SuperAPI AI 工具集

prompt-engineering

智能体与模型

查看项目

更新于 10-26 16:17

技能介绍

提示词工程是设计语言模型输入以稳定获得高质量、准确且格式合规输出的实践,涵盖从系统指令编写到多步推理管线与检索增强生成(RAG)。有效提示可减少幻觉、提升一致性,并激发模型已具备但需要引导的能力。该技能所述技巧适用于 OpenAI、Anthropic、Google 等主要提供商,仅存在少量语法差异。

用途:当任务涉及为智能体或聊天机器人编写与优化系统提示词、实现思维链推理、设计少样本示例、构建 RAG 管线(检索+上下文注入+生成)、可靠获取结构化 JSON/schema 输出、串联多次模型调用(分解、路由、校验)、评估提示词质量、在零样本/少样本/微调/RAG 之间做选择,或调试不一致与幻觉输出时使用。

不适用:模型训练、微调基础设施与 RLHF 管线属于机器学习工程;特定框架的智能体编排应使用对应框架技能。

主要能力与原则:

  1. 角色体系:system 承载持久指令、人设与约束;user 提供问题、任务与注入上下文;assistant 为模型回复,也可预填以引导格式。
  2. 采样控制:温度 0 适合事实抽取与结构化输出;0.3-0.7 兼顾创造性与连贯性;1.0 以上多样性高但不利于事实任务;top_p 常取 0.9-0.95;不建议同时将温度和 top_p 设为非默认值。
  3. Token 经济与上下文管理:输入 token 通常比输出便宜,应保持输出聚焦;长上下文会提高首 token 延迟与成本;关键指令宜放在长提示的开头与结尾;RAG 只注入 top-K 片段;长对话宜摘要而非传原始记录。
  4. 方法选择:新行为且示例少用零样本/少样本;需要稳定风格用少样本或系统提示;有大量标注样本且任务固定可微调;领域知识超出上下文容量用 RAG;延迟敏感且任务重复可微调小模型。
  5. 系统提示词模板:按“人设+受众+领域、职责清单、硬性约束、输出格式”四段编写,并给出代码审查示例。反模式包括过于空泛的“乐于助人、无害、诚实”、自相矛盾的约束、未规定输出格式。
  6. 思维链:可用“Let's think step by step”触发零样本推理,或定义 UNDERSTAND/PLAN/EXECUTE/ANSWER 结构化步骤;自一致性通过多次采样多数投票得出答案。适用于算术、逻辑、多步规划与模糊分类,简单查询不必使用。
  7. 少样本设计:优先覆盖常见输入模式,必要时包含拒答负例;格式在所有示例中保持一致;代表性示例在前、最接近查询的在后;分类任务应交错类别而非按类分组;通常 3-8 个示例即可饱和收益。
  8. RAG 管线:检索 top-K 片段,用分隔符注入上下文,限定“仅依据上下文回答,否则说明没有该信息”,并在回答后列出出处;分块 256-512 token 偏精确、1024 偏宽泛,重叠 10%-20%;可用交叉编码器重排、查询改写提升召回。
  9. 结构化输出:优先使用 function calling / json_schema 强制 schema;兜底方案为提示词要求 JSON 并配合 schema 校验与最多 3 次重试,校验失败时将错误信息回填提示词再试;不要盲目信任模型生成的 JSON 结构。
  10. 提示词链式调用:分解模式将研究、列提纲、写作拆为顺序调用;路由模式先用分类调用选择下游提示词;校验模式在生成后加批评调用,仅在存在具体可核查错误时才修订。
  11. 质量评估:关注准确率、一致性(确定性任务输出差异低于 10%)、格式合规率(生产结构化输出高于 99%)、P50/P95 延迟、token 成本与幻觉率;上线前应建立 20 例以上的黄金评估集,并按通过率度量改动前后变化。

使用方式:该技能以技能文件形式提供,激活后在首次响应开头输出 🧢 表情;首次激活时可运行 ls 检查 ~/.claude/skills/ 等目录下已安装的配套技能,缺失的可通过 npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name> 安装;需要对比具体技巧时可加载 references/techniques-catalog.md(内容较长,仅在挑选技巧时加载)。

适用场景:智能体与聊天机器人系统提示词、复杂推理任务、分类与结构化抽取、文档问答与 RAG、多步内容生产管线、提示词回归评估。

限制与注意事项:结构化抽取时温度大于 0 会显著提高 JSON 解析失败率,应使用温度 0;RAG 片段缺少分隔符会导致模型混淆检索内容与指令;批评-修订模式可能引发新的幻觉循环;按类分组的少样本示例会让模型依赖位置而非语义;提示词改动若不经评估集回归,可能在不明显的边界用例上退化。模型的上下文窗口、价格与具体 API 参数以各提供商当前文档为准,本技能资料未逐一给出。