首页
AI / 大模型
  • 智能体 Agent
  • 大模型工程
  • 模型原理
  • AI 应用
  • 检索增强 RAG
大数据
  • Flink
  • Kafka
  • ClickHouse
  • Hive
  • ZooKeeper
  • Hadoop
运维部署
  • 网站部署
  • 后端与工程
项目管理 关于本站
峰的个人知识库 菜单
  1. 首页
  2. AI / 大模型
    1. 智能体 Agent
    2. 大模型工程
    3. 模型原理
    4. AI 应用
    5. 检索增强 RAG
  3. 大数据
    1. Flink
    2. Kafka
    3. ClickHouse
    4. Hive
    5. ZooKeeper
    6. Hadoop
  4. 运维部署
    1. 网站部署
    2. 后端与工程
  5. 项目管理
  6. 关于本站
快捷操作
登录

提示词工程
大模型工程 2025.12.28
阅读 4 评论 0 点赞 0

提示词工程

提示词工程决定AI模型输出的质量。核心是六要素结构:角色、指示、上下文、示例、输入、输出。优化方向包括指示限制补充、Few-Shot示例鲜明化、思维链(CoT)引导推理、选择合适模型。设计时注意“Lost in the Middle”陷阱,将重要指令置于开头或结尾。Prompt Caching可重复利用系统指令,降低成本并提升响应速度。结构化输出(JSON模式、函数调用、JSON Schema)结合前置硬约束、Prompt防御和后置容错,避免解析错误。防泄答场景需用Few-Shot正反例、角色隔离和状态机控制。超长文本处理采用文档分块、关键信息提取、摘要压缩和长窗口模型。CoT变体包括Zero-shot-CoT、Few-shot-CoT、Self-Consistency、Least-to-Most、ToT/GoT/AoT,按任务复杂度选用。掌握这些技巧可使模型精准执行,释放大模型价值。

#提示词工程#Prompt
DATA · LLM · DEVOPS DATA · LLM · DEVOPS DATA · LLM · DEVOPS DATA · LLM · DEVOPS
F Archive

沉淀后端底层、大数据工程与大模型落地实践,结构化归档技术学习笔记。

导航

  • 首页
  • AI / 大模型
  • 大数据
  • 运维部署
  • 项目管理
  • 关于本站

© 2026 峰的个人知识库. 保留所有权利.

用 ♥ 与氢气构建

Built with Theme 氢·简 CMS Halo