由Lee Boonstra撰寫嘅《Prompt Engineering》（版本7，2025年2月）係一本專注於大型語言模型（LLM）提示工程嘅實用指南。該書系統闡述點樣透過優化提示設計，提升AI模型（如ChatGPT、Gemini等）嘅輸出質素、準確度同效率。文檔涵蓋由基本概念到高階技巧，適合開發者、研究員同產品經理，強調提示工程係「AI時代嘅核心技能」。整體主題係：有效提示唔只係輸入文本，而係結合上下文、角色扮演同迭代優化嘅藝術，能顯著降低幻覺（hallucination）、提高任務表現，並支援複雜應用例如RAG（Retrieval‑Augmented Generation）同代理系統。
因為文檔重點放喺實用建議，書中列咗多項最佳實踐。當中，前十個核心建議（根據章節總結同關鍵技巧列表）集中喺提示設計由基礎到進階嘅優化，呢啲建議被視為入門者同專家嘅必備工具箱。以下詳細講解前十條建議，每項包含核心原理、示例同應用影響：
- 明確性優先（Be Specific） 提示越具體，輸出越可靠。避免模糊描述，提供詳細上下文、期望格式同約束條件。例如，將「告訴我關於氣候變化」改做「以 bullet points 形式總結2024年IPCC報告中氣候變化對農業嘅影響，限500字」。呢條建議減少模型嘅猜測空間，提高準確率20%–50%，適用於報告生成同數據分析。
- 角色扮演（Assign a Role） 令模型扮演特定角色，例如「您係一位資深Python開發者」或「作為歷史學家分析事件」。呢個做法會啟動模型嘅「專業模式」，提升輸出嘅專業性同一致性。示例：喺代碼除錯時指定「您係Google工程師」，可以生成更符合最佳實踐嘅解法。影響：顯著改善領域特定任務，例如醫療諮詢或法律草擬。
- 提供示例（Few‑Shot Prompting） 喺提示中包含1–5個輸入‑輸出示例，引導模型學習模式。比零樣本（Zero‑Shot）更有效，尤其喺分類或翻譯任務。示例：提供3對英‑法翻譯對，然後要求翻譯新句。呢個技巧喺低資源場景下提升性能約30%，廣泛用於自訂分類器。
- 鏈式思考（Chain of Thought, CoT） 指示模型「一步一步諗」（Step‑by‑Step），將複雜問題拆解。示例：「解呢條數學題，先列出已知條件，然後逐步推導」。呢條建議大幅提升推理能力，喺算術、邏輯同多步規劃任務中準確率可提升40%以上，係高階推理嘅基礎。
- 指定輸出格式（Specify Output Format） 明確要求 JSON、Markdown、表格或編號列表等格式。例如：「以JSON格式輸出，包括keys: name, age, occupation」。呢個方便下游解析同整合，避免後處理。影響：大幅提升自動化流程效率，適用於API調用同數據提取。
- 迭代優化（Iterate and Refine） 提示工程係一個迭代過程：測試輸出、分析錯誤、逐步 refinement。建議用A/B測試唔同版本。呢個實踐幫助用戶由初稿做到優化提示，性能提升可以達到數倍，係專業提示工程師嘅核心方法。
- 上下文管理（Provide Context） 喺長對話中，提供相關歷史或背景信息，避免模型「忘記」。結合系統提示（System Prompt）固定角色。示例：喺多輪聊天中重述關鍵事實。呢條建議減少上下文漂移，適用於客服機械人同長文檔總結。
- 避免負面指令（Use Positive Instructions） 告訴模型「做乜嘢」而唔係「唔好做乜嘢」。例如，用「保持積極語氣」代替「唔好負面」。負面指令容易被忽略，導致意外輸出。呢個技巧降低幻覺風險，提升輸出可控性。
- 溫度與參數調整（Tune Parameters） 結合提示調整 temperature（創意度）、top‑p 等參數。低 temperature 用喺事實型任務，高 temperature 用喺創意型任務。呢條建議同提示互補，優化確定性與多樣性之間嘅平衡。
- 安全與倫理守則（Incorporate Safeguards） 喺提示中嵌入倫理約束，例如「拒絕有害請求」或「基於可靠來源」。示例：加入「如果唔肯定，就講『I don't know』」。呢條建議防範偏見同誤信息，符合企業合規要求，特別喺生產環境。
呢啲前十條建議構成咗提示工程嘅「黃金法則」，書中強調佢哋可以組合使用，形成高級模式例如ReAct（Reason + Act）或Tree of Thoughts。總括嚟講，該指南指出，優秀嘅提示工程師可以喺唔需要微調模型嘅情況下將模型性能提升數倍。報告結語建議讀者透過實踐工具（例如 Prompt Playground）應用呢啲技巧，未來版本或會擴展到多模態提示同代理系統。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com