DeepSeek 提示词编写技巧通用攻略

让每个人都能编写 Prompt，人人都能成为 Prompt 工程师。

原标题：DeepSeek 提示词编写技巧通用攻略
文章来源：智猩猩GenAI
内容字数：20791字

智猩猩DeepSeek大解读公开课及提示词编写攻略

本文总结了智猩猩“DeepSeek大解读”系列公开课第二期的预告信息，以及一篇通用的提示词编写攻略。公开课将于2月13日19点举行，主题为《PTX与CUDA：性能、兼容性与生态系统》，将由中国科学院计算技术研究所副研究员赵家程主讲，内容涵盖GPGPU底层编程方法、PTX加速LLM训练与推理示例以及PTX对性能、兼容性和生态系统的影响。

1. DeepSeek及提示词工程

DeepSeek 的深度思考功能已极大程度替代提示词工程，但结合提示词工程，其输出结果将更具实用价值。本文提供了一套通用的提示词编写攻略，适用于DeepSeek及其他大模型。

2. 提示词万能框架

本文提出一个“万能模版”，将提示词拆分为“立角色+述问题+定目标+补要求”四个部分，帮助用户高效编写提示词。

1. 立角色： 将大模型设定为特定角色，调用其对应能力，如同招聘时设定职位要求。
2. 述问题&定目标： 清晰描述问题和目标，对于复杂任务，需要进行分解，甚至可利用大模型辅助分解。
3. 补要求： 将要求放在提示词最后，并可利用大模型的编程能力，将模糊要求转化为精确的指令。

此框架结构化，便于管理和灵活组合。

3. 框架细化及信息补充

为了优化提示词，需要补充“静态”信息（框架本身）和“动态”信息（任务相关信息）。

1. 角色细化： 如同编写招聘JD，明确角色身份、教育水平、经验和技能等。
2. Few-shot学习： 提供少量示例，提升模型效果。 通过RAG技术，检索与当前任务最相近的示例，提高示例的有效性。
3. 记忆功能： 增加“记忆”模块，利用RAG技术从记忆库中获取信息，补充上下文，打破上下文长度限制。
4. 专业领域知识： 对专业领域知识进行整理，并结合RAG技术动态引入，弥补大模型在专业领域的不足。

4. 附加技巧

除了上述框架，还有其他技巧可以优化提示词：

1. 参数控制模型确定性： 调整Temperature和Top-P参数，控制模型输出的随机性和多样性。
2. 大模型辅助优化Prompt： 利用APE、APO、OPRO等算法，让大模型自动优化Prompt。

总而言之，本文提供了一个系统化的Prompt工程方法，帮助用户高效编写和调试提示词，提升大模型应用效果。RAG技术和向量数据库的结合是关键，可以解决大模型知识更新难题。

联系作者

文章来源：智猩猩GenAI
作者微信：
作者简介：智猩猩旗下账号，专注于生成式人工智能，主要分享技术文章、论文成果与产品信息。