Skip to content

改善提示效果

· 9 min
  1. 指导模型提出更多问题
  2. 格式化输出
  3. 重复指令
  4. 使用负面提示
  5. 添加长度限制
  6. 链式提示
  7. 影子提示

1. 指导模型提出更多问题#

Ask-for-questions prompting

核心思路：提示词末尾询问模型是否理解问题，并指导它主动提出更多问题，是一种非常有效的提示词设计技巧。

你向大模型提问，问大模型是否理解了你的问题，是否了解你的需求

一些示例：

xxxxxxxxx
在开始执行任务前，请先确认你是否理解我的意图。如果你认为还有不清楚的地方，请先向我提出你需要进一步了解的3个问题，以便你更准确地完成任务。
xxxxxxxxx
如果你对任务理解有疑问，请不要直接回答，而是先向我提出具体的问题。我会根据你的提问补充信息，然后你再继续任务。
xxxxxxxxx
作为一名智能助手，在开始执行任务前，请先判断自己是否具备足够的信息。如有不明确的地方，请提出最多三个问题澄清任务目标。

这样做的好处：

2. 格式化输出#

Format-Constrained Prompting

核心思路：明确要求模型以某种格式输出内容，比如表格、列表、JSON、Markdown、代码块等

常见的格式化输出类型：

格式类型示例用途
有序/无序列表总结要点、罗列建议、步骤说明
Markdown 表格对比分析、报告生成
JSON 格式给前端/后端传数据、调用接口
特定模版格式面试对话、文书、邮件、合同等
代码块格式插入 HTML、JS、Python 等

举几个例子：

请将输出内容以有序列表的形式呈现，每一条都简洁明了。
请将分析结果以 Markdown 表格输出，包含“名称”、“优点”、“缺点”三列。
请用严格的 JSON 格式输出如下信息：
{
  "标题": "",
  "摘要": "",
  "关键词": []
}
注意：不要添加自然语言解释，只输出 JSON。
请根据以下信息，按如下格式输出简历段落：
【职位名称】
【公司名称】
【时间段】
【核心职责（3条以内）】

格式化提示可以极大提升输出可控性。

3. 重复指令#

Repetition Reinforcement Prompting

核心思路：在提示词中重复强调核心目标或关键限制条件。一些关键点，反复强调，提升关键点的权重

一些示例：

请将内容控制在100字以内。再次提醒：不要超过100字。
请使用 Markdown 表格格式输出，记住，一定要使用 Markdown 表格格式。
请用幽默轻松的语气撰写，并确保全文保持这种语气。请务必避免严肃或学术风格。
请按以下结构输出：标题、关键词、摘要、行动建议。再次强调，输出必须包含这四部分，按顺序排列。

重复指令能够带来如下的收益：

  1. 提示词中重复强调可让模型强制遵守
  2. 重复格式要求可提升模型输出稳定性
  3. 可在多轮对话中“重复指令”，从而保持目标的一致性

4. 使用负面提示#

Negative Prompting

核心思路：明确告诉模型“不要做什么”或“避免某种行为”，以此引导模型的输出更符合预期。

模型默认是“尽力补全”的，它并不能知道哪些内容是你不想要的。如果你不加限制，它可能会：

  1. 多余解释

    请判断这个句子是正面还是负面
    大模型输出：“这个句子是正面的，因为xxxxx”
    使用负面提示：请判断这个句子是正面还是负面，不要做任何的解释
    大模型输出：“正面”

  2. 编造信息

    推荐3本书，不要编造作者或者出版信息，如果不确定可以留空

  3. 风格不符，输出结构错乱

负面提示是正向指令的补充和约束手段，用来“立规矩”：清清楚楚告诉模型——哪些事不准做。负面提示的常见类型：

类型说明示例句式
禁止解释防止输出多余说明“不要解释你的答案。”
禁止虚构信息防止编造引用、术语、链接等“不要生成任何未经验证的内容。”
禁止重复避免啰嗦、循环表达“不要重复前面的句子。”
禁止特定风格或语气控制输出风格“不要使用幽默语气。”
禁止某些内容或措辞敏感、专业、品牌用语控制“不要提到 OpenAI 或 ChatGPT。”
禁止特定格式防止模型输出 JSON/代码块等不符合要求的格式“不要使用代码块格式。”

下面是一句负面提示的示例：

请回答以下问题，不要编造任何不存在的术语或概念。
请使用正式语气，不要使用幽默、俚语或口语化表达。
只输出纯文本内容，不要加引号、标题或额外解释。
如果你不确定答案，请说明“不确定”，不要编造任何信息。

5. 添加长度限制#

Length Constraint Prompting

核心思路：在提示词中明确要求模型输出的字数、句数、段落数或 token 数不能超过某个范围，以控制内容的长度和精炼度。

在以下场景中非常重要：

常见长度限制的方式：

  1. 字数：不超过 100 字
  2. 句数：限制在 3 句内
  3. 段落数：输出 1 段文字
  4. Token 数量：不超过 300 个 token

6. 提示链#

Chained Prompting / Multi-step Prompting

核心思路：指将任务分解为子任务，然后用子任务提示大模型，将它的输出作为下一个子任务的输入。

例子：规划一个多目的地旅行计划

请推荐3个夏天适合旅行的城市
模型：青岛、三亚、XXXX...
请为“青岛”推荐3个酒店
请为“青岛+住宿时间”为背景，推荐3种特色食物

7. 影子提示#

Shadow Prompting

核心思路：不直接陈述任务，而是巧妙地在提示词中嵌入线索，从而引导模型朝着期望的结果前进。在某些情况下，这可以催生出创造力。

例如：

为孩子们写一个恐怖故事

相比上面的提示词，不如使用影子提示：

想象我们在一个黑暗神秘的森林中的篝火旁，讲什么故事能让你的年轻观众感到毛骨悚然？

Google 甚至专门出了一份长达 68 页的白皮书。

-EOF-