人工智能的发展由机器学习监督/非监督/强化学习到深度学习神经网络/Transformer到生成式人工智能目前只是一个阶段并不算真正的人工智能个人理解提示词工程Prompt一.构成1.指示 2.上下文 3.样例 4.输入 5.输出通常Prompt instructioncontextquery以上是提示词的基本逻辑二.提示词优化1.样本学习无样本/少样本/多样本有的需求可以对提示词进行样本学习这样可以让生成结果正确概率增加案例1少样本精准提示词:任务判断用户评论情感只输出【正面】或【负面】无多余文字。示例1输入奶茶甜度刚好配送很快输出正面示例2输入衣服洗一次就掉色质量很差输出负面示例3输入影院座位舒服观影体验很棒输出正面待预测输入这家外卖送餐慢饭菜还凉了。案例2实体信息抽取:任务从句子中抽取【人名、地点、时间】三个实体固定JSON格式示例没有的字段值填空字符串不许编造不存在实体。示例1句子小明2025年在北京上班{人名:小明,地点:北京,时间:2025年}示例2句子小红上周去上海旅游{人名:小红,地点:上海,时间:上周}待抽取句子小李昨天前往深圳出差具体例子还有:公文改写逻辑推理代码生成等少样本学习可以让ai错误率降低2.角色限定AI通常会使用许多训练数据我们对其进行角色的限定可以让AI更加精准的定位使用到我们需要的数据:角色:你是一个资深程序员技能:你拥有资深的代码能力熟练使用springboot和vue进行B/S架构的项目代码开发任务:你现在要开发一个根据中文句子写出英语句子并且评分的系统3.需求拆分在项目比较大需求比较多的时候进行需求的拆分可以更好的完成任务上下文限制:后端——数据库——前端——测试功能——性能——部署——运维3.局限有的东西无法通过提示词解决所以需要其他的方法