结构
角色
Role
含义
对模型应该采用的视角或角色的描述。
使用场景
用于建立相关的专业知识、受众和语气。
应用示例
充当面向初级开发者的韩国技术编辑。生成式 AI 工程
AI 提示设计术语
了解角色、指令、上下文、示例、输出模式、多步骤工作流程和高级推理模式如何塑造可靠的 AI 响应。
18 个术语
结构
指令
Instruction
含义
对模型应该执行的任务的直接说明。
使用场景
使用明确的动词和清晰的可交付成果，以减少歧义。
应用示例
将报告总结为五个可供决策的要点。结构
上下文
Context
含义
模型需要使用的背景信息，以便正确理解任务。
使用场景
提供受众、目标、约束、原始材料以及影响答案的定义。
应用示例
上下文：读者是首次使用用户，并且该功能将在下周发布。结构
约束
Constraint
含义
对内容、长度、样式、工具或允许的操作的限制。
使用场景
使用它来使验收标准清晰可见且可测试。
应用示例
仅使用提供的策略，限制在 150 字以内，并且不要推断缺失的日期。结构
分隔符
Delimiter
含义
一个分隔指令、示例和源数据的标记。
使用场景
当提示包含多个部分时，请使用类似于 XML 的标签、标题或代码块。
应用示例
Summarize only the text inside <source>...</source>.示例
零样本提示
Zero-shot prompting
含义
请求一个任务，但没有提供示例。
使用场景
对于模型已经理解良好的常见任务，请从这里开始。
应用示例
将每个评论分类为正面、中性或负面。示例
少量样本提示
Few-shot prompting
含义
在实际任务之前，提供一小部分输入-输出示例。
使用场景
使用它来教导特定的标签策略、语气、边缘情况或输出模式。
应用示例
输入：交付速度很快。 输出：物流正面。 现在分类：盒子已损坏。重用
提示模板
Prompt template
含义
可重用的提示，运行时通过变量填充占位符。
使用场景
用于需要一致指令的重复工作流程。
应用示例
Summarize {{document}} for {{audience}} using {{format}}.输出
结构化输出
Structured output
含义
响应采用可预测的机器可读格式。
使用场景
当另一个程序将解析或验证结果时使用。
应用示例
返回一个包含 title、summary、risk_level 和 source_ids 的对象。输出
JSON Schema
JSON Schema
含义
对允许的 JSON 字段、类型和必需值的正式描述。
使用场景
使用受支持的模式约束，以减少自动化工作流程中的解析失败。
应用示例
要求 status 为枚举类型，并且 due_date 为可为空的 ISO 日期。工作流程
任务分解
Task decomposition
含义
将复杂请求分解为更小、可验证的子任务。
使用场景
当研究、转换、检查和最终合成需要不同的步骤时使用。
应用示例
首先提取需求，然后识别冲突，然后起草并验证答案。工作流程
提示链
Prompt chaining
含义
将一个模型步骤的输出传递到后续的模型步骤。
使用场景
当中间结果应进行检查、转换或批准时使用。
注意
错误可能会在步骤之间传播，因此验证重要的中间输出。
应用示例
Extract claims -> retrieve evidence -> verify each claim -> write the final brief.高级推理模式
逐步提示
Step-back prompting
含义
在回答特定问题之前，从更广泛的原则、定义或决策框架开始。
使用场景
当特定情况容易被误读，但首先需要识别控制概念或约束时使用。
注意
即使更广泛的步骤仍然可能不正确或无关，因此请根据权威来源进行验证。
应用示例
首先确定适用于退款资格的政策原则。然后将其应用于此案例，并引用支持条款。高级推理模式
从最到最的提示
Least-to-most prompting
含义
首先解决更简单的相关子问题，并使用其验证的结果来解决更复杂的总体任务。
使用场景
当后续结论取决于几个先决条件计算、事实或决策时使用。
注意
早期错误可能会传播到后续步骤；在重用之前验证先决条件的输出。
应用示例
1. 提取合同日期。 2. 计算每个通知期。 3. 将这些期限与终止条款进行比较。 4. 提供结论并附上证据。高级推理模式
自一致性
Self-consistency
含义
生成多个独立采样的候选解决方案，并选择一个由共识或单独的验证规则支持的答案。
使用场景
仅在处理困难的任务时选择性地使用，此时可以比较多个有效的解决方案路径，并且额外的成本是合理的。
注意
协议不能证明正确性，相关的错误可能一致，并且多个样本会增加延迟和成本。
应用示例
生成五个独立的候选总数，比较最终值，仅当源行和确定性计算验证时才接受一个。高级推理模式
评论和修订
Critique-and-revise
含义
产生一个草稿，根据明确的标准和证据进行评估，并修改已识别的缺陷。
使用场景
当输出具有可审查的评估标准，例如完整性、来源支持、格式、语气或策略合规性时使用。
注意
模型可能会忽略自身的错误；高影响的结果仍然需要独立的检查或人工审查。
应用示例
起草答案。根据所需的事实、引用、禁止的声明和长度进行评估。仅修改失败的项目，然后返回最终答案。高级推理模式
计划并执行
Plan-and-execute
含义
将任务规划与执行分离，以便在开始工作之前定义依赖项、工具、检查点和完成标准。
使用场景
用于多步骤工作，其中顺序、权限、资源限制或中间验证很重要。
注意
将该计划视为可修改的；当新证据使其无效时，不要盲目地继续。
应用示例
返回一个简洁的操作计划，其中包含依赖项和批准点。 执行每个已批准的步骤，记录证据，并在假设失败时重新规划。高级推理模式
验证模式
Verifier pattern
含义
使用一个明确的验证步骤，在接受之前，将候选答案与规则、证据、模式或确定性工具进行比较。
使用场景
当重要的声明、计算、引用、结构化输出或工具参数可以独立检查时使用。
注意
一个验证器，表明相同的缺失证据或有缺陷的假设可能会重复生成器的错误。
应用示例
生成器：生成包含源行 ID 的发票摘要。 验证器：重新计算总计，验证模式，并拒绝不支持的声明。选择高级推理模式
仅当任务结构和评估证据证明时，才选择模式，以避免额外的步骤、令牌、延迟和复杂性。
| 需求 | 需要考虑的模式 |
|---|---|
| 在应用原则之前，先确定其适用范围。 | 逐步提示 |
| 按照依赖顺序解决先决子问题 | 从最到最的提示 |
| 比较多个候选解决方案，当额外的采样是合理的时。 | 自一致性加上独立验证 |
| 根据明确的评审标准改进草稿。 | 评论和修订 |
| 协调依赖项、工具和审批检查点。 | 计划并执行 |
| 拒绝不支持的声明、无效的模式或错误的计算。 | 验证模式 |
常见问题
提示是否应该要求模型公开其完整的内部思考过程？
否。 优先考虑简洁的答案，以及可验证的中间结果、引用的证据、假设、计算和验证结果。 一些推理模型会自动进行内部思考，而较长的可见的推理过程并不能证明答案是正确的。
高级推理模式是否总是提高准确性？
否。 它们的效果因模型、任务、提示、采样和评估方法而异。 它们也可能增加延迟、token 成本、相关错误和错误传播。 使用简单的基线方法，在具有代表性的案例中进行比较。
验证器与“批判和修订”有什么不同？
评论和修订通过审查和编辑来改进草稿。 验证器充当接受门，检查候选对象是否符合证据、规则、模式或确定性工具，并且可能会在不进行重写的情况下拒绝它。
官方参考资料
- Google AI for Developers — Prompt design strategies
关于结构化提示、推理、规划、验证、代理工作流程和特定于模型的思维行为的官方指南。
- Wang et al. — Self-Consistency Improves Chain of Thought Reasoning in Language Models
原始研究，通过采用多种推理路径并选择最一致的答案，引入自一致性。
相关术语指南
- AI 上下文工程术语
将提示扩展到包含证据、历史、状态和可重用材料的受控上下文。
- AI 多模态提示工程术语
设计可以结合文本、图像、文档、音频或视频的请求。
- AI 提示测试与优化术语
比较可重复的提示变体，并进行指标和回归检查。
- AI 提示管理与运营术语
版本、批准、部署、观察、回滚和停用生产提示。
- RAG 与文档搜索术语
应用查询重写、仅提供证据的答案、拒绝回答、引用、综合和处理来源冲突。