Prompt工程的本质是将人类非线性思维转化为机器可理解的线性逻辑。
这是一种从复杂到简单 、从发散到收敛 的思维重构过程。
我们是需要将我们熟知的思维模式，翻译成机器能够“稳定”识别的模式。
与人之间沟通不同，llm 对于上下顺序要求特别高。
从"思考"的角度来看：
人脑 = 并联电路（非线性）
特性：
- 多通道并行传输
- 高容错性但不稳定
- 需要"降压器"(工具)稳定输出，例如书写、流程图、思维导图类工具，让我们能够梳理清晰想法
AI = 串联电路（线性）
特性：
- 单通道顺序传输
- 低容错性但稳定
- 内置"稳压器"(函数)
人脑：
[思维A]──┬──[思维B]──┬──[思维C] // 并联
└──[思维D]──┘
AI：
[步骤1]──→[步骤2]──→[步骤3] // 串联
人脑思维转换为AI思维时，就像把“需求转化为程序语言”
并联（非线性） → 串联（线性）
跳跃 → 线性
发散 → 收敛
prompt的研究，跟产品设计的流程类似，还是在 产品+开发 的过程
但是让文本+图片类产品的开发成本降到足够低，扩大了“独立开发者”的范围
怎么样写 prompt？
写好 prompt = 流程化+用词具体+用词精准
1.流程化
流程化=拆分目标+细化步骤+简化冗余
把思考的段落，变成一条条线。
①首先来说，拆分目标
拆分目标就是把需求，拆解成一个个细小模块。
类似搭建积木的过程，积木会有不同的模块，然后组装成一个完整的积木。
一个积木的结构
├── 模块A（小袋1）
├── 模块B（小袋2）
└── 模块C（小袋3）
这是写的一个“心理分析 prompt” 呈现的结果
诉求分析:
核心诉求是寻求理解和支持,希望改善与母亲的关系
女儿正在经历自我价值感的危机
阻力分析:
母亲的否定性评价对女儿的自我认知造成严重打击
亲子关系中缺乏有效沟通和情感连接
女儿可能已形成消极的自我认知模式
推力分析:
寻求帮助的意愿表明有改变的动力
意识到这种关系模式的不健康
渴望获得认可和理解
把分析心理情况，拆成三个小目标：诉求分析+阻力分析+推力分析
心理分析
├── 诉求分析
├── 阻力分析
└── 推力分析
流程化思维有什么优势？
避免逻辑交叉
举个逻辑链交叉的例子
正面论述 ----╮ ╭---- 结论A
╳
反面论述 ----╯ ╰---- 结论B
这里的逻辑链交叉就是，一条逻辑线里同时写出了正反观点，而且要求不一致，这会增加 llm 的理解难度。
- 编写：结构清晰，降低复杂性，便于执行，减少不同流程间互相影响。流程图、思维导图可以协助梳理结构。
- 产出：稳定，可以定义顺序，结构。
②然后是，细化步骤+最小可执行模块
什么是细化步骤？
再以“心理分析 prompt” 举例，细化就是把小目标，再拆成一个个节点
心理分析
├── 诉求分析
│ ├── 分析诉求
│ ├── 选择一个诉求
│ └── 一句话总结
├── 阻力分析
│ ······
└── 推力分析
······
根据我们的要求，需要拆分每一步做到什么，相对于页面设计不同，文字的设计，会更加很模糊。
模糊 < 文字 < 画面 < 具象
为了追求足够具象，每一块内容，都可以继续拆分，直到最小的动作。
以“分析诉求”举例，又可以拆分成：关键词提取、评分。
③最后是简化冗余
为什么要简化冗余？
- llm 的处理效果，文本（token）过多时，会减弱
- 编写处理过程，会复杂
类似于代码的概念，如何简化原本复杂的要求。举例：
冗余：
我想预订一个酒店，要求是：位于市中心，必须是5星级的，房间要有空调和WiFi，要有24小时前台服务，需要提供早餐，最好有健身房和游泳池，房间要朝南，要有大床房，浴室要有浴缸，价格在1000-1500元之间，要能停车，最好是知名连锁酒店，前台要会说英语，房间要在高层，要有商务中心，要有餐厅...
简化：
需求：预订5星级酒店
核心要求：
1. 位置：市中心
2. 价格：1000-1500元
3. 设施：含早餐，停车场
2.用词具体，不要模糊
具体是什么意思？
可衡量+行为/动作+标准
具体对应的是模糊，不是抽象。
1.使用可衡量的指标
- 模糊："需要一个大房间"
- 具体："房间面积至少30平方米"
2.使用具体的行为/动作描述
- 模糊："系统要快"
- 具体："页面加载时间不超过3秒"
3.明确定义成功标准
- 模糊："做得好看一点"
- 具体："使用蓝色主题，字体大小16px，页面留白不少于15px"
3.用词精准
什么是用词精准？
精准是一个相对定义。语义的形成，高度依赖场景，也就是上下文关联。
在灰姑娘里，毒苹果，是一个精准用词，坏苹果是大概用词，
在心理学里，依恋关系，是一个精准用词，亲子关系，是一个大概用词。
如果我想要编写心理学的内容，提供“依恋关系”，大概率比“亲子关系”更能呈现心理学相关内容。
根据这个逻辑线，多余的文本，会增加“脏词”的获取。
4.以“自身”为 尺
在写 prompt 的过程当中，我曾经有一个状态，老想去抄别人的内容，但是呈现不出自己想要的效果。
后来换了种方式，让别人的武器，根据自身条件，打造成适合自己的，可能不是一模一样，但是有用
如果要去习得一个技能，应该不止从脑中过，要学会用过去的经验，去实践一遍
让自己有发自内心的关键理解、关键感悟
形成具体的指令和用词，然后实践反复锤炼
就像别人定制的戒指，是别人固定的尺寸
但是自己要带的话， 要重新打造一下，改成适合自己的尺寸
有点类似，抄别人的 APP，但没有真正去理解背后的需求是什么。
编写 prompt 的利器-Lisp语言
lisp 是一个结构化+函数化的语言
结构化：层级清晰，举例
lisp：
(点餐
(主食
(米饭 2份)
(面条 1份))
(菜品
(热菜
(宫保鸡丁)
(青椒肉丝))
(凉菜
(凉拌黄瓜)))
(饮品
(茶水 2杯)
(可乐 1杯)))
自然语言：
我要点两份米饭，一份面条。热菜要宫保鸡丁和青椒肉丝，凉菜要一份凉拌黄瓜。饮料的话，来两杯茶和一杯可乐。
函数化：运算、递进逻辑清晰
- 简洁：使用最少的符号表达完整的计算过程
- 嵌套结构：括号清晰地表示了运算的优先级
举例：
lisp：
(计算成绩
(学生 "小明"
(定义 平均分
(/ (+
(科目 "数学" 85)
(科目 "语文" 90)
(科目 "英语" 88))
3))
(定义 是否及格
(判断 (> @平均分 60)))))
自然语言：
小明的数学成绩是85分，语文90分，英语88分。他的总分是把这三科加起来，平均分是总分除以3。如果平均分大于60分就算及格。
PS：看到这里，如果觉得不错，可以来个点赞 、在看 、关注 。给公众号添加【星标⭐️】不迷路！您的支持是我坚持的最大动力！
欢迎多多关注公众号「NLP工作站」，加入交流群，交个朋友吧，一起学习，一起进步！