提示 (Prompt)

定义：输入给大模型的完整文本刺激，是与模型交互的主要方式。

特点：

• 是最广义的概念，包含其他几个元素
• 整体输入的总和，包括指令、上下文和样本等内容
• 决定模型如何理解和处理请求

示例：

分析这首唐诗《登鹳雀楼》的意境和写作手法。"白日依山尽，黄河入海流。欲穷千里目，更上一层楼。"

指令 (Instruction)

定义：明确告诉模型要做什么的命令性语句。

特点：

• 直接、明确的行动指示
• 通常用命令式语气表达
• 常放在提示的开头位置

示例：

总结以下文本的主要观点，并提炼出三个关键信息，用简洁的要点形式呈现。

上下文 (Context)

定义：为模型提供的背景信息和相关知识。

特点：

• 帮助模型理解任务的周围环境
• 提供相关背景知识或限定条件
• 可以是事实、情境描述或参考资料

示例：

以下是一段关于公司年度财报的分析，针对的是一家成立三年的人工智能创业公司，主要投资者关心增长率和盈利能力：

样本 (Shot)

定义：在提示中提供的示例输入和输出对，展示期望的模式。

特点：

• 提供任务的具体例子，展示期望的输入-输出模式
• 使用少量样本教导模型（少样本学习）
• 通过实例说明而非抽象描述

示例：

输入: "这部电影太无聊了"
分析: 负面情感，表达不满，强度中等输入: "服务非常专业，环境也很舒适"
分析: 正面情感，表达满意，强度高

补全 (Completion)

定义：模型生成的输出内容，对提示的延续或回应。

特点：

• 模型生成的响应内容
• 是提示工程的目标产物
• 取决于提示的质量和模型能力
• 完成用户未完成的内容或回答用户的问题

示例：
（用户提示）“人工智能的未来发展趋势可能包括”
（模型补全）“…更深入的多模态融合、自主系统的规模化应用、与传统行业的深度融合…”

概念间的关系

层级关系：

• 提示 (Prompt) = 指令 (Instruction) + 上下文 (Context) + 样本 (Shot) + 其他元素
• 补全 (Completion) 是对提示的响应

功能关系：

• 指令定义"做什么"
• 上下文提供"基于什么"
• 样本展示"怎么做"的实例
• 提示整合所有输入
• 补全呈现最终输出

实际应用示例

完整提示示例：

【指令】对以下客户反馈进行情感分析，分类为正面、中性或负面，并提取关键问题点。【上下文】这些反馈来自一家在线教育平台的用户，主要关注课程质量、教师互动和平台使用体验。【样本】
反馈: "视频质量很差，经常卡顿，浪费我的时间。"
分析: 负面情感；关键问题：视频技术问题，导致用户体验不佳。反馈: "讲师知识渊博，但课程进度有点快。"
分析: 中性情感；关键问题：课程节奏需要调整，讲师表现良好。【任务】
请分析: "平台界面设计直观，但支付系统经常出错，客服响应速度慢。"

模型补全可能是：

分析: 混合情感（部分正面、部分负面）；关键问题：支付系统技术故障，客服响应效率低，界面设计是亮点。