关键绩效指标（KPI）来衡量应用成功？
- 是否已有应用的设计或品牌要求？需要与企业形象保持一致吗？
- 是否偏好开发平台（iOS、Android、跨平台）？
有了这些补充信息，我们可以更准确地界定范围与需求，从而撰写更强的项目提案。
技巧6 - 情感化提示
可以指示调整文本的语气以符合情感或引发特定情感反应。这在客户服务、内部沟通或营销中很有用。
示例提示： “我需要给对最近服务中断不满的客户写一封电子邮件。客户写道：”“”…”“”（粘贴客户文本）。我希望邮件具备同理心，承认客户的挫败感，并提供建设性的解决方案。”
方法称为“情感提示” 此示例使用虚构投诉。
下面给出模型输出示例：
尊敬的 [客户姓名]，
感谢您来信并就昨日的服务中断表达关切，我们对您因此受到的影响表示诚挚歉意。我完全理解您的沮丧及对业务的影响。对于未达到您的期望和我们的服务标准，我们深感抱歉。
中断原因是 [简短清晰的原因说明，例如我们数据中心的非预期技术故障]。我们已立即采取措施，技术团队正努力尽快恢复服务。自 [时间点] 起服务已全面恢复。
我们对这一事件十分重视，正在评估原因以防止未来再次发生。
为尽量弥补给您带来的不便，我们愿意提供 [具体补偿方案，如下次账单折扣/一个月免费升级/服务赔偿额]。我们的客户经理将在 24 小时内与您联系，亲自讨论并解答任何进一步问题。
再次对给您造成的不便表示歉意。我们珍视与您的合作，努力在未来提供您所期望的可靠服务。
此致 [您的姓名/公司名称]
技巧7 - 请求多版本
您可以让模型给出多版本的答案，提供更多选择，例如为新产品生成不同的市场口号。由于存在多种不同的切入点，因此希望获得多种选项。这通常可以与设定角色、系统提示结合使用。
关于角色的更多信息，请参阅相关文章（../geavanceerd/persoonlijke-assistenten.md）。下面的“多版本示例”位于文章末尾。
技巧8 - 与系统提示的组合
通过系统提示，您可以向 AI 模型下达任务。系统提示是一种指令，用来特定地引导模型的输出类型或行为。
一些简单且通用的系统提示示例：
- “我希望你成为一个友好而乐于助人的助手。”
- “在语言上始终保持专业与尊重。”
- “聚焦于给出具体、简洁的回答，不要无谓的细节。”
系统提示本质上设定了语气与对话的期望。您也可以为特定任务设计更高级的系统提示，比如对文本进行摘要：
- “请仔细分析给定文本，给出简明但信息丰富的要点摘要，识别核心信息与关键细节。”
系统提示在不同模型上的影响力并非相同。对 chatGPT 与 Claude 的影响通常很大，而对其他模型的影响可能较小。因此，最好将系统提示按任务逐一设计（我们称之为角色）。
关于角色的更多信息，请参阅相关文档（../geavanceerd/persoonlijke-assistenten.md）。
