笔记一：提示词工程的几条朴素经验
2026-09-12 · 分类：实践
接触大语言模型大半年，最大的体会是：把需求讲清楚，比追求“高级技巧”重要得多。下面几条是我在日常使用里反复验证过的经验。
1. 先给角色，再给任务
明确“你是谁、为谁服务”，模型的语气与边界会稳定很多。例如：
你是一位严谨的科普作者，面向零基础读者，用类比解释概念。
2. 给结构，而不是给自由
如果希望输出可被程序解析，直接规定字段与格式，例如要求返回 JSON，并给出字段含义。
3. 用示例代替长篇指令
少样本（few-shot）往往比啰嗦的规则更有效。给一两个输入输出样例，模型很快能对齐风格。
4. 让模型“先想再答”
对需要推理的问题，引导模型分步陈述（思维链），准确率通常更高，也更容易发现它哪里想偏了。
这些都不是银弹，但作为个人学习的起点已经足够。后续计划把 RAG 与本地小模型的部署也整理成笔记。
参考方向（自学清单）
- Transformer 注意力机制的数学直觉
- 向量数据库与嵌入模型选型
- Agent 的规划—执行—反思闭环
- 模型评估：如何判断“答得好不好”