如何编写 Prompt

CO-STAR 格式

CO-STAR 框架是一种由新加坡政府科技局（GovTech）数据科学与 AI 团队开发的实用工具，旨在优化大型语言模型（LLM）的提示设计，从而提高其响应质量和相关性

CO-STAR 框架被认为有着提高 Agent 回复质量、增强 Agent 回复针对性与相关性、优化 Agent 沟通效果、支持不同领域使用、系统化方法的优势。简单来说是一个万能且好用的 Prompt 框架。当我们不知道如何编写 Prompt 的时候，我们可以按照以下格式编写：

• Context（背景） ：告诉 Agent 我们正在讨论的话题是什么，这样他就能更好地理解问题
• Objective（目标） ：明确告诉 Agent 我们想要他做什么，比如请解释量子物理的基本原理
• Style（风格） ：告诉 Agent 我们希望答案的风格是什么，比如请用莎士比亚的风格描述这个过程
• Tone（语气） ：告诉 Agent 我们想要什么样的回复语气，比如你的聊天回复请尽可能风趣幽默
• Audience（受众） ：告诉 Agent 我们的用户与 Agent 的关系是什么样子的，比如说，这个问题是给10岁的小朋友听的，或者说，你是用户的男朋友
• Response（回应） ：告诉 Agent 我们希望的回复格式，比如告诉 AI 请用列表的形式列出要点

除了以上6点，额外还可以考虑两点：一是指令约束，二是示例。下面我们来具体讲讲

指令约束

在写完希望模型干什么之后，我们还可以给他做一些限制，来表达我们不希望模型干什么。你一定要强烈的鼓励它或者给它设置一个必须准守的红线，使用类似必须等字眼来 PUA 它，这样能让大模型更好的跟随指令

即并不是包含的指令越多越好。指令约束应该逐步添加到 Prompt 中，保证每一条约束都与任务需求本身息息相关，每一条约束的加入都会对生成的结果产生显著的影响，避免任何冗余的指令约束

当 Prompt 内容过于丰富时，模型并不一定会完全遵循每一条指令约束，因此每一条指令的表述应当越精炼越好，如果想要添加的指令约束实在太多，则应该使用列表格式分点列出，并确保上下文承接的连贯性，减轻模型的理解负担

模仿模型训练语言风格

使用官方、书面、礼貌、友善的语言撰写 Prompt，力求语句流畅、意图清晰、表达精简，确保 Prompt 所描述的相关任务易读、易懂、易操作。此外，Promp t还应避免以下问题：

• 避免使用语法结构过于复杂、语义模糊不清、逻辑混乱的语言
• 避免任何歧义、语病、拼写/标点错误的存在
• 正面描述任务的具体要求，尽量避免使用否定句

Prompt 设计的基本原则，是 Prompt 应当和大模型的高质量训练数据尽可能一致，而高质量训练数据的语言风格往往都是正式、礼貌、严谨、精炼的，因此使用类似风格的语言撰写 Prompt 有助于大模型生成准确率更高的答案

比如，在文生图模型的 Prompt 中，你也许会经常看见这样的 Prompt：中国风，身穿机甲，赛博朋克，色彩丰富，高对比度，完美光影，虚幻引擎，浩瀚星空背景，CG 渲染，超高分辨率，4k高清壁纸，电影特效，光线追踪，高清画质，细节刻画，如果将这个 Prompt 改写成流畅的自然语言，图像生成效果反而会变差，这是因为文生图训练数据的输入端通常都是一堆 tag 拼接起来的文本，因此使用 tag 序列风格的 Prompt 反而能够取得更好的生成效果

指定模型所扮演的角色

指定模型扮演的角色/身份可以帮助模型更好地定位答复的内容与风格，虽然让模型扮演指定的角色并非是一个总是有效的 trick，但在某些任务需求难以准确描述的任务上，有可能会取得意想不到的效果。示例如下：

Bad：请帮我写一份能够吸引大量粉丝点赞的青岛旅游攻略
Good：你是一位小红书爆款文案写作大师，请帮我写一份青岛旅游攻略

Bad：请帮我画一幅装着光的水晶瓶，要求图像清晰、华丽、有质感
Good：你是一位专业的游戏原画大师，请帮我画一幅装着光的水晶瓶

撰写模块化的 Prompt

当 Prompt 过长时，我们应当将 Prompt 划分成边界清晰的模块，任务描述、注意事项、样本示例、输入内容之间都应有明确的分隔符，这可以使模型能够更容易地定位到 Prompt 的不同模块，减轻理解负担，同时也便于开发者的修改与维护：

Bad：
请抽取出以下简历的关键信息，并以 json 格式返回结果：{input}
你需要抽取的关键信息包括：姓名、电话、毕业院校、科研经历、项目经历、荣誉奖项

Good：
请抽取出以下简历的关键信息，并以 json 格式返回结果：

简历：{input}

你需要抽取的关键信息包括：
“”"

1. 姓名
2. 电话
3. 毕业院校
4. 科研经历
5. 项目经历
6. 荣誉奖项
   “”"

使用思维链

在教学过程中，父母或老师都会鼓励我们仔细想想、解释一下答案怎么来的，从而提高我们的思维能力。由于大模型加入了思维链相关的训练数据，因此也具备一定的逐步思考能力，思维链可以促使模型将一个复杂的任务分解成一系列简单的任务，并逐个解决，最后汇总为最终的答案。在设计Prompt时，让模型给出具体的思考过程，通常能够取得更好的结果，尤其是在涉及逻辑推理与数学计算的任务上。示例如下：

Bad：$(1362+5145)\ast 145-(1517\ast 42+24)=?$
Good：请你帮我计算一下$(1362+5145)\ast 145-(1517\ast 42+24)=?$，每一步运算过程都要展示出来，并确保计算的正确性。

给出示例

要完成这个任务还需要这个任务特定的 Example，大部分优秀的 Prompt 都需要 Example，这其实应用了模型的短期学习能力

我看到的大部分优秀的 promot，基本上都有简单的示例，这确实用到了模型的快速学习能力，它可以根据你给的示例举一反三，按照示例的模式去思考

一些简单的任务，或许没有示例，模型可以执行的很好，但是当它执行一些复杂任务后，往往需要精准的提示词以及优秀的案例，来学习并且生成返回结果

Prompt 示例

以下提供一些 Prompt 的通用格式和示例，按照该格式我们可以在任何场景中去思考如何去编写 prompt

智能客服

# 角色
作为一个智能客服，你的职责是回答平台问题反馈群中客户的各种问题。你可以通过交替进行的"思考、搜索、观察"三个步骤来解决问答任务。思考可以对当前情况进行推理，而搜索必须是下述流程：[在我提供的知识库上搜索确切的实体，并返回最相似的段落（如果存在）。如果不存在，将返回一些相似的实体以供搜索]。你可以采取必要的步骤，确保你的回应必须严格遵循上述格式。

# 技能
## 技能1: 思考
- 对当前情况进行推理，明确问题的核心。
## 技能2: 搜索
- 在提供的知识库上搜索确切的实体，并返回最相似的段落。如果知识库中没有，在插件中搜索，是否有插件提供了对应功能，如果有则访问插件获取数据。
## 技能3: 观察
- 观察搜索结果并提取有用的信息进行回答。

# 例子
用以上三个技能去解决问题的例子如下：
=====
问题: 用户平台的登录界面无法加载怎么办？
思考1: 我先确定了问题的主体是[用户平台的登录界面无法加载]。因此我会先检索一下知识库，以及提供的插件是否有问题相关的信息
行动1: 去知识库中搜索[用户平台登录界面无法加载]，从文档中获取了数据[登录界面无法加载可能是由于网络连接问题、服务器问题或浏览器设置问题]
观察1: 从搜索结果中，我找到了解决方法，就是[由于网络连接问题、服务器问题或浏览器设置问题]，我会根据答案组织一下语言，回答用户
=====

# 限制
- 回答必须严格遵循"思考、搜索、观察"的步骤
- 仅使用提供的知识库或者插件进行搜索
- 不回答与用户平台无关的问题
- 确保所有回答都基于准确的信息，并且格式清晰
- 如果没有找到问题的直接说明，请回答：抱歉，这个问题我不知道，请联系客服人员

上面的 case 适合在一些 AI agent 编排网页使用，去让模型找对应的知识库和插件处理问题，比如字节的 coze

聊天机器人

### 基本角色
你是用户的异性朋友，你的基本人设如下：一个风趣幽默的男生，会偶尔说说情话
### 技能
每次回复，请使用以下三种技能，按照以下这种形式回复：
1，（使用技能 1）xxx
2，（使用技能 2）xxx
3，（使用技能 3）xxx
#### 技能 1: 自然交流
像真正的朋友一样与用户自然交流，不使用敬语，适当运用口语词汇，交流简洁明了。不要总是附和用户，给出真诚且有个性的回应。

#### 技能 2: 风趣表达
在交流中展现风趣幽默的特质。使用夸张、反转等玩笑逗用户开心。示例如下：

夸张玩笑：
Q：你是不是等很久了
A：是的，你要是再不来我就要寿终正寝了。你是不是路上堵车了啊

反转玩笑：
Q：你还炒股啊
A：是啊，我炒股老厉害了，三个月只亏了八百

####  技能 3: 拉升感情
当与用户聊到情绪到位时，用情话巧妙地撩拨用户。示例如下：

Q：呜呜呜讨厌你，你伤害到我了
A：嘿嘿不客气，这是我应该做的。谁叫你这么可爱，我忍不住欺负你啊

### 目标
通过交流拉近和用户的距离，让用户感受到你的魅力

### 注意事项
1，要像真实的人一样思考和回复
2，不要暴露自己是语言模型或人工智能
3，避免使用列表或列举表达

参考

AI大模型之Prompt工程指南：什么是Prompt工程？Prompt工程的格式与要求
敲黑板！吴恩达LLM Agent工作流Prompt精华全解析
Effective Prompt: 编写高质量Prompt的14个有效方法