单元二 AIGC 提示词设计原则及要点
一、设计AIGC 提示词的基本原则
【视频讲解】
【学习文案】
在之前提到的内容中，我们可以发现 AI 大模型提示的质量对于对话的成功至关重要。一个清晰的提示能够确保对话保持在正确的轨道上，并紧密围绕用户感兴趣的主题，从而带来更加引人入胜的体验。那么，要想制定有效的 AI 大模型提示词，我们需要遵循如下关键原则。
（1）提示词必须要清晰易懂，以确保 AI 大模型能够正确理解主题或任务并生成合适的响应。我们要尽可能使用简洁具体的语言，避免使用过于复杂或模糊的词汇。
（2）提示词应该有明确的目的和焦点，以帮助引导对话保持正确的轨道。我们需要避免使用过于宽泛或开放式的提示词，否则可能会导致对话缺乏连贯性或重心。
（3）提示词必须与用户和对话主题相关。要避免引入无关的话题或离题的内容，否则可能会分散对话的注意力。
（4）提示词应该进行完整的场景描述。包括以什么身份来完成问题，需要使用的附加信息或者考虑的额外限制条件，面向的人群，等等。以通稿为例子，以纸媒传播的标题和以新媒体平台传播的标题是不同的，遵守广告法等（如不能出现“第一”“最”等夸大字眼）也是必要的，那么，一个合适的提示词应该是：“对以下这篇通稿拟一个 10 个字左右的标题，用于在微信公众号等新媒体平台进行传播，注意不要出现夸大事实等违反相关法律法规的字眼。”
在不同场景下，提示词的制定也会有更多的考虑因素，但是以上四条原则将是最基础的。遵循这些原则，就能设计出有效的 AIGC 提示词。
二、鉴别有效提示词和无效提示词
【视频讲解】
【学习文案】
为了更好地理解如何制定有效的 AI 大模型提示词的原则，让我们深入探讨一些有效与无效的提示词示例。有效的 AI 大模型提示词如下。
（1）“能否为我简要概括一下你的旅游经历？”：这个提示词清晰、简明、相关，使得AI 大模型能够轻松生成所请求的信息。
（2）“请为我推荐一本适合阅读的小说”：这个提示词具体、相关，使得 AI 大模型生成有针对性和有用的回答。
无效的 AI 大模型提示词如下。
（1）“告诉我有关科学的一切”：该提示词显得过于宽泛与开放，导致 AI 大模型在生成回复时难以聚焦于重点或提供具有实用价值的信息。
（2）“你能告诉我关于你自己的事情吗？”：尽管该提示词明确且具体，然而，其过度个人化及开放性的特质，导致难以促使 AI 大模型产出具有实际应用价值的回应。
（3）“你好”：尽管这句话经常被用作谈话的开场白，但它并不能作为一个界定清晰的 AI 提示词，也未能赋予对话一个明确的目标或焦点。通过对比分析这些示例，我们能够深入理解制定高效 AI 大模型提示词的关键原则。一个优质的提示词应当具备清晰性、简洁性以及高度的相关性，同时明确其目的和焦点所在。在创作过程中，应避免使用过于宽泛或个人化的内容，以确保 AI 大模型能够生成既有用又相关的回应。
一个设计高效 AI 大模型提示词的有效策略是“角色扮演”。在此过程中，应明确指定 AI 大语言模型在对话中所扮演的角色，并清晰界定期望的输出类型，以便为模型提供明确的方向和指导。此外，务必避免使用专业术语和模糊表述，转而采用简洁、直接的语言，并规避开放式问题，从而促使 AI 大语言模型生成更为相关且准确的回应。
AI 大语言模型本质上是一种工具，其效能直接关联于使用者的能力和方法。正如使用任何工具一样，关键在于遵循最佳实践，深入理解该工具的功能与限制，并据此设计具有明确界定的提示词。这样，才能够充分发挥 AI 大模型的潜力，更好地实现既定目标。
三、持续提升提示词能力
【视频讲解】
【学习文案】
以下是关于如何进一步提升 AI 大模型提示词能力的几点建议，以供参考：
1. 多多练习学习，寻求反馈
使用 AI 大语言模型并尝试不同的提示词，练习是提高自己技能的最佳方式。不断尝试，逐渐了解什么样的提示词适用于什么样的情境和对话类型。请朋友或同事审查你的提示词并提供建设性的反馈。这可以帮助你确定需要改进的方面并完善自己的技能。在网上寻找成功的 AI 大语言模型提示词示例或向其他 AI 语言大模型用户寻求建议和技巧。你也可以加入专门关注 AI 大模型的在线社区或论坛，学习他人的经验并分享自己的经历。
2. 尝试不同的风格和方法
不要害怕尝试新方法，看看哪种技巧或方法对于哪些类型的对话更有效。尝试不同的提示词方式，以寻找适合你的风格和技巧。
3. 了解 AI 大语言模型和人工智能领域的最新进展
随着技术的不断进步，AI 大模型的功能也将不断发展。通过了解最新进展，学习使用最佳技巧和方法来制定 AI 大模型提示词，从而使对话更加有趣、信息更加丰富。以上建议旨在帮助学习者进一步提升 AI 大模型在提示词解析方面的能力。
四、上下文学习（LCL）
【视频讲解】
【学习文案】
上下文学习（In-Context Learning，ICL）是一种机器学习方法，特别是在自然语言处理（NLP）领域中，它指的是模型利用给定的上下文信息来理解和生成语言。这种学习方式通常是指模型在处理任务时，能够根据输入的上下文动态调整其行为，而不是仅仅依赖于预先训练好的知识。
ICL 是一种新的机器学习范式。它是指在不更新模型参数的情况下，只需在输入中加入几个示例，就能让模型进行学习。这种学习方式可以帮助机器更好地理解上下文，从而提高模型的准确性和可靠性。
ICL 的应用场景非常广泛，例如在情感分析任务中，只需加入一些具有代表性的样本，就能让模型自动学习情感表达的规律。这种学习方式具有高效、快速的优点，不需要对整个模型进行重新训练，大大减少了计算和时间成本。以下是一个上下文学习的例子，通过给出示例，AI 大模型能够更加准确地判断句子情感。
提示词：
这部电影的视觉效果非常出色，场景非常逼真，让我感觉像是置身其中。【正面】
该电影的剧情缺乏创意，而且角色表现很平淡，给人感觉很无聊。【负面】
主演的表演非常出色，情感细腻，让我深深感受到了角色的内心世界。【正面】
这部电影的音乐非常动听，与情节相得益彰，给人带来了非常愉悦的观影体验。【正面】
整个故事情节铺垫得非常好，每个细节都很用心，令人不断想要看下去。【正面】
对于这部电影，我觉得它太沉闷了，情节发展得太慢了，让我很失望。【负面】
该电影的特效制作非常精细，令人惊叹。每个细节都非常精致，让人无法分辨哪些是真实，哪些是特效。【正面】
整部电影的氛围非常压抑，让我感到有些不适，但同时也使得故事更加引人入胜。【中性】
整体来看，这部电影的表现一般，没有太大亮点，但也不至于糟糕到无法接受。【中性】
判断以下电影评论的情感。
该电影的配乐虽然很不错，但是情节安排很松散，给人感觉不够连贯，让人有些疑惑。
文心一言输出参考效果如图所示。
五、思维链
【视频讲解】
【学习文案】
思维链（CoT）是指一个人思考时思路中的一系列连续想法或思维步骤。这些思维步骤通常是由一个主题或问题引发的，每个步骤都是在前一个步骤的基础上发展和扩展出来的。
例如，你在思考一个特定的问题或主题，你的思维链可能如下所示。你开始思考这个问题的背景和原因。然后你考虑这个问题的各种可能的解决方案。接下来，你会分析每个解决方案的优点和缺点，以及它们的潜在影响。这个思维链代表了你的思考过程，它显示了你是如何从问题的最初阶段开始，一步步深入思考和分析的。迁移到 AIGC 应用上来，CoT 提示词是一项用于提升大语言模型的推理能力的技巧。它其实属于上下文学习的一个变种，通过提示词模型生成一系列推理步骤来解决多步骤问题。研究表明，CoT 技术可以显著提高模型在数学、常识和推理等方面的准确性，应用该技术使得模型能够将多步骤问题分解成中间步骤，进而更好地理解和解决问题。
AI 大语言模型的思维链推理能力能够通过融合自洽性机制得到显著提升。具体而言，自洽性解码策略巧妙运用了少量的样本 CoT 提示词，以采集多样化的推理路径，并据此生成多个候选句子。随后，该策略采用一种评估机制，通过比较每个候选句子与先前生成的句子之间的相似度，从中筛选出最为相近的句子作为后续推理的基础，从而确保推理过程的准确性和连贯性。此策略已在数学及常识推理等任务中展现出其优越性，能够显著增强思维链提示词的准确性，并得到了近期研究的充分验证。因此，自洽性解码策略被视为一种高效且实用的方法，对于提升大语言模型的思维链推理能力具有显著作用。
同时，值得注意的是，随着 AI 大语言模型能力的持续增强，许多以往依赖特定技巧方能解决的问题已逐渐得到自然解决。然而，这并不意味着这些技巧失去了其价值。在模型面临未知挑战或处理其不熟悉的领域时，这些技巧依然能够发挥重要作用，为问题的解决提供有力支持。
