胡凯翔：构建提示词的方法——基于阅读 Claude Cookbook 的思考和测试

用户8537

2024年2月29日修改

📗

作者：胡凯翔

一、前言

官方的 CookBook，是基于“源”的讲解和示例，是大语言模型运行的原理和技巧示例的出生地。​

去年 10 月 16 日那天，看到 A 大的对官方文档的即刻，激起了我想追本溯源，将提示词的功底打牢、夯实的想法，恰好又看到小七姐团队新做的关于 Claude Cookbook 的精读，想着“正好从这里开始”，一边再次开启基础入门内容精读的旅程。​

本文点子来源

该类型的文章里，我会按照 Cookbook 的阅读顺序，分成几个大类，分批阅读分析，一方面聚焦一处，输出深度，另一方面也方便分次理解。​

目前的大类有：

一、构建提示词

二、优化提示词

三、有用的技巧

今天的文章里，我们先从提示词的构建讲起

本次解读分析的文字材料来源于小七姐的中文精读文档和对 Claude Cookbook 原文的阅读和思考。​

二、构建提示词

抛去所谓的技巧、结构，在基础部分我会多去关注原因、目的。​

该篇文档的主体部分主要讨论了构建提示词的四个关键步骤：​

1.
 充分描述任务：为了使 GPT 生成更具针对性的内容，我们需要为它提供足够的信息。这包括对任务背景、定义术语和给出模型的详细描述。通过提供充分的信息，我们可以确保 GPT 能够更好地理解任务需求。 ​

2.
 标注提示词的不同部分：使用分隔符（如 XML 标记、Markdown 或特殊符号）来标记提示词的不同部分，使语句分类更为明显。这有助于 GPT 更好地理解提示词的结构和意图。 ​

3.
 添加示例（可选）：通过提供示例，我们可以减少创作的困难程度，提供示范，给出用户心中想要的成果范式。一般有两种添加示例的方法：模拟对话（以用户和 GPT 之间对话的形式给出示例）和用简明扼要的语句举例。 ​

4.
 描述踩坑点（可选）：在构建提示词时，我们需要考虑到可能出现的问题，如数据清洗和 AI 识别问题。对于要求 Claude 查找特定信息的任务，官方建议为其提供“如果输入中没有与描述匹配的内容时应该怎么做”的指示。这有助于防止 Claude 为了能够做出回应而凭空编造信息的问题。 ​

以上的大段描述以大白话总结为以下两句：

•
构建 GPT 能够听懂并执行的清晰明确的命令，包括背景描述、特殊情况说明、最好拆分出步骤，有示例就更好。​

•
以上描述分别对应了充分描述任务、标注提示词的不同部分、困难情况、添加示例 4 个小节。​

接下来，我们详细聊一聊这 4 个小节的内容。

1、充分描述任务

很多情况下，我们不需要去考虑多么华丽的提示词，给 GPT 足够的信息，它就能回馈你更具针对性的内容。这部分对应的其实不完全是提示词的能力，而是表达能力和需求分析能力。​

以我亲身经历的用 prompt 写标书任务为例：

胡凯翔：构建提示词的方法——基于阅读 Claude Cookbook 的思考和测试​