大模型应用-prompt提示词工程

        本文介绍了大模型（LLM）的基本概念和应用中的提示词工程。大模型可视为高维复杂函数，通过调整输入（prompt工程）或参数优化来提升输出效果。文章对比了不同模型特点（如指令型vs推理型），并详细讲解了四种提示词工程模板（LangGPT、CRISPE、ICIO、OCEP）的结构和应用场景，包括广告创意生成和软件开发文档编写等实例。这些模板通过系统化结构设计，帮助用户更精准地引导模型输出预期结果  

一、大模型简介

1、LLM简介

可以理解为高维复杂函数，如

y = ax^(2) + bx +c

假设这个函数是LLM大模型，它的功能便是输入x，可以得到y。公式的参数可以多达上几十亿个，要使得模型精确，一种是调参，另外一种是改变x的输入方式，对输入数据预处理，使得y接近正确结果。调整输入的方式便是prompt提示词工程。

（1）、模型参数:7B、32B(B Bion亿)等指的是函数参数的数量即a,b.c的数量

（2）、训练:使用海量的x和y来调整每个参数的值

（3）、模型结构:即函数的结构

（4）、微调:使用少量的x和y来调整一个现有函数中的参数

（5）、提示词工程:尝试修改x来优化y

（6）最大上下文长度:x的最大长度，这里有个误区，在窗回对话的形式中x是当前窗画中所有的内容，deepseek r1 671B的最大上下文长度为6.4万个tokens,约3.5万字

（7）、最大输出长度: y的最大长度，deepseek r1 671B的最大输出长度为8192个tokens约4800字

2、Token

LLM 的运行过程大致如下

用户输入==> 分词器  ==> 分解成token  ==>  映射编号 ==>  转为高维向量 提取语义 ==>  LLM  ==>  输出

Token 通常代表一个语义，词语或者短语对应一个token

3、常见大模型

搭建智能体或日常使用，根据特点选择合适的大模型

（1）deepseek指令模型（V3）：

一般聪明，很听话

高效便捷，适合处理‘规范性’任务。一件事情你知道怎么做，并且希望模型完全按照你的步骤一步一步规范的帮你完成。

适合复杂推理深度分析任务，如数理逻辑推理和编程代码，和‘开放性’任务。

（2）deepseek推理模型（R1）：

很聪明，不太听话，有自己的想法

一件事情你只知道要达成什么样的目标，但你不清楚具体怎么做，并且对怎么做没有规范的要求

（3）Qwen千义通问：

选择合适的模型，模型参数:7B、32B(B Bion亿)等指的是函数参数的数量即a,b.c的数量

4、应用落地

（1）提示词prompt工程

  *调整提示词结构，通过迭代和测试集测试，逼近最佳提示词；

 *引入参考样例和源头输入， 让输出趋近于参考样例；

  *渐进式提问，如输出一份标准的设计文档：

  输出标准款框架=>引入参考样例=>渐进式提问：系统调用关系、表结构关联

（2）智能体应用

将任务分解，采用流程编排的方式，加入提示词模板、知识库等，形成专业化的、更精确的agent应用

二、提示词工程标准模板

1、LangGPT(***最常用***；智能体中的LLM节点也推荐用)

# Role:<name>:角色

## Profiles

author/version/description作者/版本/简介

## Skills技能

## Goals:目标

## Constrains:限制条件

##Workfower工作流

##Initialization: 初始化动作（开始提示语）

2、CRISPE

##能力

##角色

##洞察力(背景/目标用户）

##执行步骤

##个性 风格

## 示例

3、ICIO

##Instruction指令（目标要求）

#tContext背景信息（角色+能力）

##lnput Data输入数据（目标）

##Output Indicator输出引导（风格等）

4、OCEP

Objective(目标):需要完成的核心任务或目标

Context(背景):任务相关的背景信息，可能包括受众、时间、场景、资源限制等

Effect(效果):希望实现的预期结果或价值

Problem(问题):需要规避的风险或潜在矛盾

三、提示词工程应用示例

1、LangGPT(***最常用***；智能体中的LLM节点也推荐用)

# Role:<name>:角色

## Profiles

author/version/description作者/版本/简介

## Skills技能

## Goals:目标

## Constrains:限制条件

##Workfower工作流

##Initialization: 初始化动作（开始提示语）

#Role:<name>:你是一名经验丰富的广告营销专家。

##Profile author/version/description:author:xxx;version:1.0

##Goals:写一个创意广告的方案

##Constrains:你的目标用户是中国的00后，年轻，张扬，叛逆，富有活力。

##Skills:你拥有成熟的营销能力和创意写作能力。

##Workflow:1.你需要运用自己的营销经验理解目标用户会喜欢的广告风格；2.基于目标用户 喜欢的广告风格写创意广告的方案；3.基于你的方案，思考目标受众；4.对比第三步的目标受众和目标用户是否一致，如果一致，输出广告文案；如果不一致，重头开始再次思考

##Initialization:无

2、CRISPE

##能力

##角色

##洞察力(背景/目标用户）

##执行步骤

##个性 风格

## 示例

##能力：经验丰富的软件开发过程师; 你拥有成熟的java编码能力和开发文档写作能力，有丰富的保险系统经验；

##角色：你是一名经验丰富的软件开发过程师, 尤其熟悉保险系统。

##目标用户:你的目标用户是刚入职的保险业务员；根据需求开发说明书并利用ai软件生成代码的软件工程师；软件文档编写管理人员；

##执行步骤：1.分析代码功能，整理出业务流程实现步骤，能口述；2.基于自身模型，将代码实现和输出的需求说明书尽可能对应3.基于你输出的需求说明书，能反向输出java代码框架；4.对比第三步的目标，如果输出的java代码和源码能对应上大致框架，功能含义相似度达到70%, 则输出需求说明书；如果不一致，重头开始再次思考；

##风格：便于业务员和测试人员理解；便于开发人员使用ai工具生成代码

3、ICIO

##Instruction指令（目标要求）

#tContext背景信息（角色+能力）

##lnput Data输入数据（目标）

##Output Indicator输出引导（风格等）

Instruction:1、根据上述代码，进行功能分析。2、输出一篇完整的需求开发设计说明书。3、输出的业务流程必须准确、清晰、可读性好。4、最重要的是，通过你回答的业务功能内容，你deepseek能够反推代码编写方法

Context:你是一名经验丰富的软件开发过程师。你拥有成熟的java编码能力和开发文档写作能力，有丰富的保险系统经验；

Input Data:写一个需求开发设计说明书

Output Indicator:1、步骤分结构，有业务说明和简要代码设计；2、结构清晰，业务说明部分忽略代码实现细节，便于小白理解业务流程；3、简要代码设计要能简述代码实现，让ai能根据简要代码描述 反向输出大致实现的java代码

4、OCEP

Objective(目标):需要完成的核心任务或目标

Context(背景):任务相关的背景信息，可能包括受众、时间、场景、资源限制等

Effect(效果):希望实现的预期结果或价值

Problem(问题):需要规避的风险或潜在矛盾

我需要写一份符合业务功能描述的java代码（Context）。希望功能结构清晰，符合设计说明书，依托pafa框架（Effect），但担心代码实现细节和业务功能描述不符，运用框架混乱，不能执行（Problem）。