阿里妹導讀
一、背景
在系統學習了大量提示詞教程並進行不斷實踐後，我發現很多人對提示詞工程的認知存在諸多誤解。
本文將列舉一些提示工程認知和創作方面的認知誤區，並分享我的一些見解，希望能夠為讀者提供啟發。
二、十大誤區
誤區1：提示詞工程很簡單，隨便學學就行
許多人誤以為提示詞工程十分簡單，認為稍微瞭解即可勝任。
實際上，這種認知如同認為軟體工程僅是“高內聚、低耦合”或“CRUD”操作一樣，雖然這些概念表面上易於理解，但在實際操作中卻充滿了挑戰。許多程式在實踐中常常暴露出缺乏可拓展性和可維護性的問題，效能也往往不盡如人意。要克服這些問題，除了掌握基礎知識，還必須深入理解設計模式和學習各種框架，才能真正將理論轉化為高質量的實踐。
雖然，說話很容易，但能用簡潔的語言把複雜的事情講清楚並非易事。提示詞工程類似於一門提問的藝術，其核心在於如何明確且有效地向大語言模型傳達任務要求。然而，就如同清晰的溝通不僅需要表達清楚，更需要理清思路，提示詞工程同樣具有“知易行難”的特點。許多人在工作多年後依然沒有很好地掌握高效的溝通的技巧，這與提示詞工程的挑戰十分相似。
儘管提示詞工程的基本技巧看似簡單，但在實踐中我們需要根據具體場景選擇最恰當的表達方式，並運用有效的調優方法應對複雜情況。尤其是在當前大模型能力尚未完全成熟的背景下，即使任務要求表達得再清晰，也常常需要進一步引導模型完成任務。
例如，有些人讓大語言模型創作一個童話故事時，只是簡單地提出需求，結果發現模型生成的內容非常空洞，遠不及預期。精通提示詞工程的人則會採用 CO-STAR框架，詳細說明故事的上下文、目標、風格、語氣、受眾和相關細節，從而獲得更為具體且符合要求的輸出。很多人編寫提示詞發現效果不好不知道如何調優就匆匆放棄，而有些人就可以針對各種場景從容編寫提示詞，遇到異常案例可以快速針對性調優解決問題，這正是提示詞工程的價值所在。
誤區2：提示詞工程可以解決一切問題
提示詞工程並非萬能。
如果和汽車進行類比就很容易理解。我們的開車速度並不僅僅由我們的駕駛技術決定，還受到汽車的效能、交通法規的限制。
提示詞效果的上限由模型能力和提示詞編寫者的水平共同決定。如果模型能力不足，即使提示詞編寫得再好，最終結果也難以令人滿意。反之，如果模型能力強大，但提示詞編寫不到位，效果同樣會大打折扣。
此外，並非所有問題都能透過提示詞工程解決。有些任務可能需要透過模型微調來實現更好的效果，而有些問題可能無論怎麼最佳化提示詞都無法得到理想的結果，這時就需要考慮進一步拆解任務。
誤區3：一套提示詞適合所有場景和模型
一套提示詞往往無法適應所有場景
，我們需要掌握提示詞工程的技巧，靈活調整提示詞以適應個性化的需求。在業務應用中，根據不同場景使用不同的提示詞是至關重要的。
此外，不同模型在指令理解和推理能力上各有差異。一些在某個模型上效果良好的提示詞，可能在另一個模型上表現不佳，因此需要針對不同模型進行適當的調整。
誤區4：提示詞越複雜越好
“大道至簡”，複雜的提示詞並不意味著效果更好。提示詞的核心任務是明確傳達需求，如果寫得過於複雜，反而容易讓模型無法抓住重點，甚至導致誤解。
提示詞如果過於複雜或過長可能存在如下問題：
1.上下文混亂：當提示詞過長時，模型可能難以保持上下文的清晰性，容易在生成的內容中偏離原本的主題或語義，從而導致結果不準確或不相關。
2. 效能下降：過長的提示詞會增加模型的計算量，可能導致響應速度變慢，特別是在資源受限的環境中，這種影響會更加明顯。
3. 資訊冗餘：提示詞過長可能包含過多的冗餘資訊，使得模型難以識別和提取最相關的部分，從而影響輸出質量。
4. 生成內容的長度受限：模型的生成長度通常是有限的，如果提示詞過長，模型可能會減少生成內容的長度，導致輸出結果無法覆蓋全部所需內容。
5. 引發誤解：提示詞過長且結構複雜，可能導致模型在理解提示詞時出現偏差，從而產生與預期不符的結果。
此外，有些人特別偏愛某個特定的提示詞框架，不管啥場景都喜歡用同一個框架，有時候會適得其反。每種提示詞框架都有自己的適用場景，我們需要根據場景選擇最適合的提示詞框架。
對於簡單任務，簡潔明瞭的提示詞往往更有效；對於複雜任務，使用結構化的提示詞能幫助模型更清晰地理解和執行任務。
誤區5：提示詞的示例越多越好
示例並非越多越好。
對於模型已經熟練掌握的任務，無需提供額外示例。即使在需要示例的情況下，數量也不宜過多。如果示例不夠精準或存在錯誤，反而會影響模型的表現。對於相似的示例，提供一個即可，多個同質化示例並不會帶來額外的效果提升。
因此，提示詞示例應該遵循由少到多。示例的構造應注重正確性、代表性和多樣性，而非數量。
誤區6：提示詞中加要求模型就會聽
不同模型的指令理解能力有所不同，提示詞中的要求並不總能得到模型的完全執行。為了提高模型的響應效果，可能需要結合其他策略，如使用更高階的模型或在提示詞中加入具體的示例。
誤區7：提示詞設計好了就不需要改
就像程式設計師寫程式碼一樣，編寫完程式碼以後還需要維護，如果程式碼出現 BUG 或者新的需求出現就需要對程式碼進行修改。
同樣地，提示詞的編寫不是一蹴而就的過程。
在實際應用中，提示詞常常需要根據個性化需求或遇到的 Bad Case 進行調優。提示詞工程本質上是一個持續獲取反饋並不斷最佳化的過程。
誤區8：提示詞一定要手動編寫
如今，許多平臺已支援自動生成提示詞功能，使用者只需描述需求，平臺即可自動編寫提示詞，網上也有豐富的提示詞模板可供複製使用。因此，並非所有提示詞都必須手動編寫。
然而，這並不意味著提示詞工程已變得不重要。只有清晰表達需求，模型才能生成高質量的提示詞。此外，掌握提示詞工程的技能依然至關重要，因為它賦予我們調優自動生成提示詞的能力，從而更好地滿足實際需求。
自動化提示詞編寫固然提高了效率，但我們仍需具備提示詞調優的能力，以確保最終效果的精準性和適用性。
誤區9：提示詞自己測試效果不錯，線上就應該很好
測試效果並不等同於線上表現。自測時，測試用例可能會較為簡單，測試用例的數量也可能偏少或者缺乏代表性，而線上應用的用例可能更加多樣且複雜，因此效果可能不如預期。
為了獲得更客觀的評測結果，測試時應構建更具代表性和多樣化的用例，涵蓋不同的複雜度。避免因過度樂觀或悲觀而影響判斷。
誤區10：提示詞寫好就行，使用者輸入不重要
提示詞的質量固然重要，但使用者輸入的內容同樣關鍵。就像醫生診斷時，若病人描述的症狀不準確，醫生難以作出正確判斷並對症下藥。同樣，若使用者輸入的資訊存在歧義或不完整，即使提示詞編寫得再好，模型也難以得出理想的結果。
因此，需要重視對使用者輸入資訊的準確性和完整性校驗，高質量的提示詞和高質量的使用者輸入相輔相成，才能確保模型的最佳表現。
三、總結
提示詞工程是和大語言模型溝通的橋樑，是一門關於提問的藝術。儘管看似簡單，但在實際應用中卻充滿挑戰。
我們需要深入理解模型的能力和侷限性，並根據不同的場景靈活調整提示詞設計，以實現最佳效果。提示詞工程的核心不在於複雜的框架或大量的示例，而在於如何精準傳達任務需求，並透過持續最佳化提高模型表現。
避免常見誤區，掌握提示詞工程的核心技巧，能夠幫助我們更好地利用大模型的潛力。同時，重視使用者輸入的質量以及不斷調優提示詞的能力，也是提示詞工程成功的關鍵。提示詞工程是一項需要不斷實踐和反思的工作，只有透過持續學習和調整，才能真正掌握其中的奧秘，最大化地發揮大模型的作用。
希望本文的分享能為你提供一些啟發，助你在提示詞工程的道路上走得更遠。
通義萬相文字繪圖與人像美化
利用通義萬相AIGC在Web服務中實現影像生成，包括文字到影像、塗鴉轉換、人像風格重塑以及人物寫真建立等功能，加快創作流程，提高創意效率。
點選閱讀原文檢視詳情。