Prompt工程是指通过精心设计输入提示词来引导大语言模型产生期望输出的技术。它是一种无需修改模型参数就能改善模型表现的方法。
核心原理
上下文学习
大语言模型具备强大的上下文学习能力，能够根据输入的示例和指令理解任务要求并给出相应回答。
提示词结构
[角色设定] + [任务描述] + [输入内容] + [输出格式] + [示例]
主要技术
零样本提示（Zero-shot Prompting）
请将以下文本分类为正面或负面情感：
文本：今天天气真好
分类：
少样本提示（Few-shot Prompting）
请将以下文本分类为正面或负面情感：
示例1：
文本：这部电影太棒了
分类：正面
示例2：
文本：服务态度很差
分类：负面
现在请分类：
文本：今天天气真好
分类：
思维链提示（Chain-of-Thought）
请一步步解决这个数学问题：
小明有10个苹果，吃了3个，又买了5个，现在有多少个？
解题步骤：
1. 初始苹果数：10个
2. 吃掉的苹果：3个，剩余：10-3=7个
3. 新买的苹果：5个，总计：7+5=12个
答案：12个