提示词工程（Prompt Engineering）是什么？
一、定义
Prompt Engineering
提示词工程（Prompt Engineering）是一项通过优化提示词（Prompt）和生成策略，从而获得更好的模型返回结果的工程技术。
二、System message 系统指令
System message可以被广泛应用在：
角色扮演：在系统指令中告诉千问你需要它扮演的角色，即可沉浸式和该角色对话交流
语言风格：简单调整LLM的语言风格
任务设定：比如旅行规划，小红书文案助手这样的专项任务处理
回答范围：生成的答案的范围
三、User prompt 用户提示词
- 指令：介绍下xxx、xxx是什么、xxx怎么样做
- 主要内容：主要内容是指模型正在处理的文本内容。请解释这句英文：“xxxx”。 xxxx是主要内容。
- 少样本学习：好的prompt也经常包含一些示例样本（单样本或者少样本）学习，指的是需要加入一些示例的输入和输出对：苹果：红色，香蕉：黄色，桔子：橙色。 黄瓜：？
- 善用分隔符 —
- 思维链提示：“做xxx需要考虑以下几个步骤：第一步xxx 第二步xxx…”。这是任务分解（step by step）技术的一种展现，在这种方法中，模型逐步进行思考，并呈现出涉及的步骤，这样做可以降低结果的不准确的可能性，并对模型响应的可解释性有很大的帮助。
- 明确的输出内容要求：“按时间顺序罗列xxx”、“按步骤说明xxx”
- 输出的格式：“按json格式输出”、“以markdown格式输出”、“以表格形式输出” …
四、好的原则
- 提供上下文
- 清晰的指令
- 激励模型反思和给出思路：可以在prompt中用一些措辞激励模型给出理由，这样有助于我们更好地分析模型生成结果，同时，思维过程的生成，也有助于其生成更高质量的结果。
- 给容错空间：如模型无法完成指定的任务，给模型提供一个备用路径，比如针对文本提问，可以加入如果答案不存在，则回复“无答案”
- 让模型给出信息来源：在模型结合搜索或者外部知识库时，要求模型提供他的答案的信息来源，可以帮助LLM的答案减少捏造，并获取到最新的信息。
- 说明动机：详细解释你希望模型做这件事情的原因、动机、希望的结果等，这样大模型能更好地理解你的想法，执行需求。
五、提示词框架
system message + user prompt
你希望大模型扮演什么角色，来解决你当前的问题。大模型具有较强的角色扮演能力，相比直接回答往往表现更好。
+ 优质 user prompt，保证输出符合期望。