AI学习记录 01 ：初识 prompt

今天开始系统学习 AI 相关的基础知识，主要了解了 Prompt 的概念。

prompt

Prompt 提示词的定义：简单来说它是给AI模型的指令，通常被称为提示词，在 AI 模型中起着关键的作用。

Prompt 的力量和潜力是无限的。它不仅改变了创作的方式，还重新定义了创意的边界。

1.使用场景

文本生成

大语言模型在文本内容生成方面也表现出色。这种模 型拥有强大的文字创造能力。只需根 据特定的 Prompt， 它就能够为你生成各种类型的内容。

信息提炼

我们在阅读很多内容时，常常需要从大段文字中提炼 出核心要点。这个过程既费时又费力， 如果有智能助 手可以帮忙就好了。现在通过 Prompt 与大语言模型 的交互，我们真的可以做 到这一点！

娱乐应用

你知道吗？Prompt 不仅仅是个“正经”的工具，它还 能玩得很“皮”

性格测试：总想知道自己的性格类型吗？用 Prompt 做一个简单的测试，看看你是不是那种 喜欢冒险的人，还是更偏向于稳重？你可能会对结果感到惊讶哦！

更多场景

当然咯，Prompt 和 AI 大模型的应用场景不仅仅拘束于以上几个案例，在内容翻译、代码编 程、情感分析、逻辑推理、智能客服、绘画创作、视频创作、多模态应用等多个领域都有非 常不错的表现。

2.大模型的局限性

Prompt可以更好地激发大语言模型的能力，但在实际应用中，一些大模型的局限性是使用Prompt无法解决的，下面做一些简单举例科普。

也有一些时候，不管你Prompt写得多好，出来的结果始终不尽如人意，这是因为目前的AI大模型在实际应用中，存在着一些固有局限性，但我们相信随着技术的持续发展，很多问题都会得到解决，比如目前有一些大模型已经可以很好地应对长文本的问题。

下面做一些简单的局限性科普：

时效性差 PS

现在很多智能体开发平台可以通过加入搜索网页的插件工具或外挂定期更新的知识库等方式 部分解决这个问题。

Prompt 提示词与 AI 大语言模型交互的知识来自训练时接触到的数据，无法提供未知信息或 新的发现。

上下文记忆有限

上下文记忆问题可能是由于模型在处理超长文本时遇到了字节长度限制或者信息丢失的情况 导致的。这可能会导致模型在较长的对话或文本中失去一些先前的上下文信息。 要解决这个 问题，你可以尝试以下几种方法：

分割文本： 如果你的文本很长，可以尝试将其分割成较短的段落或句子，减轻模型的记忆担

表达清晰： 尽量使用清晰、简洁的语言表达你的问题或信息，避免过于复杂的句子结构

明确问题： 确保对话中提出的问题或请求是明确的，以便模型更容易理解并提供相关的回答

逐步引导： 逐步引导模型，提供必要的背景信息，确保模型能够理解上下文

检查输入格式： 确保输入的格式符合模型的期望，避免包含过多的冗余信息或不必要的细节

存在幻觉

由于 AI大模型 的生成是概率性的，且会针对性做一些人类倾向的对齐处理，以实现让人满意 的效果，以及满足一定泛化能力，因此AI在面对没有训练过的场景，会概率性生成可能被期 待的内容（有一定讨好倾向）。

另外，模型输出的可靠性值得怀疑，可能会出现格式错误，甚至偶尔表现出叛逆行为（例如 拒绝遵循指示）。

举例：当AI 大语言模型被询问“林黛玉为何倒拔垂杨柳？”时，可能会编造一个听似合理的解 答，并配以看似道理十足的引用。（也就是一本正经的胡说八道）

无法精确字数

在让大语言模型写文章时，在 Prompt 提示词里写明需要生成 1000 字的文章，但它写出来的 文章字数可能是 800 字或者 900 字，就是很难精确刚刚好是 1000 字。

大模型无法输出准确的字数的原因是多方面的，包括数据噪声、过拟合、基于概率统计的预 测方法、设计限制、输入文本长度限制以及幻觉问题等。这些因素共同作用，导致大模型在 处理特定任务时，无法精确控制生成内容的字数。

内容需要合规

AI 大语言模型的生成内容是受国内监管的，当您的 Prompt 提问或 AI 回答的内容中存在敏感 信息，AI 大语言模型厂商将会使用合规的方式进行过滤，不显示最终结果。

长期规划和任务分解能力不足

长期规划和有效探索解决方案空间仍然具有挑战性。LLM在遇到意外错误时很难调整计划， 与从试错中学习的人类相比不太稳健。

3.结构化框架

角色：让模型扮演某个特定角色，比如“作家”、“设计师”或“历史学家”等。

任务：明确告诉模型你希望它完成的任务，比如“写一篇小说”或“设计一个标志”等。

格式：指定你希望的输出格式，如“Markdown 格式”或“PDF 格式”。

这篇文章算是我 AI 学习记录的第一篇。后面我会继续记录自己学习 AI、Agent 和大模型应用开发的过程，希望能通过持续输出，让自己真正把这些知识学懂并用起来。