课程详情
第一部分：预备知识与核心原理
1.1 生成式AI的工作机制
什么是Token（词元）？如何影响计费和响应长度？
上下文窗口（Context Window）原理与重要性
温度（Temperature）
Top-P（核采样，Nucleus Sampling）
频率惩罚（Frequency Penalty）
模型类型：纯文本、多模态（图文）、代码模型的区别
1.2 提示词的核心要素
指令（Instruction）
上下文（Context）
输入数据（Input Data）
输出指示器（Output Indicator）
1.3 常见误区与失败模式
模糊指令导致的“幻觉”（Hallucination）
过度约束导致的自相矛盾
忽略模型能力边界
第二部分：基础提示词技巧
2.1 零样本（Zero-shot）与少样本（Few-shot）
零样本：直接提问（例：“翻译‘你好’为英文”）
少样本：提供2-5个示例来规范输出格式和风格
如何构造有效示例：覆盖边界情况、标注清晰
2.2 思维链（Chain of Thought, CoT）
基础CoT：让模型展示中间推理步骤
零样本CoT：使用“Let’s think step by step”等触发词
自动CoT与手动CoT的选择
2.3 角色扮演（Persona Pattern）
为模型分配专业角色（律师、营养师、教师）
使用“你是一位… 请遵循以下原则…”的结构
多角色协作（模拟会议、辩论）
2.4 格式化输出控制
指定输出为JSON、Markdown、表格、列表
使用关键词：“仅输出”、“用分号分隔”、“不超过5条”
正例与反例对比引导
第三部分：高级提示词技术
3.1 自洽性（Self-Consistency）
3.2 思维树（Tree of Thoughts, ToT）
3.3 反思与修正（ReAct, Reflexion）
3.4 元提示（Meta-Prompting）
第四部分：多模态与工具型提示词
4.1 多模态提示基础
4.2 提示词调用外部工具
4.3 代码与伪代码提示
第五部分：提示词工程化与评测
5.1 提示词版本管理与迭代
5.2 提示词评估指标
5.3 防御性提示
第六部分：实战项目
默认课时
0 次学习0分钟
正在加载课程内容...