Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

prompt engineering

Answer

Prompt engineering（提示工程）包括以下几个方面：

  1. 提示开发生命周期：
    • 开发测试用例：在定义任务和成功标准后，创建涵盖应用程序预期用例的多样化测试用例，包括典型示例和边界情况，提前定义好的测试用例有助于客观衡量提示的性能。
    • 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要的上下文，理想情况下添加规范输入和输出的示例供 Claude 参考，此初步提示作为改进的起点。
    • 根据测试用例测试提示：使用初步提示将测试用例输入到 Claude 中，仔细评估模型的响应与预期输出和成功标准的一致性，使用一致的评分标准，如人工评估、与答案标准的比较或 Claude 基于评分标准的判断，关键是要有系统性的评估性能方式。
  2. Claude 的性能：Claude 开箱即提供高水平基线性能，提示工程可进一步提升其性能并微调响应以适应特定用例，这些技术虽非必需，但对提升输入和输出可能有用。可参阅提示入门（https://docs.anthropic.com/claude/docs/intro-to-prompting）快速开始使用提示或了解提示概念。
  3. 使用例子中的迭代和改进：记住，提示工程是一个迭代过程，如果初始示例未产生完美结果，不要灰心，通过调整和实验，能够释放 Claude 的全部潜力，为应用程序取得出色结果。
Content generated by AI large model, please carefully verify (powered by aily)

References

2.Prompt engineering 提示工程

Develop test cases:With your task and success criteria defined,the next step is to create a diverse set of test cases that cover the intended use cases for your application.These should include both typical examples and edge cases to ensure your prompts are robust.Having well-defined test cases upfront will enable you to objectively measure the performance of your prompts against your success criteria.开发测试用例：在定义任务和成功标准之后，下一步是创建一组多样化的测试用例，涵盖应用程序的预期用例。这些应包括典型示例和边界情况，以确保您的提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量您的提示与成功标准的表现。Engineer the preliminary prompt:Next,craft an initial prompt that outlines the task definition,characteristics of a good response,and any necessary context for Claude.Ideally you should add some examples of canonical inputs and outputs for Claude to follow.This preliminary prompt will serve as the starting point for refinement.设计初步提示：接下来，制定一个初步的提示，概述任务定义、良好响应的特征，以及Claude所需的任何上下文。理想情况下，您应该添加一些规范输入和输出的示例供Claude参考。这个初步提示将作为改进的起点。Test prompt against test cases:Feed your test cases into Claude using the preliminary prompt.Carefully evaluate the model's responses against your expected outputs and success criteria.Use a consistent grading rubric,whether it's human evaluation,comparison to an answer key,or even another instance of Claude’s judgement based on a rubric.The key is to have a systematic way to assess performance.根据测试用例测试提示：使用初步提示将测试用例输入到Claude中。仔细评估模型的响应与您预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的Claude判断的另一个实例。关键是要有一种系统性的评估性能的方式。

2.Prompt engineering 提示工程

Claude offers high-level baseline performance out of the box.However,prompt engineering can help you enhance its performance further and fine-tune its responses to better suit your specific use case.These techniques are not necessary for achieving good results with Claude,but you may find them useful in upleveling your inputs&outputs.Claude在开箱即用时提供了高水平的基线性能。然而，及时的工程可以帮助您进一步提升其性能，并对其响应进行微调，以更好地适应您特定的用例。这些技术对于实现Claude的良好结果并不是必要的，但您可能会发现它们对提升输入和输出非常有用。To quickly get up and running with a prompt or get introduced to prompting as a concept,see[intro to prompting](https://docs.anthropic.com/claude/docs/intro-to-prompting).要快速开始使用提示或了解提示作为一个概念，可以参阅提示入门。

4.Use examples 使用例子

Remember,prompt engineering is an iterative process.Don't be discouraged if your initial examples don't yield perfect results–with a bit of tweaking and experimentation,you'll be able to unlock Claude's full potential and achieve exceptional results for your applications.记住，快速工程是一个迭代过程。如果你的初始示例没有产生完美的结果，不要灰心-通过一点调整和实验，你将能够释放Claude的全部潜力，并为你的应用程序取得出色的结果。

Others are asking
有什么 prompt engineering 的好材料
以下是一些关于 prompt engineering 的好材料： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： PromptPerfect：帮你自动优化提示词，你可以看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： Claude 3.7 核心提示词相关： 您可以在中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料： Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library 基本概念： 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。
2025-04-12
学习Prompt Engineering
提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中一个相对较新的概念。 其关键点包括： 1. 精确性：通过精确的提示，提高 AI 模型输出的相关性和准确性。 2. 创造性：需要创造性地思考如何构建问题或请求，以激发 AI 模型的特定能力。 3. 迭代：通常需要多次尝试和调整提示，以获得最佳结果。 4. 上下文理解：提示需要包含足够的上下文信息，以便 AI 模型能够理解并执行所需的任务。 提示词通常指的是直接输入到 AI 模型中的问题、请求或指示，它们是提示工程的一部分。提示词可以简单，也可以复杂。 提示工程与提示词的区别在于：提示词是实际输入到 AI 系统中的具体文本，用以引导模型的输出。提示工程则是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，而提示词是实现这一目标的手段之一。 在实际应用中，提示工程的提示开发生命周期包括： 1. 开发测试用例：在定义任务和成功标准之后，创建一组多样化的测试用例，涵盖应用程序的预期用例，包括典型示例和边界情况，以确保提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量提示与成功标准的表现。 2. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及所需的上下文。理想情况下，添加一些规范输入和输出的示例供参考。这个初步提示将作为改进的起点。 3. 根据测试用例测试提示：使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的模型判断。关键是要有一种系统性的评估性能的方式。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-03-25
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文和英文回答
中文回答： 人工智能在生命科学工程和信息学领域发挥着重要作用。例如，DeepMind 开发的 AI 技术能够预测几乎所有已知蛋白质的结构，这将加速科学研究和救命药物的开发，在对抗疟疾、抗生素耐药性和塑料垃圾等方面帮助科学家取得巨大进展。随着人工智能的发展，它能够扩大熟练劳动力或提升低技能劳动力的水平，例如可以提出答案或创意，让经过训练的人类选择最佳答案，筛选结果并跳过错误答案，自然地整合到现有的工作流程中。在合适的条件下，人工智能将改变生活的各个方面，刺激经济，创造新的就业机会并改善工作场所。 英文回答： Artificial intelligence plays significant roles in the field of life science engineering and informatics. For instance, an AI technology developed by DeepMind can predict the structure of almost every known protein to science, which will accelerate scientific research and the development of lifesaving medicines. It has already helped scientists make huge progress in combating malaria, antibiotic resistance, and plastic waste. As AI develops, it can expand the skilled labor force or enhance the level of lowskilled labor. For example, it can propose answers or ideas, allowing trained humans to select the best ones, filter the results and skip incorrect answers, and integrate naturally into the existing workflow. Under the right conditions, AI will transform all areas of life, stimulate the economy, create new jobs and improve the workplace.
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文描述一遍，英文描述一遍
中文描述： 用户询问：人工智能如何在生命科学工程和信息学领域发挥作用，以及它在我们的研究和创新中扮演何种角色。 英文描述： Quary: How AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation. 以下是为您找到的相关内容： 1. 人工智能（AI）已经在带来广泛的社会效益，从医疗进步到缓解气候变化。例如，DeepMind（一家英国企业）开发的一项 AI 技术现在能够预测几乎每种已知科学的蛋白质结构。这一突破将加速科学研究和救命药物的开发，已经帮助科学家在对抗疟疾、抗生素耐药性和塑料垃圾方面取得巨大进展。 2. 英国科学技术框架将 AI 列为五项关键技术之一，并指出监管在为 AI 创造繁荣环境方面的作用。在适当的条件下，AI 将改变生活的所有领域，并通过释放创新和提高生产力来刺激英国经济，创造新的就业机会并改善工作场所。 3. 相关法案提到支持跨多个机构和组织的跨学科研究和开发，包括物理学、工程学、数学科学、计算机和信息科学、机器人学、生物和认知科学、材料科学、社会和行为科学、网络安全和技术伦理等与人工智能研究和相关学科。
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.
AI 在生命科学工程和信息学领域具有多方面的助力和重要作用，主要体现在以下几个方面： 1. 提升劳动力水平：随着人工智能的发展，它能够扩大熟练劳动力或提升低技能劳动力的水平。例如，可以提出答案或创意，让经过训练的人类选择最佳答案，筛选结果并跳过错误答案，自然地整合到现有的工作流程中。 2. 推动行业转变：生命科学和医疗保健领域正越来越多地受到工程技术的推动而发生转变。在生命科学领域，基因编辑、细胞生物学、干细胞、机器人实验等方面的进展使科学家能够以前所未有的方式操纵生物学，且随着人工智能嵌入生命科学实验中，存在着强大的反馈循环。医疗保健领域也在利用技术经历复兴，朝着价值导向的付费模式转变，为人工智能创造了深层次的效用。 3. 助力新疗法开发：在理解生物学方面，人工智能扮演着关键角色，成为揭示生物学复杂性的推动者。如今已有的关于人类疾病的人工智能模型，指引着更有效的药物的开发路径，能够更快地进入市场，并减少失败的次数，使研究超越当前主要依赖实验室人力劳动偶然发现的模式。 但也要注意潜在的担忧，早期人工智能模型在人类收集的数据上进行训练可能存在嵌入的偏见和其他失败。随着人工智能应用于新的行业，科学家、医疗保健提供者和监管机构需要保持警惕，以防止潜在的有害副作用。
2024-08-26
什么是prompt engineering
提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中，一个相对较新的概念。它涉及设计和优化输入提示（prompts），以引导 AI 模型生成特定类型的输出或执行特定的任务。 提示工程是一门经验科学，涉及迭代和测试提示以优化性能。在提示工程周期中花费的大部分精力实际上并不是在编写提示上。相反，大部分提示工程时间都花在开发一组强大的评估上，然后针对这些评估进行测试和迭代。 提示工程的生命周期包括以下几个步骤： 1. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及模型所需的任何上下文。理想情况下，应该添加一些规范输入和输出的示例供模型参考。这个初步提示将作为改进的起点。 2. 测试提示：使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的模型判断的另一个实例。关键是要有一种系统性的评估性能的方式。 3. 优化提示：根据评估结果，对初步提示进行修改和优化。这可能涉及调整提示的内容、结构或格式，以提高模型的性能和准确性。 4. 验证和部署：经过优化的提示需要进行验证和部署。验证包括对模型在不同数据集和任务上的性能进行评估，以确保提示的有效性和泛化能力。部署则涉及将提示集成到实际应用中，以实现对用户的服务。 总之，提示工程是一种通过设计和优化输入提示来引导 AI 模型生成特定输出或执行特定任务的方法。它是 AI 模型开发和优化过程中的一个重要环节，对于提高模型的性能和准确性具有重要意义。
2024-05-26
PromptEnhancer
以下是关于 PromptEnhancer 的相关信息： PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中，针对“作为一名 IT 学生，为我的高级项目提出想法；我想要关于学生帮助大学学生的想法”这一测试种子提示，PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接：https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB
2025-04-20
能画技术路线图的prompt
以下是关于能画技术路线图的 prompt 相关内容： Midjourney Bot 的 Prompt 类型： 基本 Prompts：可以只是一个单词、短语或表情符号。 高级 Prompts：包括一个或多个图片 URL、多个文本短语以及一个或多个参数。其中，图片 URL 始终位于 prompt 的最前面，以影响完成结果的风格和内容。提示文字是对希望生成的图像的文本描述，精心编写的提示有助于生成惊艳的图像。参数可以改变生成图片的方式，需放在提示语的末尾。 ComfyUI Flux 与 runway 制作绘画视频： 生成图片：提示词告诉 flux 生成一张技术草图，如 CAD。 绘制的视频：在 runway 里面，使用提示词从空白页面开始逐行创建，并把生成的图片作为尾帧。 草图上色：使用 flux 的 controlNet，depth 固定，目前 Union 版本不建议权重调太高，结束时间也需注意。 Prompt engineering（提示工程）： 开发测试用例：定义任务和成功标准后，创建多样化的测试用例，包括典型示例和边界情况，以确保提示具有鲁棒性。 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要上下文，添加规范输入和输出的示例供参考。 根据测试用例测试提示：使用初步提示将测试用例输入，评估模型响应与预期输出和成功标准的一致性，使用一致的评分标准进行系统性的性能评估。
2025-04-19
整理会议纪要的prompt
以下是一些关于整理会议纪要的 prompt： 【?会议精要】整理生成高质量会议纪要，保证内容完整、准确且精炼。 会议记录员：将会议浓缩成简明摘要，包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要：专注于整理和生成高质量的会议纪要，确保会议目标和行动计划清晰明确。需严格遵守信息准确性，不对用户提供的信息做扩写，仅做信息整理，将一些明显的病句做微调。
2025-04-15
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14