译者按: 本文是 李继刚 于 2025-01 发表的《李继刚 | Prompt（提示词）的道和术》的中文校对翻译。原文出处: https://developer.volcengine.com/articles/7472971569728323611。读原文时深受启发, 特将全文译出与中文读者分享, 感谢原作者的点醒与提携。译文仅供学习交流, 版权归原作者所有, 如有出入以原文为准。
说明: 本文是李继刚 2 小时直播分享的文字整理稿 (张梦飞整理, 火山引擎开发者社区与知乎等多平台转载) 的忠实精编版。原整理稿约 1.4 万字, 此处保留全部核心论述与原话, 压缩了部分口语重复。原文中的破折号已按本库排版规范替换为逗号或冒号。
Prompt 的道与术
一、开场
我是李继刚, 自诩为一个读书人。从 ChatGPT 初期开始学习提示词, 花了一两个月研究网上能找到的所有提示词。接触结构化提示词后, 开始疯狂写各种场景下的提示词。因为读书多, 脑海中有很多方法论, 把这些方法论封装就是一个场景, 所以想法源源不断。去年写了大概七八十个不同场景的提示词。最近半年有了新收获, 今天分享整个心路过程。
二、Prompt 之道: 清晰表达
如果用一句话总结去年写的七八十个提示词: 清晰表达。只要能清晰地把真正想要的东西表达出来, 这事就成了。使用什么语法、什么框架都是次要的。
两个核心问题
清晰表达需要解决两个问题: 一是表达什么, 二是如何清晰表达。
想清晰地表达, 首先得有内核。你想表达什么东西必须先有, 然后才有得写。比如都写《金字塔原理》的提示词, 那本书就是内核。把脑海中的印象、认知、框架写出来, 可以用自然语言或结构化提示词, 框架是工具但不是本质。本质是通过这些工具把脑海中的东西清晰呈现出来。
表达什么: Read in, Prompt out
经过一段时间的抽象总结, 最终总结出一句话: read in, prompt out。要输出, 首先要有输入。
比如写商业分析的 Prompt, 如果没读过《商业模式新生代》, 不知道商业模式画布, 琢磨半天都在外围打转。一旦读了这些, 输进去就能出很惊艳的效果。因为大模型也学了这些知识。不同的人用大模型, 针对同样场景拿到不同结果, 有些惊艳, 有些一般, 根源在于输入不同。
编程界有句话: “垃圾进去, 垃圾出来”。输入没有信息量, 全是片汤话: “我想写商业计划书, 你给我一个”, 输出必定是中庸的、不能用的东西。
所以写好提示词的结果不来自于提示词本身的 1234, 而来自于源头。因在前边, 果在后边。这个"读"是泛指的: 跟别人交流行业经验、读书、看人文环境、刷短视频, 都是输入。脑子在跟世界做交互, 世界的信息过你的脑, 只要留心观察这个交互, 它就是一个输入。
举个例子: 有人问我怎么想到某个搞笑段子的。其实那不是我写的, 是刷抖音时停了下来。为什么会笑? 这视频有东西。开始研究它: 为什么这两句话能让我笑? 结构是什么? 是措辞还是反讽? 研究时就形成了那个 read in 的内核, 然后就有冲动: 这套东西能不能封装? 能不能批量生产?
每天都在与世界交互, 所以每天有大量输入, 只是很多想法脑子过一下就过去了, 划过就放过了。只要有那根弦抓住它, 就会有源源不断的想法。
提示词的技巧、别人写得好的东西, 复制粘贴去使用, 是模拟别人的形象。应该学的是那个词怎么提炼出来的过程, 而不是结果。
所以关于"表达什么": 要有输入, 有积累。提示词不在于如何写, 而在于如何输入以及如何感知这个输入。
如何清晰表达
假定有了内核, 有了清晰的场景需求和方法论, 就涉及第二个环节: 如何清晰地表达。
文科生对文字的细微差异下过功夫, 对文字很敏感, 写提示词有优势。学哲学的人对词的压缩语义、浓缩程度的理解和思考深度, 对提示词跟大模型交互一定有优势。他们需要一个契机进到这个门, 跟大模型交互就会起飞。
脑海中有一个东西, 要把它的形状、颜色等特质传达给大模型。怎么传达? 从正面、背面、上面、下面看都有不同形状。没办法用一个词、一句话、一个意念就表述好。不得已用语言表达, 而语言是线性输出, 字一个一个来, 这线性输出其实就是一个角度, 必然贴着某个角度。一旦发射出去, 就是偏颇的, 因为角度不是脑海中东西的本体, 是某个角度的看见, 所以一定是片面的。
怎么解决? 有人提出各种框架。框架干什么? 预置了某几个角度。描述任何场景都填这个框架的几个空就能解决。提示词框架本质上在干这事。这是退而求其次不得已的事: 因为没办法把脑海东西直接传达, 不得已借助框架。
我读《尼采与哲学》, 关于如何看事件有段话很有意思: “无论是事件、现象、词语、观念, 无一不富有丰富多彩的含义。事物有时表现为这样, 有时表现为那样, 这一切都取决于占有事物的力。”
事物当前的本质, 不是客观的, 而是取决于当时社会对它的意义的诠释。比如唐朝审美以胖为美。在尼采看来胖瘦都是美, 只是在唐朝那个时间点社会喜欢胖那个维度而已。
读完这段后, 脑海里那个东西变成什么? 它是个物体, 长满了各种刺, 每个刺就是决定它的各种力量。框架告诉你什么? 把脑海中的一个事情、一个方法论, 通过这四个角度来描述。各种框架大同小异: 你要做什么事情? 有什么背景? 有什么目标? 有什么任务? 有什么数据? 有什么输出? 大家换不同的词在弄而已。
这些框架确实有用, 能帮助很快地以某些角度把脑海中东西弄出来, 比完全从 0 到 1 空想要快得多。
我用 LangGPT 框架写过一整年。定义一个角色: 首先命名模拟的是个什么人, 有基本信息, 有目标, 有风格。比如: 使用简单语言, 给人开放性想象, 惜字如金, 模仿费曼的教学风格。这样塑造好一个人物。用户输入一个问题, 他开始思考和输出: 用比喻方式下定义, 讲概念的历史, 介绍属性, 举例证明, 再从大模型、哲学等角度说。
我这里列了 10 个角度, 它就按这十个角度一个一个地描述。这角度不是一次成型的, 迭代了几十次。比如一个概念, 看完后懂了吗? 没懂, 缺案例, 那就加案例。有了案例还觉得太浅, 那就加哲学, 思考本质。每一句话其实都是针对一个效果不好的改进去做的迭代, 不是复制粘贴抄别人的。
常见误区: 提示词写不好就在外边去找, 不断地试词、不断地调, 那是跑偏了, 被大模型、被随机的东西牵扯走了。真正效果不好的时候, 要回退, 先回到自己脑海中, 想脑海中那个东西。最终结果词的变化是由内, 是大脑内部那个形象和描述的偏差决定的, 而不是找一个词不断地试。
与大模型对话有两个最大收获。第一, 当脑海中有一个清晰的画面, 跟大模型对话, 它基本上都能带着你往更深一层去理解。理解是分层次的, 你在第三层理解非常清晰, 跟它对话能进到第四层。第二, 当脑海中是个模糊的东西, 比如"战略", 读了四本书每本讲一个方法论, 但说不出战略是什么。这时候可以跟大模型做各种对话, 它能帮你把脑海中那个东西慢慢变清晰。
当脑海中有一个东西非常清晰时, 是迫不及待的, 字是追着手指往外蹦的。所以不知道写什么的时候就去读吧, 往脑子里灌东西。
提示词之道: read in, prompt out。因在前边, 果在后边。
三、Prompt 之术: 三板斧
框架有十几个二十几个, 有没有最核心、最通用的东西? 我最终选择了三个, 叫做三板斧: 分配角色、给出示例 (few-shots)、思维链 (Chain-of-Thought)。这三个是所有写提示词都绕不过去的。
1. 分配角色
只要说"你是一个什么家", 输出就明显好于没说这句话。不分配角色时, 让它做一个事情, 就是个动作指令。分配角色时, 是一个"且"的关系: 注入了一个信息量, 信息熵变低了。
“哲学家"这三个字是一个大的压缩包。这个身份的人会有什么知识? 怎么表达? 语言风格是什么? 怎么做决策? 这一堆东西都包含了。它从单纯的动作执行变成了角色模式。
但有个潜在问题: 说"哲学家"时, 大模型脑海中已经有这个形象了; 说"公司的一个运营专员"时, 大模型压根没有这个形象。看似使用了这个技巧, 实际上是个无效信息, 甚至是干扰信息。这时候需要解压缩: 把信息注入到这个形象中。公司主营业务是什么、目标受众是什么、工作内容包含哪些、最核心的技能是什么, 把角色立住, 模型就认了。
所以用的时候心里要保持一根弦: 这个身份模型会不会知道?
2. 给出示例 (few-shots)
比如给脱口秀写提示词, 说"你给我讲个很好笑的笑话”, 这句话跟没说是一样的, 因为没有信息量。
有一个辅助技巧就是示例。给模型讲个笑话, 相当于把对这个笑话本身的理解交给模型来提炼。描述想法, 同时把这个想法的案例给模型, 相当于把脑海中那个东西的一个速写丢给它。模型把这两者结合, 开始类比往下输出。从信息量角度说, 这也是注入了信息量。
3. 思维链 (CoT)
提示词里加一句"让我们一步步思考", 效果就是有的。相当于快思考和慢思考的区别。不使用思维链: 问题直接到答案, 是直觉思维。使用思维链: 问题经过推理步骤 1 到 n 再到答案, 是逻辑推理。中间过程这些信息都能作为推理的数据材料。
开始写的时候框架很多很杂乱, 可以全部试, 但这三个别丢。守着这三个从 0 到 1 开始练。
四、彩蛋: 压缩表达
前面说的提示词之道, 这个"道"字用着其实心里是嘀咕的。后来为什么停了半年? 是因为摸到了一个天花板: 写来写去都是在清晰地说事情, 功力没有长进, 感觉是纯体力活了。停下来读了半年书, 摸到了另外一个词: 压缩。
拿当下的理解回头看去年写的提示词, 看到了"洞": 字与字、词与词、语句和语句之间有大量的空洞。这个空洞是语义上的空洞, 也是智力上的空洞。大量的字其实没有太大意义, 删掉那一段, 效果没什么影响。
怎么浓缩? 修炼法门:
- 一段话, 意思不变, 如何使用一句话来表达?
- 一句话, 意思不变, 如何使用一个词来表达?
- 一个词, 意思不变, 是否可能使用一个字来表达?
压缩之后有两个效果。
第一个效果是精准。 不能通过一堆话去描述脑海的意思, 就会倒逼自己精准表达。这时候有一种感觉是在压缩自己的大脑, 在压缩自己的思考。
第二个是凝练。 我的理解 (没有科学实验, 纯个人感悟) 是它对应着两个东西: Embedding 和 Attention。因为措辞足够精准, 那个词在大模型向量空间中足够精准, 相当于一支箭直接射在那个点上了。用一段话去描述时, 不是一支箭射出去, 是一片云飘过去。
第二部分是因为精准, 长度也在缩小, 恰好满足了 attention 工作机制。以前输入大量内容时, 提示词经常某一句要求没生效, 因为 attention 在动态分配权重, 写太长就会漂移。输入短了之后, 注意力更加集中。
大家好好看看我写的"汉语新解", 核心只有 5 个词。SVG 画图那部分是个工程上的东西, 不是核心。真正核心只有 5 个词, 这也是为什么那个 0.1 版本泛化能力那么强: 因为它过于凝练之后, attention 没有漂移空间了, 那五个词的意思完全被释放出来了。
这个感觉说得再玄妙一些就是: 得其意, 忘其言。 语言是障碍, 不得已用语言。真正想要传达的是脑海中那个"意"。
脑海中必须把那个东西树立起来。这个树立不是空想, 它需要输入、需要浸泡。你在一个行业经营了 5 年, 这 5 年就没有白费, 泡在那得到了大量的隐含知识, 那个东西就是你独特的资产。拿那个东西来写, 就是跟别人不一样。
我觉得写提示词是有味道的一件事情。这个提示词, 你一看就是你的味道。
你是画师
最后一个感悟: 把场景当做画布, 把 AI 当做画笔。这个画笔有一定的机动性, 可以在画布上生成画。但这时候人在哪? 人是画师, 人应该来执这支笔。 人要比 AI 凶, 要有 sense、有感觉, 对写的那个场景脑海中是有一个东西的, 以那个来评判 AI 画的画好还是不好。
不建议大撒把: 不知道要什么, 把背景告诉大模型说你给我写一个吧。这是放弃了这支笔, 让这支笔去随机画, 没搞出来就骂模型不好用。这是道上的不一样, 你放弃了指挥权。
跟 AI 对话, 有一个东西不能丢: 你是画师的身份。
总结今年的整个感悟, 四个字: 压缩表达。中间学到的所有东西都是在注释这四个字。模型能力在流变, 写作技巧在流变, 去年生效的今年效果可能没那么好, 这都是变的。但压缩表达在我看来是不变的, 是目前找到的最有效、最好玩、最有用的一个。这是我找到的提示词之道。
当然明年有可能再冲破这一层, 找到一个更契合大模型的道。但当前的理解就是这一层。
原文出处: 李继刚 | Prompt（提示词）的道和术 原作者: 李继刚 原文发表: 2025-01-15
本文收录于「X深度阅读」栏目: 精选全球 X/Twitter 与博客上最值得精读的 AI 长文, 逐篇校对翻译成中文。