在自然语言处理（NLP）和机器学习的上下文中，"提示词"（prompt）指的是输入到系统中以引发特定输出或响应的一段文本、命令或指示。

"提示词工程"（Prompt Engineering）是一个在自然语言处理（NLP）领域，特别是在与预训练语言模型交互时常用的术语。它涉及到设计和优化输入到语言模型中的提示词，以便生成期望的输出或执行特定的任务。

提示词只是简单的一句或者几句话，而提示词工程则是一个多个甚至多段提示词的组合。

编写几句提示词是比较简单的，例如你想问某个技术：

请解释5G的网络切片技术：

5G网络切片技术是第五代移动通信技术（5G）的关键特性之一，它允许将一个物理网络分割成多个虚拟的端到端网络，每个虚拟网络都可以根据特定的服务需求进行定制。这些虚拟网络，即“切片”，可以独立运行并满足不同的服务质量（QoS）、安全性、延迟和带宽要求。

但是如果你想要写一篇关于5G技术的论文，这就不是一句话能解决的了，你可能需要写好几段提示词，把你的要求呈现给AI，这时候提示词工程的重要性就显示出来了。

kimi+里面有个提示词专家的功能，在输入框里“@提示词专家”即可调用：

使用提示词专家的基本步骤如下：

明确目标：首先，需要明确想要通过人工智能模型完成的任务或目标。提供背景信息：向kimi提供足够的背景信息或上下文，这样kimi才能更好地理解您的需求，并设计出合适的提示词。描述需求：详细描述希望人工智能模型做的事情，比如生成特定风格的文章、回答特定类型的问题、提供数据分析等。接收提示词：kimi会根据提供的信息，设计一个或多个提示词（Prompt），并将它们以代码块的形式展示。测试提示词：可以将kimi提供的提示词复制并粘贴到人工智能模型的输入框中，进行测试。评估结果：评估人工智能模型根据提示词生成的输出是否满足需求。迭代优化：如果结果不尽如人意，可以根据反馈调整提示词，或者告诉kimi哪里需要改进，kimi将帮助优化。新开对话框测试：为了避免潜在的提示词干扰或混淆，建议在新开的对话框中测试每个新提示词，以获得最佳的测试效果。

举个例子，你输入的用户需求如下：

假设您是一名营销经理，需要为即将到来的产品发布会撰写一篇吸引人的新闻稿。

即可得到以下输出：1：明确您想要的新闻稿的风格和内容要点，比如需要包含产品的关键特性、目标市场、发布会的日期和地点等。2：向我提供这些信息，比如：产品名称：XYZ智能手表 关键特性：健康监测、长续航、智能助手 目标市场：科技爱好者和健康意识强的消费者 发布会日期：2024年6月1日 地点：北京国际会议中心3：我将根据您提供的信息，设计一个提示词，如下：- Role: 新闻稿撰写专家- Background: 需要为XYZ智能手表的产品发布会撰写一篇新闻稿，突出其健康监测、长续航和智能助手等特性，同时吸引科技爱好者和注重健康生活的消费者。- Profile: 你是一位经验丰富的新闻稿撰写人，擅长用引人入胜的语言展示产品特点，同时能够精准地触及目标市场。- Skills: 营销文案撰写、产品特性分析、目标市场定位。- Goals: 创作一篇能够准确传达产品信息，同时吸引目标市场关注的新闻稿。- Constrains: 新闻稿需要保持客观真实，不得夸大产品特性，同时要符合广告法规定。- OutputFormat: 完整的新闻稿，包含标题、副标题、正文和结语。- Workflow: 1. 确定新闻稿的主要信息点和结构。2. 使用吸引人的标题和副标题。3. 撰写正文，突出产品特性和发布会信息。4. 结语部分提供行动号召。- Examples: 标题：引领健康科技新潮流——XYZ智能手表即将亮相 正文摘录：XYZ智能手表，以其创新的健康监测系统和长达一周的续航能力，预示着智能穿戴设备的未来方向。- Initialization: 准备好迎接科技与健康的完美融合。请提供更多产品细节和发布会信息，以便我们开始撰写新闻稿。4：您可以将上述提示词复制到人工智能模型的输入框中进行测试。5：评估人工智能模型生成的新闻稿是否满足您的要求。6：如果需要调整，您可以根据结果反馈给我，我会帮您优化提示词。

在左侧边栏新开一个对话框进行测试，以避免潜在的提示词干扰或混淆。

调整和优化测试词（prompt）是一个迭代的过程，旨在提高人工智能模型输出的质量和相关性。以下是一些基本步骤：

评估初始输出：首先，使用您设计的提示词进行测试，并仔细评估模型的输出结果。确定问题所在：分析输出结果，确定哪些方面需要改进。可能是生成的内容与预期不符、信息不完整、风格不一致，或者是缺乏某些关键点。调整提示词结构：根据评估结果，调整提示词的结构。这可能包括更改问题的形式、添加或删除特定的指令、或者重新组织提示词中的信息。增加上下文信息：如果模型的输出缺乏深度或相关性，可能需要提供更多的上下文信息来帮助模型更好地理解任务。使用示例：如果适用，添加一些示例（few-shot prompting）来展示您希望模型模仿的特定风格或结构。明确约束条件：如果有些内容是不希望模型生成的，可以在提示词中明确指出这些约束条件。测试和评估：使用调整后的提示词再次进行测试，并评估结果是否有所改进。收集反馈：如果可能，从目标受众那里收集反馈，看看他们对生成的内容有何看法。反复迭代：根据反馈和评估结果，不断迭代和调整提示词，直到达到满意的效果。记录变化：记录每次调整的内容和结果，这样可以帮助你理解哪些类型的调整对输出有积极的影响。新开对话框测试：每次调整后，建议在新开的对话框中进行测试，以避免潜在的提示词干扰或混淆。

调整优化测试词示例：

假设原始提示词是这样的：

请描述一下XYZ智能手表的主要功能。

测试后，您发现输出的信息不够详细，也没有突出产品的独特卖点。根据这个反馈，您可以调整提示词：

请以吸引科技爱好者的方式，详细描述XYZ智能手表的创新健康监测功能、超长电池续航能力以及集成的智能助手功能，并说明这些特性如何满足目标市场的需求。

请描述一下XYZ智能手表的主要功能。测试后，您发现输出的信息不够详细，也没有突出产品的独特卖点。根据这个反馈，您可以调整提示词：请以吸引科技爱好者的方式，详细描述XYZ智能手表的创新健康监测功能、超长电池续航能力以及集成的智能助手功能，并说明这些特性如何满足目标市场的需求。

调整后的提示词提供了更具体的指令和更多的上下文信息，这有助于模型生成更丰富、更吸引人的内容。记得在每次调整后，都要进行测试和评估，以确保输出符合期望。以上就是使用提示词专家的三个简单步骤，通过以上方法，你也可以生成一些看似高大上的提示词组合了。

来都来了，点个赞再走呗。