讓每個人都能編寫 Prompt，人人都能成為 Prompt 工程師。

原標題：DeepSeek 提示詞編寫技巧通用攻略
文章來源：智猩猩GenAI
內容字數：20791字

智猩猩DeepSeek大解讀公開課及提示詞編寫攻略

本文總結了智猩猩“DeepSeek大解讀”系列公開課第二期的預告信息，以及一篇通用的提示詞編寫攻略。公開課將于2月13日19點舉行，主題為《PTX與CUDA：性能、兼容性與生態系統》，將由中國科學院計算技術研究所副研究員趙家程主講，內容涵蓋GPGPU底層編程方法、PTX加速LLM訓練與推理示例以及PTX對性能、兼容性和生態系統的影響。

1. DeepSeek及提示詞工程

DeepSeek 的深度思考功能已極大程度替代提示詞工程，但結合提示詞工程，其輸出結果將更具實用價值。本文提供了一套通用的提示詞編寫攻略，適用于DeepSeek及其他大模型。

2. 提示詞萬能框架

本文提出一個“萬能模版”，將提示詞拆分為“立角色+述問題+定目標+補要求”四個部分，幫助用戶高效編寫提示詞。

1. 立角色： 將大模型設定為特定角色，調用其對應能力，如同招聘時設定職位要求。
2. 述問題&定目標： 清晰描述問題和目標，對于復雜任務，需要進行分解，甚至可利用大模型輔助分解。
3. 補要求： 將要求放在提示詞最后，并可利用大模型的編程能力，將模糊要求轉化為精確的指令。

此框架結構化，便于管理和靈活組合。

3. 框架細化及信息補充

為了優化提示詞，需要補充“靜態”信息（框架本身）和“動態”信息（任務相關信息）。

1. 角色細化： 如同編寫招聘JD，明確角色身份、教育水平、經驗和技能等。
2. Few-shot學習： 提供少量示例，提升模型效果。 通過RAG技術，檢索與當前任務最相近的示例，提高示例的有效性。
3. 記憶功能： 增加“記憶”模塊，利用RAG技術從記憶庫中獲取信息，補充上下文，打破上下文長度限制。
4. 專業領域知識： 對專業領域知識進行整理，并結合RAG技術動態引入，彌補大模型在專業領域的不足。

4. 附加技巧

除了上述框架，還有其他技巧可以優化提示詞：

1. 參數控制模型確定性： 調整Temperature和Top-P參數，控制模型輸出的隨機性和多樣性。
2. 大模型輔助優化Prompt： 利用APE、APO、OPRO等算法，讓大模型自動優化Prompt。

總而言之，本文提供了一個系統化的Prompt工程方法，幫助用戶高效編寫和調試提示詞，提升大模型應用效果。RAG技術和向量數據庫的結合是關鍵，可以解決大模型知識更新難題。

聯系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：智猩猩旗下賬號，專注于生成式人工智能，主要分享技術文章、論文成果與產品信息。