基本概念
了解提示词的基础知识与格式
给大语言模型提示
你可以通过简单的提示词获得大量结果，但结果的质量与你提供的信息数量和完善度有关。一个提示词可以包含你传递到模型的指令或问题等信息，也可以包含其他详细信息，如上下文、输入或示例等。通过这些元素可以更好地指导模型，从而获得更好的结果。
简单示例：当使用 DeepSeek、豆包等聊天模型时，可以使用 system、user 和 assistant 三个角色来构建 prompt。system 角色不是必需的，但有助于设定 assistant 的整体行为。
从上面的提示示例中可以看出，语言模型能够基于我们给出的上下文内容完成续写。这基本示例突出了提供更多上下文或明确指示你想要实现什么的必要性，这正是提示工程的核心所在。
提示词格式
标准提示词应该遵循以下格式：
提示词：[你的问题或指令]
例如，你可以直接输入：
中国的四大发明是什么？
也可以格式化为问答（QA）格式：
问：[你的问题]
答：
当像上面那样提示时，这被称为零样本提示，即直接提示模型给出一个回答，而没有提供任何示例。一些大语言模型具备进行零样本提示的能力，但这取决于任务的复杂性和知识，以及模型被训练以在其上表现良好的任务。
少样本提示
基于以上标准格式，一种流行且有效的提示技术被称为少样本提示，其中提供示例（示范）。你可以在提示中包含几个示例：
问：北京
答：中国的首都
问：上海
答：中国的经济中心
问：成都
答：
语言模型可以基于一些说明了解和学习某些任务，而少样本提示正好可以赋能上下文学习能力。我们将在提示技术板块中更详细地讨论零样本提示和少样本提示。
总结
以上示例基本说明了现阶段大语言模型能够发挥的功能作用。它们可以用于执行各种高级任务，如文本概括、数学推理、代码生成等。
设计有效的提示词以指导模型执行期望任务的方法被称为提示工程。掌握这些基本概念将帮助你更好地与大型语言模型进行交互。