精通 LLM 提示词工程：开发者指南

AI 回复质量差并不是模型的错，而是提示词（Prompt）的错。

提示词工程是一项技能。通过使用特定的技巧，你可以不断提升它。利用这些方法可以获得更好的代码和更智能的回答。

提供具体的上下文

不要再问宽泛的问题了。

  • 错误：“如何验证电子邮件？”
  • 正确：“我正在构建一个 Node.js Express API。请向我展示如何使用 email-validator 包来验证电子邮件。请包含带有 400 状态码的错误处理。”

设定角色

告诉 AI 它应该扮演什么角色。

  • 不要说：“写一个生成唯一 ID 的函数。”
  • 尝试说：“你是一位资深后端工程师。请编写一个 Python 函数，用于生成按时间戳排序的全局唯一 ID。并解释你的决策。”

使用思维链 (Chain of Thought)

对于困难的任务，要求 AI 逐步思考。这会迫使模型展示其逻辑。

  • 提问：“请带我了解你的思考过程：1. 识别瓶颈。2. 列出技术方案。3. 推荐解决方案。4. 编写代码。”

提供示例

向 AI 展示你想要的模式。这被称为少样本提示（few-shot prompting）。提供“之前”和“之后”的示例，以便 AI 学习你的风格。

设置严格的约束条件

迫使 AI 变得精准。清晰地列出你的要求：

  • 语言版本
  • 时间复杂度
  • 空间复杂度
  • 不使用外部库

拆解任务

不要一次性要求完成所有事情。采用循序渐进的方法：

  • 第一步：创建一个基础版本。
  • 第二步：添加错误处理。
  • 第三步：优化性能。
  • 第四步：添加类型。

要求备选方案

要求提供两种不同的问题解决方法。这有助于你理解权衡（trade-offs）。要求列出每种方法的优缺点。

要求特定的格式

告诉 AI 如何组织输出内容。你可以要求进行结构化的代码审查，并使用特定的标题，如 Issues（问题）、Fixes（修复）和 Performance Impact（性能影响）。

应避免的错误：

  • 过于简短。
  • 在一个提示词中询问不相关的事情。
  • 忘记提供约束条件。
  • 在不检查的情况下直接接受第一个答案。

精通这些步骤可以帮助你提高工作效率。这些方法适用于 ChatGPT、Claude 和 GitHub Copilot。

你在使用哪些提示词技巧？在评论区告诉我吧。

来源：https://dev.to/samchenreviews/mastering-the-art-of-llm-prompting-a-developers-guide-to-getting-better-answers-from-ai-36k5

可选学习社区：https://t.me/GyaanSetuAi