Table of Contents
prompt最佳实践
1. 什么是 Prompting？
- 与语言模型沟通：通过清晰的指令、必要的上下文、合理的信息组织，让模型按预期完成任务。
2. 关键参数
- temperature=0：降低不确定性，提高可重复性。
- max_tokens：控制输出长度与预算成本。
3. Prompt 是工程问题（迭代与实证）
- PE是工程问题: 只有最佳实践没有最优解
- 本质是“可实验、可迭代、可度量”的工程活动，持续小步优化。
4. Cache 与 System Prompt
- 多轮对话中不变的信息放入系统提示（system prompt），可被模型缓存，减少不必要的推理开销、加快响应。
5. 结构化你的信息
- 推荐使用 XML： (对比md格式)边界清晰、层次明确，便于模型解析与遵循。
6. 任务分解与操作化
- 像人完成任务一样：先列出完成任务的步骤，再按步骤指挥模型执行。
- 面向行级处理：逐行查看与处理数据，而不是一次性“看整张表”。
7. 解释说明的样例
- 明确告知模型需要输出的“信息种类/字段/格式”，降低遗漏与跳步。
8. 何时用非推理模型，何时用推理模型
- 优先非推理模型（“模板式思考”）以缩小答案空间，提高效率： 1) 把大任务拆成可控子问题，缩小搜索空间。 2) 用规则约束输出，减少跳步与遗漏。
- 升级到推理模型： 1) 问题过于复杂,没有固定的模板,让模型在更大的可能空间中搜索答案.
请我喝杯咖啡
大家一起来讨论