1. 前言

今天分享的是提示工程(prompt engineering)，我們大概可以將其理解為用簡單明了的話告訴AI你需要什么，比如先講清任務，再加例子或背景，這樣AI才能更懂你，給出更準更有用的回答！

2025年注定不平凡，大模型百花爭放，閉源的守著自己的一畝三分地不斷深耕，開源的出來就是王炸，開源大模型以DeepSeek為首的尤其突出，隨后OpenAI，百度文心一言等相繼傳出部分大模型免費開放給用戶使用。。

普通老百姓現在能做的就是學會如何同人工智能交流，并得到你要的結果。

2. 如何向大模型提問

首先現在的大模型都是指令型大模型，也就是通過指令可以不斷訓練出自己的大模型，因此我們應該學習如何寫好指令讓大模型為我所用。

學好指令的關鍵就是理解指令，指令就是提示，即prompt，就是如何寫出一些提示，讓大模型足夠了解你的意圖，但是這樣往往還不夠，還得輸入上下文，情緒，樣例以及其他補充等。也就是說你給大模型給的信息越全，它越能夠理解你的意圖并輸出滿意的答案。

目前我們先根據大家接受的程度分別舉兩個例子，這倆例子就是簡單指令和coT(chain of Thought)思維鏈指令。

1）簡單指令

簡單指令就是我們可以通過一些基礎指令再加上一些上下文等方式給出，或者更簡單的講就是你給別人講一個事情，如果一句話不能說明白的，就把背景，期望等都加上，你能確保他能理解就行，如果還不能理解就繼續補充相關內容。

例如：

圖片

幫我作首詩，這是我的任務同時也是一條指令，另外我也補充了上下文，關于元宵節活動并且還是五言律詩，因此模型毫無含糊給出了我想要的答案。

但是如果我不提供更多的上下文，那么很有可能輸出結果不是我想要的，例如：

圖片

因此寫好指令可以讓大模型能更懂你。

2）coT指令

思維連(coT)提示過程核心在于鼓勵大模型解釋其推理過程，主要思想就是通過像大模型展示一些少量的例子，在例子中解釋其推理過程，這樣的話大模型在回答提示時也會顯示推理過程，這種推理的解釋往往會引導出更準確的結果。

coT指令能解決簡單指令無法解決的問題，比如來自網友的一段簡單指令的截圖：

圖片

很明顯大模型給的答案是錯的，正確答案是選項2。

那正確的答案怎么得來呢？請看以下截圖：

圖片

就是在簡單指令的基礎上給出一些樣例并且解釋其推理過程，那么大模型就會自己按照coT給出自己的推理結果，這種答案幾乎是完美的，因此學好coT指令可以讓大模型像人類一樣思考，交出完美的答案。

3. prompt總結

其實學好prompt還有好多策略以及模板，如圖：

圖片

學好6個策略和2個模板之后，你就可以應對復雜的場景任務，后續文章會詳細介紹。