提示

提示词是LLM的输入，也是输出的一部分。好的提示词可以让LLM生成更好的输出。 你可以从以下链接中获得一些启发：GPTs，PromptBase，prompts.chat，LangSmith

一. 提示工程

提示工程也叫【指令工程】：prompt 最早出现在2018年。2019年，GPT-2 第一个在 LLM 中引入了prompt。大模型只接受一种输入，那就是prompt，大模型相关的工程工作，都是围绕prompt展开的，提示工程【门槛低，天花板高】。

优质的提示词：指令具体，信息丰富，减少歧义。

1.1 举例

人物

以图片人物为原型，完全保留人物原生面部特征和五官特点，去除所有背景，服饰和发型，进行艺术化创作。
生成照片，一副具有电影感的胶片肖像，一位美丽的中国女生，凌乱的黑发在风中飘动遮住脸庞，眼神灵动地看着镜头，位于画面左1/3处。
她围着一条厚实的鲜红色有质感的针织围巾，穿着一件羊羔毛外套上衣。
背景是日落时分寒冷，枯燥的荒野和远山。强烈的金色逆光直射镜头，产生巨大的镜头光晕效果，空气中有尘埃感。胶片颗粒质感，浅景深，自然原始的风格，青灰色滤镜，高噪点的胶片颗粒。
比例2:3（可调为9:16，3:4或3:2等），追求动作角度多样化，电影感，氛围感拉满，高清大片，8k，超极精细。

以图片人物为原型，完全保留人物原生面部特征和五官特点，去除所有背景，服饰和发型，进行艺术化创作。
生成照片，一副具有电影感的胶片肖像，一位美丽的中国女生，凌乱的黑发在风中飘动遮住脸庞，眼神灵动地看着镜头，位于画面左1/3处。
她穿着一条碎花裙，穿着凉鞋在海边的沙滩上提着裙子奔跑。
背景是阳光正好的下午。强烈的金色逆光直射镜头，产生巨大的镜头光晕效果，空气中有海边的盐味。胶片颗粒质感，浅景深，自然原始的风格，青灰色滤镜，高噪点的胶片颗粒。
比例2:3（可调为9:16，3:4或3:2等），追求动作角度多样化，电影感，氛围感拉满，高清大片，8k，超极精细。

保持图一人物的五官不变，清瘦精致的脸形，白皙的皮肤，留着深棕色韩版微分碎盖，自然且蓬松。左耳戴着一枚简约银质耳钉。眼神慵懒淡漠，略带疏离感，表情平静冷峻，没有明显笑容，传递出一种漫不经心的氛围感。以正脸且低角度自拍视角呈现，，右手自然地握着一只装有半杯金黄色酒液的透明威士忌杯，手臂放松地搭在身侧，整体姿态随性放松。身穿一件宽松的黑色机能风连帽外套，光线打到衣服正面大片范围，面料呈现哑光质感，版型简约利落。背景是昏暗的Livehouse或小型酒吧场景，左后方有两三个红色白色舞台灯，空气中弥漫着细腻的烟雾，光线在烟雾中形成明显的光束效果。人物换成猪头，远处可见深色的天花板结构与灰色皮质沙发，整体环境营造出一种迷离又充满氛围感的夜场氛围。写实人像风格，高清晰度，细腻的皮肤纹理与衣物质感，自然的光影层次，冷调与暖调光线对比强烈，颗粒感轻微，突出人物主体与环境的沉浸感。比例3:4。原比例。

二. 提示词的结构设计

典型结构：

角色：给AI定义一个最匹配任务的角色，比如：【你是一位软件工程师】
指示：对任务进行描述
上下文：给出与任务相关的其他背景信息（尤其是在多轮交互中）
例子：举个例子，学术中称为Few-Shot Learning 或 In-Context Learning；这对对输出正确性有很大帮助
输入：任务的输入信息，在提示词中明确的标识出输入
输出：输出的风格，格式描述，引导只输出想要的信息，以及方便后续继模块自动解析模型的输出结果，比如（json，xml）

大模型对 prompt 开头和结尾的内容更敏感。 为什么？ 为什么？