今天給大家介紹的 AI 設(shè)計范式是：提示詞工程（Prompt Engineering）。

提示詞工程是 AI 交互設(shè)計中的核心范式，是指為了讓人工智能模型（如大語言模型）生成符合預(yù)期的輸出，而對輸入的提示詞（Prompt）進行設(shè)計、優(yōu)化和調(diào)整的一系列方法和技巧。

PART 1 基礎(chǔ)概念

提示詞工程（Prompt Engineering）的目的是：

通過系統(tǒng)化的設(shè)計 AI 模型的交互指令（即“提示詞”），引導(dǎo) AI 生成符合用戶預(yù)期的高質(zhì)量內(nèi)容輸出，執(zhí)行有效的操作。

其本質(zhì)是：

將人類的需求轉(zhuǎn)化為 AI 模型可以理解的“語言指令”，并通過迭代與調(diào)整實現(xiàn)精準(zhǔn)控制。

在使用語言模型進行文本生成時，提示詞可以包括主題、風(fēng)格、字數(shù)限制、特定的關(guān)鍵詞或示例等信息，以指導(dǎo)模型生成滿足用戶需求的文本。

有效的提示詞工程可以提高模型輸出的準(zhǔn)確性、相關(guān)性和實用性，挖掘模型的更多潛力，適應(yīng)不同的應(yīng)用場景和任務(wù)需求。同時，提示詞工程也需要不斷地試驗和調(diào)整，以找到最佳的提示方式，從而獲得滿意的結(jié)果。

PART 2 核心要素

提示詞的核心構(gòu)成要素有以下四點：

1. 指令（Instruction）

也即明確的任務(wù)描述，例如：

“寫一篇關(guān)于養(yǎng)育新生兒的文章”。

2. 上下文（Context）

是指提供與指令有關(guān)的背景信息與約束條件，例如：

“寫一篇關(guān)于養(yǎng)育新生兒的文章，以一位全職寶媽的視角，詳細描述對于照顧寶寶艱辛和快樂。”

3. 示例（Examples）

是指你對所給出的指令或者是對 AI 給出的輸出內(nèi)容的參考樣例，幫助 AI 模型理解輸出內(nèi)容的格式和質(zhì)量。例如：

“寫一篇關(guān)于養(yǎng)育新生兒的文章，以一位全職寶媽的視角，詳細描述對于照顧寶寶艱辛和快樂?？梢阅７伦骷?XXX 的文筆，語言風(fēng)格參考下面這段文字（附一段文字示例）”

4. 輸出形式（Format）

是指給模型明確定義輸出內(nèi)容的結(jié)構(gòu)與格式，如要求的字數(shù)、段落結(jié)構(gòu)、成果形式等。例如：

“寫一篇關(guān)于養(yǎng)育新生兒的文章，以一位全職寶媽的視角，詳細描述對于照顧寶寶艱辛和快樂。可以模仿作家 XXX 的文筆，語言風(fēng)格參考下面這段文字（附一段文字示例），全文 300 字左右，并根據(jù)文字生成一些母子之間互動的圖片?！?/p>

PART 3 設(shè)計方法

通過上文對提示詞核心要素的分析，我們可以發(fā)現(xiàn)，如果提示詞工程能夠做到清晰明確，提供足夠的細節(jié)和背景信息，讓模型能準(zhǔn)確理解意圖，那么用戶與 AI 模型之間的溝通會更加順暢、更符合預(yù)期。因此設(shè)計師在設(shè)計與之相關(guān)的交互時，可以遵循以下幾點原則和策略：

1. 清晰準(zhǔn)確

你可以試試以下幾個設(shè)計策略：

① 結(jié)構(gòu)式引導(dǎo)：對于復(fù)雜任務(wù)，可以引導(dǎo)用戶將其拆解為多個步驟或子任務(wù)，按照“第一步、第二步、第三步…”逐步引導(dǎo)用戶安排模型完成任務(wù)：

豆包對于用戶發(fā)送圖片后的指令引導(dǎo)

② 舉例式引導(dǎo)：提示用戶采用更多限定性的描述，比如輸出的格式、數(shù)量、風(fēng)格等方面，或提示用戶可以使用相同類型的案例進行描述及輸入?yún)⒖?。?/p>

通義千問的指令中心案例參考

你既可以試著把它們直接作為提示或教程，設(shè)計在輸入框所在的界面附近，也可以把它們?nèi)谌氲侥Ｐ徒o出的反饋中，用于和用戶的對話交流里，比如讓模型詢問用戶：“是否可以告需要我你想要生成的圖片具體的風(fēng)格是什么？如果能有一兩張示例圖就更好啦！”

2. 實時反饋

實時反饋在任何形式的交互設(shè)計中都很重要，對于提示詞工程來說可以試試：

① 思考過程呈現(xiàn)：將思考過程以進度條或者文字的形式進行呈現(xiàn)，讓用戶直觀地感受到“AI 正在處理任務(wù)”的狀態(tài)：

通義千問對于用戶問題的分析過程

② 漸進式內(nèi)容呈現(xiàn)：并非讓模型將結(jié)論內(nèi)容整體顯示在屏幕上，而是逐字逐句仿照人類輸入文字信息一樣呈現(xiàn)反饋內(nèi)容，強調(diào)交互的真實性：

通義千問逐字逐句呈現(xiàn)相關(guān)答案

3. 迭代優(yōu)化

通過反復(fù)調(diào)整或不斷測試不同的提示詞，根據(jù)模型輸出結(jié)果進行優(yōu)化調(diào)整，以獲得更理想的效果：

① 收集反饋：收集用戶對于模型輸出結(jié)果的評價和反饋，比如增加快捷評價功能等：

通義千問收集用戶負反饋

② 問題延展：引導(dǎo)用戶在對話的過程中持續(xù)不斷地詢問相同內(nèi)容和主題的問題，讓用戶能夠快速修改問題內(nèi)容，為對話內(nèi)容進行延展、補充和調(diào)整：

通義千問對于用戶問題的延展引導(dǎo)

4. 邊緣場景覆蓋

讓模型通過對大量的數(shù)據(jù)分析后記錄異常輸入（如空值、格式錯誤）或極端場景的情況，自動根據(jù)約束條件或默認處理機制規(guī)避風(fēng)險。

PART 4 發(fā)展方向

提示詞工程的應(yīng)用場景很廣泛，正向著多模態(tài)（文本+圖像+語音）與自動優(yōu)化演進，如：

1. 內(nèi)容生成：如定制化文章、營銷文案、代碼注釋；
2. 數(shù)據(jù)分析：如銷售趨勢預(yù)測、用戶行為洞察；
3. 多輪對話：即構(gòu)建支持上下文延續(xù)的交互系統(tǒng)，如智能客服等

當(dāng)然，提示詞工程也面臨諸多挑戰(zhàn)，最主要的一點是需要平衡指令明確性與靈活性，避免過度限制用戶給出的描述內(nèi)容和模型創(chuàng)造力。大量的用戶數(shù)據(jù)被收集和分析，提示詞工程正從“經(jīng)驗驅(qū)動”轉(zhuǎn)向“工程化范式”，成為 AI 系統(tǒng)精準(zhǔn)性與可控性的關(guān)鍵。

作者：長弓小子