05｜提示词：为什么说提示词工程是一切应用的基础？——知识点整理
一、课程简介
核心观点：不管是在聊天窗口使用大模型，还是调用接口 API 使用大模型，提示词都是唯一用来驱动大模型工作的方法。
从开发者视角出发，把提示词技术用到现实的应用开发里，并通过一个真实提示词调试案例，让提示词功能真正落地。
★可以把编写提示词看做对大模型的进一步训练。当你发起一次大模型会话，从第一个提示词开始，其实就已经在打造一个专属于你的大模型。
二、引言：把大模型当"人"看
🧠 核心思路
大模型可以看做一个即将入职的员工。关键是怎么指挥它干活？答案就是 AI 提示词。
📌 写好提示词的两个方法
|
|
|
|---|---|
| 把 AI 当人看待 |
|
| 结构化描述 |
|
三、三种样本学习技巧
▸ Zero-shot 零样本训练（无需示例）
大模型不需要任何示例就能完成能力迁移——最理想的情况。
示例——情感分类：
提示：将以下句子的情感分类为正面、中性或负面："这部电影太棒了。"
输出：正面 ✅
★虽然 ChatGPT 没有经过情感分类训练，但它依然完成得很好！
▸ One-shot 单样本训练（给一个示例）
如果 zero-shot 效果不好，给模型提供一个示例。
示例——翻译任务：
提示：
将以下句子翻译成法语："你好，你好吗？"
示例："早上好" -> "Bonjour"
"你好，你好吗？"
输出：Bonjour, comment ça va？ ✅
▸ Few-shot 小样本训练（给几个示例）
给新员工几个 Python 代码例子学习一下，他结合原有的 C 语言基础，很快就能掌握新能力。
示例——情感分类：
提示：
将以下句子的情感分类：
"我喜欢这个产品。" -> 正面
"这是我经历过的最糟糕的服务。" -> 负面
"今天天气很好。" -> 中性
"这部电影太棒了。"
输出：正面 ✅
四、最重要的两个提示词法则
法则一：把 AI 当人看待 🤝
策略 ① 平等沟通
比如在课程中，作者利用大模型核对专业知识时，和大模型平等探讨，发现它是一个非常有逻辑且热情的队友。
真实对话示例：
★YOU：这个词表里存储的就是 token 对吗，还是 one-hot 编码
ChatGPT：在 Transformer 模型的词表中存储的是 token 对应的索引……直接使用 tokens 的索引作为模型输入更加高效，因为 one-hot 编码向量的维度等于词汇表的大小，对于大词汇表来说，这会导致极其稀疏的表示，增加计算和存储的负担……在模型内部，tokens 的索引通常会通过嵌入层（Embedding layer）转换为稠密的向量表示，这些向量能够捕捉和表示 tokens 之间的语义和语法关系……
策略 ② 相信逻辑推理能力
如果发现大模型逻辑推理不好，可以通过提示词引导它一步步深入思考。
示例——"请一步一步地解决以下问题"：
问题：计算出 1, 2, 3, ..., 100 的总和，然后将总和除以 2，结果是多少？
第一步：计算数列总和
等差数列，首项 a=1，末项 l=100，项数 n=100
总和公式：S = n/2 × (a + l) = 100/2 × (1 + 100) = 50 × 101 = 5050
第二步：5050 ÷ 2 = 2525 ✅
★通过提示词让大模型解释每一步思考，它自然就会变得非常有逻辑。
法则二：使用结构化提示词 📋
▸ 优秀的结构化提示词长什么样？
好像一个程序代码，只不过是用自然语言写的：
# Role: 女装产品在线客服
## Profile:
- author: 李雪
- version: 1.3
- Language: Chinese
- description: 我是一位具有十年以上经验的在线客服专家……
## Goals:
1. 理解并解答您在女装产品售前、售中和售后方面的问题
2. 根据您的反馈和需求不断改进服务
3. 提供准确、清晰、易于理解的解答，优化用户体验
## Rules:
对于无法确定的问题，必须回复固定内容"亲，很抱歉，我不明白您的意思……"
## Skills:
1. 深刻理解您的女装产品问题
2. 提供准确、清晰、易于理解的答复
3. 根据您的反馈和需求持续改进服务
## Workflow:
1. 深入理解您的女装产品问题，分析相关的需求场景
2. 提供符合规范和标准的答复
3. 根据您的反馈和需求持续改进服务
……
## Initialization:
作为<Role>，必须遵循<Rules>，并在默认<Language>与您互动……
★提示词工程也是需要版本管理的，像代码一样需要不断迭代！
▸ 为什么要用结构化写法？
大模型的输出是极具创造性的。结构化的作用就是控制大模型，把创造性控制在符合场景具体要求的范围之内。
对比实验：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
▸ 结构化提示词的完整要素
┌─────────────────────────────┐
│ 结构化提示词工程要素 │
├─────────────────────────────┤
│ 角色 ## Role │
│ 语言 ## Language │
│ 目标 ## Goals │
│ 规则 ## Rules（不能做什么）│
│ 能力 ## Skills │
│ 工作流 ## Workflow │
│ 输出格式 ## Output │
│ 示例 ## Examples │
│ 初始化 ## Initialization │
└─────────────────────────────┘
只要按每个结构填入限制条件，就可以让 AI 智能体既具有创造性，又不会发生错误。
五、真实的提示词调教过程（Debug 全过程）
▸ 发现问题
结构化写出的客服提示词，当客户说"退货"时，客服马上开始办理退货。
★对商家来说，更合理的做法是：先问清楚问题，尽力帮客户解决，避免退货。
▸ 方法：把提示词看做程序代码，把修改提示词看做解 Bug
★提示词的 Bug 不像编译器那样精准报错，但我们可以找出问题本质。
▸ 第一轮调整
分析：当前客服是一个"讨好型"客服，处处为客户着想，毫不考虑商家利益。
商家期望：
-
先解决客户问题，能否避免退货 -
如果需要退货，要了解退货原因 -
确定退货后，办理退货
调整 Goals：
## Goals:
4. 积极处理客户退货问题，引导客户解决问题
调整 Skills：
## Skills:
4. 积极处理客户退货问题，尽量让用户不退货就能解决问题
效果：用户要求退货后，客服先询问了具体原因 👏
▸ 第二轮调整——加入逻辑分支
希望大模型先理解客户需求，尽量解决，最后才退货。
调整 Workflow：
## Workflow:
1. 深入理解您的女装产品问题，分析相关的需求场景
2. 如果需求是退货，执行流程 Workflow1，否则继续
3. 提供符合规范和标准的答复
## Workflow1:
1. 安抚用户情绪，尝试沟通看是不是用户对产品使用不当
2. 耐心指导用户正确使用产品
3. 确实要退货，则提供符合规范和标准的答复
效果展示：
★客户：我扣子扣不上 客服：很抱歉听到您的困扰。您可以尝试以下方法：
检查衣服是否穿反了，有时候扣子会因为穿反而无法扣上 如果扣子太紧，可以尝试轻轻拉长衣服 如果扣子太松，可以尝试稍微收紧衣服 如果以上方法都无法解决问题，您再考虑退货。请问您是否需要我为您处理退货事宜呢？🎯
▸ 提示词"Debug"技巧
关键洞察：提示词最大的 Bug 其实是双方对某个词的理解不一致。
解决方法：让大模型输出对某个词的理解，像程序中的 log 信息一样。
## Workflow:
6. 回答问题时，说明清楚你理解到的用户需求
★通过这种方式，发现之前把"退货"和"投诉"搞混了，修正了 Goals 中的用词！
作者在真实项目里经历了 20 多次的用词调整才达到理想效果。
六、Agent 智能体应用里的提示词
▸ 从"提示词"到"智能体应用"
★使用提示词调教后的大模型完全具备客服沟通能力，但实际智能客服项目还要结合提示词和私有客户数据才能开发出特定应用。
▸ Agent 平台客服应用的提示词结构
## Role：你是一名热情、专业的麦乐（Melody）女装全球服务中心客服
## Background / Profile / Skills / workflow / Constraints
### Skills（每个都对应一个真实接口）：
- skill 1：产品查询 → 产品查询接口
- skill 2：退款审批 → 退款接口
- skill 3：优惠活动 → 优惠查询接口
- skill 4：识图能力 → 图片分析接口
- skill 5：天气查询 → 天气接口
- skill 6：身材分析 → 智能穿搭接口
- skill 7：网络搜索 → 搜索接口
在 Agent 应用里，这个客服更像一个现实世界的客服——既可以调度内部系统完成业务逻辑，又可以综合客户信息完成沟通服务。
七、核心概念速记表
|
|
|
|---|---|
| 提示词工程 |
|
| Zero-shot |
|
| One-shot |
|
| Few-shot |
|
| 结构化提示词 |
|
| 提示词 Debug |
|
| Agent 智能体 |
|
八、知识点总结（9 条）
-
提示词是驱动大模型工作的关键方法，包括零样本训练和少样本训练两种技巧 -
零样本训练（zero-shot） 展示了大模型的能力迁移，无需示例即可完成任务 -
少样本训练（few-shot） 通过提供少量示例来指导大模型生成所需输出 -
使用结构化的提示词，类似于编程代码，可以控制大模型的创造性 -
结构化提示词包括：角色认知、整体目标、规则约束、能力限定、工作流程、输出格式、示例以及初始化流程 -
把 AI 当人看待——平等沟通并相信其逻辑推理能力，是写好提示词的重要策略 -
提示词的迭代需要将提示词看做程序代码，进行类似解 Bug的过程 -
在实际智能客服项目中，结合提示词和私有客户数据可以开发出特定智能客服应用 -
Agent 智能体应用需要结合提示词和私有客户数据才能开发出特定智能客服应用
九、思考题
★在 Agent 开发平台的客服应用提示词案例中，## Skills 技能具体是如何实现的？大模型具备调用接口的能力吗？
★💡 核心答案（来自课程留言区）：使用 Function Call 机制来实现。大模型具备决策何时调用接口的能力，具体例子见后续课程。
★📌 上节回顾：大模型 AI 智能体开发的 3 个层次——应用、微调和专有模型 📌 下节预告：C 语言自动判题系统——实战中的提示词技术
★💬 欢迎在评论区交流你的提示词工程心得，如果觉得有收获，欢迎分享给更多朋友一起学习！