提示詞是大語言模型、生成式人工智能、自然語言處理、AI 應用開發和人機交互中非常常見的一個術語，它用來描述用戶或系統提供給模型的輸入指令、背景信息、任務要求和輸出約束。換句話說，提示詞是在回答：我們怎樣把任務交給模型，并引導模型生成符合要求的結果。

如果說大語言模型本身提供了語言理解和生成能力，那么提示詞就是調用這種能力的“任務說明書”。同一個模型，在不同提示詞下可能會表現出不同的輸出風格、回答結構、詳細程度和任務重點。

因此，提示詞常用于問答、寫作、翻譯、摘要、代碼生成、圖像生成、數據分析、RAG 問答、智能體規劃和工具調用中，是理解大語言模型應用方式的重要基礎概念。

一、基本概念：什么是提示詞

提示詞（Prompt）是用戶或系統輸入給模型的一段文本，用來說明希望模型完成什么任務。

圖 1：什么是提示詞

例如：

請用通俗語言解釋什么是機器學習。

這是一條簡單提示詞。它告訴模型：

? 任務：解釋概念

? 對象：機器學習

? 風格：通俗語言

再比如：

請把下面這段話改寫得更正式，保留原意，不要增加新信息。

這條提示詞更具體。它包含：

? 任務類型：改寫

? 風格要求：更正式

? 內容約束：保留原意

? 限制條件：不要增加新信息

從通俗角度看：提示詞就是給模型下達任務時寫出的“說明”。

提示詞可以很短，也可以很長。

短提示詞適合簡單任務；長提示詞適合復雜任務、格式嚴格任務、多步驟任務或需要背景材料的任務。

二、為什么提示詞很重要

提示詞之所以重要，是因為大語言模型并不是直接知道用戶心里真正想要什么。

模型只能根據當前輸入內容進行推理和生成。如果提示詞模糊，模型就可能給出泛泛而談的回答。

例如：

寫一段介紹。

這個提示詞信息很少。模型不知道：

? 介紹什么主題

? 寫給誰看

? 要多長

? 用什么風格

? 是否需要例子

? 是否需要標題

更好的提示詞可以寫成：

請面向高中生，用 300 字左右介紹“人工智能”的基本含義，語言通俗，避免復雜公式。

這條提示詞明確了：

? 讀者：高中生

? 主題：人工智能

? 長度：300 字左右

? 風格：通俗

? 限制：避免復雜公式

從通俗角度看：提示詞越清楚，模型越容易理解任務邊界；提示詞越模糊，模型越可能自行猜測。

提示詞的作用包括：

? 明確任務目標

? 提供必要背景

? 限定回答范圍

? 控制輸出風格

? 指定輸出格式

? 提醒模型注意約束

? 降低答非所問概率

? 配合 RAG、工具調用和工作流

三、提示詞由哪些部分組成

一條高質量提示詞通常不只是一個問題，而是由多個部分組成。

圖 2：提示詞由哪些部分組成

常見組成包括：

? 任務目標

? 背景信息

? 輸入材料

? 輸出格式

? 風格要求

? 約束條件

? 示例

? 評價標準

1、任務目標

任務目標說明模型要做什么。

例如：

請總結下面文章的主要觀點。

請判斷下面評論的情感傾向。

請把這段 Python 代碼改寫得更易讀。

任務目標是提示詞中最核心的部分。

2、背景信息

背景信息說明任務發生的場景。

例如：

這是一篇面向初學者的機器學習教材文章。

這能幫助模型選擇合適的語言難度和解釋方式。

3、輸入材料

輸入材料是模型需要處理的內容。

例如：

以下是需要總結的文章：

如果材料本身不完整，模型可能只能基于現有信息回答。

4、輸出格式

輸出格式規定模型應該怎樣組織答案。

例如：

請按“概念、作用、示例、小結”四部分輸出。

或者：

請輸出 JSON 格式，不要添加額外解釋。

5、風格要求

風格要求控制語氣、深度和表達方式。

例如：

語言通俗，但保持專業準確。

適合網絡教材，避免口語化標題。

6、約束條件

約束條件規定模型不能做什么或必須注意什么。

例如：

不要編造資料來源。

不要改變原文意思。

小結不超過 120 字。

從通俗角度看：好的提示詞不是只告訴模型“做什么”，還告訴模型“怎么做、做到什么程度、不要做什么”。

四、提示詞如何影響模型輸出

提示詞會影響模型輸出的多個方面。

1、影響任務理解

不同提示詞會讓模型把同一段內容理解為不同任務。

例如，同一段文章可以有不同要求：

請總結這段文章。

請檢查這段文章的知識錯誤。

請把這段文章改寫得更通俗。

請提取這段文章中的關鍵術語。

輸入材料相同，但任務不同，輸出就不同。

2、影響回答深度

例如：

簡單解釋什么是 RAG。

和：

請從系統架構、文檔切分、向量檢索、重排序、上下文組織和局限性六個方面解釋 RAG。

后者會引導模型給出更深入的回答。

3、影響輸出格式

例如：

請用表格說明。

請用條目式說明，不要使用表格。

這會直接改變答案形式。

4、影響表達風格

例如：

請用兒童能理解的語言解釋。

請用研究論文風格解釋。

同一知識點會呈現出完全不同的表達方式。

5、影響邊界和安全性

提示詞也可以要求模型遵守事實邊界。

例如：

如果資料中沒有提到，請明確說明“資料不足”，不要猜測。

這類約束可以減少模型憑空補充。

從通俗角度看：提示詞不是簡單“問一句話”，而是在設定模型當前回答的任務環境。

五、提示詞與上下文窗口的關系

提示詞會占用上下文窗口。上下文窗口是模型一次推理中能夠處理的最大 token 范圍。

一次請求中，通常會包含：

? 系統提示

? 用戶提示詞

? 歷史對話

? 輸入材料

? 檢索片段

? 工具返回結果

? 模型輸出預留空間

可以簡單表示為：

其中：

? T_system 表示系統提示占用的 token 數

? T_user 表示用戶提示詞占用的 token 數

? T_context 表示上下文材料占用的 token 數

? T_output 表示輸出預留 token 數

? T_window 表示上下文窗口大小

這說明提示詞不是越長越好。

如果提示詞過長、無關背景太多，可能擠占真正重要材料和輸出空間。

從通俗角度看：上下文窗口像模型當前工作臺，提示詞是放在工作臺上的任務說明。任務說明要清楚，但不能把工作臺全部占滿。

因此，在長文檔問答、RAG 和復雜任務中，提示詞需要做到：

? 任務明確

? 約束清楚

? 材料相關

? 避免冗余

? 為輸出留空間

六、提示詞、系統提示與用戶提示

在許多大語言模型應用中，提示詞并不只有用戶輸入的一段話。

常見層級包括：

? 系統提示

? 開發者提示

? 用戶提示

? 工具結果

? 歷史對話

其中，用戶最常接觸的是用戶提示詞。

1、系統提示

系統提示通常用于規定模型的總體行為邊界。

例如：

你是一個嚴謹的教學助手，回答要準確、清晰、避免編造。

系統提示一般不直接由普通用戶每次輸入，而是在模型應用中預設。

2、用戶提示

用戶提示是用戶當下提出的具體任務。

例如：

請解釋什么是 Top-p 采樣。

用戶提示決定當前要完成什么任務。

3、工具結果

在 或工具調用場景中，系統還可能把檢索結果、數據庫結果或計算結果放入上下文。

例如：

以下是檢索到的資料，請僅根據資料回答問題。

這類內容也會影響模型回答。

從通俗角度看：模型的回答不是只受最后一句用戶問題影響，而是受當前上下文中的多層提示共同影響。

七、提示詞與指令微調的關系

提示詞和指令微調關系密切。指令微調讓模型在訓練階段見過大量“指令—回答”樣本。

例如：

指令：請總結下面文本。

輸入：……

回答：……

通過這種訓練，模型學會了理解常見任務指令。

因此，當用戶在推理階段輸入提示詞時，模型能夠更好地識別：

? 這是翻譯任務

? 這是摘要任務

? 這是分類任務

? 這是解釋任務

? 這是代碼生成任務

? 這是格式化輸出任務

從通俗角度看：指令微調讓模型“學會聽任務”，提示詞則是在實際使用時“給出任務”。

二者關系可以概括為：

? 指令微調：訓練模型理解指令

? 提示詞：在使用時向模型發出指令

需要注意：好的提示詞可以改善模型輸出，但不能無限彌補模型能力不足。

如果模型本身沒有相關知識、推理能力或工具支持，僅靠提示詞很難保證正確答案。

八、常見提示詞寫法

提示詞沒有唯一模板，但可以根據任務類型選擇合適寫法。

1、解釋類提示詞

適合概念講解、教材寫作、術語說明。

例如：

請用通俗但準確的語言解釋“梯度下降”，包括基本含義、為什么需要它、核心公式、常見誤解和簡單示例。

這類提示詞應明確：

? 解釋對象

? 讀者水平

? 內容結構

? 深度要求

2、改寫類提示詞

適合潤色、壓縮、風格調整。

例如：

請在不改變原意的前提下，把下面這段話改寫得更簡潔、更適合教材文章。

這類提示詞應強調：

? 不改變原意

? 目標風格

? 是否允許增刪

? 是否保留結構

3、總結類提示詞

適合長文摘要、會議紀要、資料提煉。

請總結下面內容的核心觀點，按 5 條以內列出，不要添加原文沒有的信息。

這類提示詞應強調：

? 摘要長度

? 信息邊界

? 輸出形式

4、分析類提示詞

適合文章檢查、代碼審查、方案評估。

請檢查下面文章是否存在知識錯誤、邏輯重復和表達不清之處，并給出修改建議。

這類提示詞應明確分析維度。

5、格式化輸出提示詞

適合結構化結果、JSON、表格、清單等。

請按以下字段輸出 JSON：term、definition、examples、notes。不要添加 JSON 之外的文字。

這類提示詞應明確字段、格式和禁止內容。

從實踐角度看：提示詞越接近任務真實要求，輸出越容易符合預期。

九、提示詞的優勢、局限與使用注意事項

1、提示詞的主要優勢

提示詞最大的優勢是靈活。

用戶不需要重新訓練模型，就可以通過不同提示詞讓模型完成不同任務。

其次，提示詞成本低。

相比微調模型，修改提示詞更快、更容易測試。

再次，提示詞適合快速迭代。

用戶可以通過調整要求、補充背景、增加示例來改善輸出。

從通俗角度看：提示詞是一種“用自然語言編程”的方式。它不改變模型參數，卻能改變模型當前任務行為。

2、提示詞的主要局限

提示詞也有局限。

首先，提示詞不能保證事實正確。

如果模型沒有可靠知識來源，仍可能生成錯誤內容。

其次，提示詞不能完全控制模型。

復雜任務、長文本、多約束任務中，模型仍可能遺漏部分要求。

再次，提示詞不能替代模型能力。

如果模型本身能力不足，提示詞只能改善表達方式，很難創造根本能力。

此外，提示詞容易受上下文干擾。

當上下文太長、指令沖突或資料混亂時，模型可能執行不穩定。

3、使用提示詞時需要注意的問題

使用提示詞時，需要注意：

? 明確任務目標

? 提供必要背景

? 指定輸出格式

? 給出長度和風格要求

? 說明不能編造的信息邊界

? 復雜任務可以拆成步驟

? 嚴格格式任務可給出示例

? 長文本任務要控制上下文冗余

? 高風險任務不能只依賴提示詞

? 如果需要最新事實，應結合檢索或工具

從實踐角度看，提示詞是模型應用的重要入口，但它不是萬能控制器。對于事實性、實時性、企業知識庫和高風險任務，還需要 RAG、工具調用、評估和安全約束配合。

十、Python 示例

下面給出幾個簡單示例，用來幫助理解提示詞在模型應用中的組織方式。

示例 1：最簡單的提示詞

這條提示詞可以讓模型回答一個概念，但要求較少，輸出風格可能不穩定。

示例 2：更明確的提示詞

這條提示詞比上一條更明確。它指定了：

? 讀者

? 結構

? 示例

? 風格

? 限制條件

因此更容易得到符合預期的回答。

示例 3：帶輸入材料的提示詞

這類提示詞常用于摘要、問答和資料分析。關鍵是要告訴模型：只根據給定材料回答。

示例 4：結構化輸出提示詞

這類提示詞適合需要程序進一步處理模型輸出的場景。格式越嚴格，提示詞越要明確。

示例 5：對比模糊提示詞與清晰提示詞

這個例子說明：模糊提示詞容易讓模型自行猜測，清晰提示詞更容易讓模型按要求輸出。

小結

提示詞是用戶或系統提供給模型的任務說明，用來引導模型理解要做什么、怎樣做、按什么格式輸出以及遵守哪些約束。好的提示詞可以顯著改善模型輸出，但不能保證事實正確，也不能替代模型能力、外部知識和安全機制。對初學者而言，可以把提示詞理解為：用自然語言寫給模型的任務說明書。

“點贊有美意，贊賞是鼓勵”