提示工程策略对于获得预期输出和最大限度提高模型性能至关重要。本页面简要介绍了与生成式 AI 模型（尤其是 Gemini）交互的关键提示策略。
如需详细了解提示策略，请参阅 Google Cloud 文档中的提示策略概览。
提示设计基础知识
提示是生成式 AI 模型的主要输入，用于指示模型生成特定输出。提示的范围很广，从简单的查询到复杂的多部分指令，都可以包含上下文、示例和特定的输出格式要求。
以下是有效提示的关键注意事项：
- 提供清晰而具体的说明：设计提示时，务必要明确具体地说明您希望模型执行的任务。模糊不清的提示可能会导致模型生成意外且可能无关的输出。例如，与其问“写一首诗”，不如提出更具体的要求，例如“写一首关于自然之美的短诗，风格要像罗伯特·弗罗斯特”。此外，提供上下文有助于模型了解预期任务并生成相关回答。
- 分解复杂任务：对于复杂的任务，将提示分解为更小、更易于管理的子任务通常很有帮助。此策略可让模型一次专注于一个方面，从而生成更准确、更连贯的结果。例如，如果您想让模型写一个故事，可以将其分解为多个提示，分别用于生成角色、背景、情节和对话。
- 根据结果进行实验和迭代：提示设计通常是一个迭代过程。您可以尝试不同的方法、措辞和参数，以找到最符合您需求的结果。此过程包括尝试不同的提示长度、重新表述指令或调整模型的温度设置（用于控制输出的随机性）。 温度值越高，输出就越具创造性和不可预测性；温度越低，回答就越具确定性和聚焦性。
核心提示技巧
您可以使用多种技巧来优化提示，并从生成式 AI 模型中获得预期行为。
下表显示了生成式 AI 模型的基本提示方法：
| 提示方法 | 说明 | 提示示例 |
|---|---|---|
| 零样本提示 | 直接查询模型，无需提供具体示例，依靠的是模型预训练的知识和泛化能力。在多样化且全面的训练数据方面表现出色。 | Translate "Hello, how are you?" into French. |
| 少样本提示 | 在提示中提供一些示例来引导模型的输出，展示预期的格式或模式，以提高准确性。 | Translate the following sentences into Spanish: "My name is Alice." = "Me llamo Alice." / "I like to read." = "Me gusta leer." / "Where is the library?" = |
| 角色提示 | 为模型分配特定角色（例如“有用的助理”或“专业编辑”），以影响输出的语气、风格和内容，使输出与该角色保持一致。 | You are a seasoned journalist. Write a brief news report on the latest advancements in renewable energy. |
| 指令提示 | 使用简明扼要且明确无误的语言清楚明确地说明预期任务或操作，并指定输出要求、限制和格式需求。 | Summarize the following text into a three-sentence paragraph, focusing on the key arguments and conclusions: ... |
高级提示策略
除了核心技巧之外，您还可以使用更高级的策略来进一步优化输出：
- 思维链提示：通过在提示中提供一系列中间推理步骤，鼓励模型逐步思考。 此策略有助于完成需要逻辑推理或问题解决的任务。例如，如果您让模型解答一道数学应用题，请提供一系列提示，引导模型完成解题步骤。
- 接地：为模型提供外部信息或知识，以增强其理解和回答生成能力。此过程可让模型访问相关文档、数据库或 API。通过对模型进行接地，您可以提高其准确性、事实性，并使其能够生成更可靠的回答。例如，如果您希望模型回答有关特定主题的问题，请提供相关文章或研究论文作为依据。
- 检索增强生成 (RAG)：使用模型从知识库或外部来源检索相关信息。然后，将检索到的信息纳入提示中，以指导回答生成。对于需要访问大量信息或知识的任务（例如问答或文档摘要），RAG 非常方便。
主要注意事项
设计结构合理的提示时，请考虑以下事项：
- 力求清晰简洁。虽然详细的提示可能很有用，但过长或过于复杂的提示会让模型感到困惑。
- 了解所用模型的具体特征，以便撰写有效的提示。
- 避免依赖模型来生成事实信息。
- 对于数学和逻辑问题请谨慎使用。