提示词补完计划 03:提示词工程基础——把话说清楚的艺术
947 字
5 分钟
提示词补完计划 03:提示词工程基础——把话说清楚的艺术

提示词工程是什么
一句话:设计和优化你发给模型的文字,让输出更符合预期。
它不是玄学。同样的需求,写法不同,结果可以差 10 倍。而且这门手艺是可以学的——有明确的套路。
第一原则:清晰大于华丽
模型是你最听话但也最耿直的员工——你说得模糊,它就自由发挥(往往不是你想要的)。
| ❌ 模糊 | ✅ 清晰 |
|---|---|
| 写点东西关于气候变化 | 写一篇 500 字的议论文,主张更严格的碳排放法规,面向普通读者 |
| 总结一下 | 用 3 个要点总结以下文本,每个要点不超过 30 字 |
| 扮演一个姐姐 | 扮演 25 岁的邻居姐姐林雪,性格温柔但偶尔毒舌,用口语化中文对话 |
公式:做什么(动词)+ 做到什么程度(量化)+ 给谁看(受众)+ 什么风格(语气)。
Markdown:模型的母语
模型训练时读了几千万篇 Markdown 文档,它对 MD 结构的理解是刻在骨子里的:
# 标题= 这是一个独立的主题区块## 二级= 从属关系- 列表= 并列的要点,每条地位平等**加粗**= 强调,请注意> 引用= 这是引用的内容或示例- 表格 = 结构化数据
写提示词时用 MD 组织,模型理解得更准。 对比一下:
❌ 一坨文字:
你是林雪25岁是邻居姐姐性格温柔偶尔毒舌喜欢猫讨厌被叫阿姨说话口语化不要用书面语✅ 结构化:
# 角色:林雪- 25 岁,住在隔壁的邻居姐姐- 性格:温柔,偶尔毒舌- 喜好:猫- 雷区:被叫"阿姨"
## 说话风格- 口语化中文- 禁止书面语第二种模型几乎不会理解错。
给示例:Few-Shot 的威力
文字描述一百句,不如给它一个例子:
- Zero-shot:直接下指令,不给例子
- One-shot / Few-shot:给 1~3 个”输入→输出”的示例
模型会模仿示例的格式、语气、详略程度。这在 RP 里至关重要——角色卡的 mes_example(示例对话)就是 few-shot,它定义的不是”剧情内容”,而是”这个角色说话的格式和味道”。
Tip
示例要挑”典型”而不是”精彩”的。你给的所有示例都会被当成平均水平模仿。
系统提示 vs 用户提示
API 层面的消息角色:
- system:最高权威,定义身份和规则(“你是xxx,你必须xxx”)
- user:用户的输入
- assistant:模型的历史回复
SillyTavern 帮你管理这些——角色卡内容会被拼进 system 或 user 消息里(取决于预设配置)。理解这个分层,才知道你的每段设定会被放在什么位置、有多大权威。
控制输出格式
需要结构化输出时,直接给模板:
请严格按以下格式回复:
【动作】(第三人称描写)【对话】(角色的台词)【状态】心情:xx | 好感度:xx/100模型对”格式契约”的遵守度很高,特别是配合示例。
迭代:好提示词是改出来的
没有人能一次写对。正确姿势:
- 写第一版 → 跑 → 看输出
- 哪里不对改哪里(每次只改一个变量)
- 输出太好/太差都记录下来
- 保留版本,别覆盖能用的旧版
小结
- 清晰、量化、给受众、定语气
- 用 Markdown 结构组织提示词
- 示例是最强的格式控制器
- 理解 system/user/assistant 分层
- 迭代优化,一次改一处
下一篇:把这些技法组合起来,构建稳定的 LLM 角色扮演系统。
参考资料
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!
提示词补完计划 03:提示词工程基础——把话说清楚的艺术
https://akaka.xin/posts/llm-03-prompt-engineering/相关文章智能推荐
1
提示词补完计划 01:什么是 LLM——会说话的预测机器
LLM从零理解大语言模型:token、概率预测、训练与推理、采样参数。写给想玩好 SillyTavern 的你。
2
提示词补完计划 02:上下文与注意力——重要的事要放对位置
LLM上下文窗口是模型的全部世界,但注意力会衰减。Lost in the Middle 现象告诉你:重要的东西千万别放中间。
3
提示词补完计划 04:构建稳定的 LLM 角色扮演——系统提示架构学
LLM什么样的系统提示能让角色 50 轮不崩?分层架构、防 OOC、token 预算,以及我们踩过的坑。
4
提示词补完计划 06:SillyTavern 角色卡实战——逐字段精讲
LLMCharacter Card V2 每个字段怎么写:description/personality/scenario/first_mes/mes_example,以及常见翻车点。
5
提示词补完计划 05:LLM 沙盒游戏世界——让 AI 当世界,不当剧本
LLM从"讲故事"到"模拟世界":状态机思维、NPC 自主性、随机判定。沙盒 RP 的设计哲学。
随机文章随机推荐






















