夜雨聆风提示词是大语言模型、生成式人工智能、自然语言处理、AI 应用开发和人机交互中非常常见的一个术语，它用来描述用户或系统提供给模型的输入指令、背景信息、任务要求和输出约束。换句话说，提示词是在回答：我们怎样把任务交给模型，并引导模型生成符合要求的结果。
如果说大语言模型本身提供了语言理解和生成能力，那么提示词就是调用这种能力的“任务说明书”。同一个模型，在不同提示词下可能会表现出不同的输出风格、回答结构、详细程度和任务重点。
因此，提示词常用于问答、写作、翻译、摘要、代码生成、图像生成、数据分析、RAG 问答、智能体规划和工具调用中，是理解大语言模型应用方式的重要基础概念。
一、基本概念：什么是提示词
提示词（Prompt）是用户或系统输入给模型的一段文本，用来说明希望模型完成什么任务。
图 1：什么是提示词
例如：
请用通俗语言解释什么是机器学习。
这是一条简单提示词。它告诉模型：
• 任务：解释概念
• 对象：机器学习
• 风格：通俗语言
再比如：
请把下面这段话改写得更正式，保留原意，不要增加新信息。
这条提示词更具体。它包含：
• 任务类型：改写
• 风格要求：更正式
• 内容约束：保留原意
• 限制条件：不要增加新信息
从通俗角度看：提示词就是给模型下达任务时写出的“说明”。
提示词可以很短，也可以很长。
短提示词适合简单任务；长提示词适合复杂任务、格式严格任务、多步骤任务或需要背景材料的任务。
二、为什么提示词很重要
提示词之所以重要，是因为大语言模型并不是直接知道用户心里真正想要什么。
模型只能根据当前输入内容进行推理和生成。如果提示词模糊，模型就可能给出泛泛而谈的回答。
例如：
写一段介绍。
这个提示词信息很少。模型不知道：
• 介绍什么主题
• 写给谁看
• 要多长
• 用什么风格
• 是否需要例子
• 是否需要标题
更好的提示词可以写成：
请面向高中生，用 300 字左右介绍“人工智能”的基本含义，语言通俗，避免复杂公式。
这条提示词明确了：
• 读者：高中生
• 主题：人工智能
• 长度：300 字左右
• 风格：通俗
• 限制：避免复杂公式
从通俗角度看：提示词越清楚，模型越容易理解任务边界；提示词越模糊，模型越可能自行猜测。
提示词的作用包括：
• 明确任务目标
• 提供必要背景
• 限定回答范围
• 控制输出风格
• 指定输出格式
• 提醒模型注意约束
• 降低答非所问概率
• 配合 RAG、工具调用和工作流
三、提示词由哪些部分组成
一条高质量提示词通常不只是一个问题，而是由多个部分组成。
图 2：提示词由哪些部分组成
常见组成包括：
• 任务目标
• 背景信息
• 输入材料
• 输出格式
• 风格要求
• 约束条件
• 示例
• 评价标准
1、任务目标
任务目标说明模型要做什么。
例如：
请总结下面文章的主要观点。
请判断下面评论的情感倾向。
请把这段 Python 代码改写得更易读。
任务目标是提示词中最核心的部分。
2、背景信息
背景信息说明任务发生的场景。
例如：
这是一篇面向初学者的机器学习教材文章。
这能帮助模型选择合适的语言难度和解释方式。
3、输入材料
输入材料是模型需要处理的内容。
例如：
以下是需要总结的文章：
……
如果材料本身不完整，模型可能只能基于现有信息回答。
4、输出格式
输出格式规定模型应该怎样组织答案。
例如：
请按“概念、作用、示例、小结”四部分输出。
或者：
请输出 JSON 格式，不要添加额外解释。
5、风格要求
风格要求控制语气、深度和表达方式。
例如：
语言通俗，但保持专业准确。
适合网络教材，避免口语化标题。
6、约束条件
约束条件规定模型不能做什么或必须注意什么。
例如：
不要编造资料来源。
不要改变原文意思。
小结不超过 120 字。
从通俗角度看：好的提示词不是只告诉模型“做什么”，还告诉模型“怎么做、做到什么程度、不要做什么”。
四、提示词如何影响模型输出
提示词会影响模型输出的多个方面。
1、影响任务理解
不同提示词会让模型把同一段内容理解为不同任务。
例如，同一段文章可以有不同要求：
请总结这段文章。
请检查这段文章的知识错误。
请把这段文章改写得更通俗。
请提取这段文章中的关键术语。
输入材料相同，但任务不同，输出就不同。
2、影响回答深度
例如：
简单解释什么是 RAG。
和：
请从系统架构、文档切分、向量检索、重排序、上下文组织和局限性六个方面解释 RAG。
后者会引导模型给出更深入的回答。
3、影响输出格式
例如：
请用表格说明。
请用条目式说明，不要使用表格。
这会直接改变答案形式。
4、影响表达风格
例如：
请用儿童能理解的语言解释。
请用研究论文风格解释。
同一知识点会呈现出完全不同的表达方式。
5、影响边界和安全性
提示词也可以要求模型遵守事实边界。
例如：
如果资料中没有提到，请明确说明“资料不足”，不要猜测。
这类约束可以减少模型凭空补充。
从通俗角度看：提示词不是简单“问一句话”，而是在设定模型当前回答的任务环境。
五、提示词与上下文窗口的关系
提示词会占用上下文窗口。上下文窗口是模型一次推理中能够处理的最大 token 范围。
一次请求中，通常会包含：
• 系统提示
• 用户提示词
• 历史对话
• 输入材料
• 检索片段
• 工具返回结果
• 模型输出预留空间
可以简单表示为：
其中：
• T_system 表示系统提示占用的 token 数
• T_user 表示用户提示词占用的 token 数
• T_context 表示上下文材料占用的 token 数
• T_output 表示输出预留 token 数
• T_window 表示上下文窗口大小
这说明提示词不是越长越好。
如果提示词过长、无关背景太多，可能挤占真正重要材料和输出空间。
从通俗角度看：上下文窗口像模型当前工作台，提示词是放在工作台上的任务说明。任务说明要清楚，但不能把工作台全部占满。
因此，在长文档问答、RAG 和复杂任务中，提示词需要做到：
• 任务明确
• 约束清楚
• 材料相关
• 避免冗余
• 为输出留空间
六、提示词、系统提示与用户提示
在许多大语言模型应用中，提示词并不只有用户输入的一段话。
常见层级包括：
• 系统提示
• 开发者提示
• 用户提示
• 工具结果
• 历史对话
其中，用户最常接触的是用户提示词。
1、系统提示
系统提示通常用于规定模型的总体行为边界。
例如：
你是一个严谨的教学助手，回答要准确、清晰、避免编造。
系统提示一般不直接由普通用户每次输入，而是在模型应用中预设。
2、用户提示
用户提示是用户当下提出的具体任务。
例如：
请解释什么是 Top-p 采样。
用户提示决定当前要完成什么任务。
3、工具结果
在 RAG 或工具调用场景中，系统还可能把检索结果、数据库结果或计算结果放入上下文。
例如：
以下是检索到的资料，请仅根据资料回答问题。
这类内容也会影响模型回答。
从通俗角度看：模型的回答不是只受最后一句用户问题影响，而是受当前上下文中的多层提示共同影响。
七、提示词与指令微调的关系
提示词和指令微调关系密切。指令微调让模型在训练阶段见过大量“指令—回答”样本。
例如：
指令：请总结下面文本。
输入：……
回答：……
通过这种训练，模型学会了理解常见任务指令。
因此，当用户在推理阶段输入提示词时，模型能够更好地识别：
• 这是翻译任务
• 这是摘要任务
• 这是分类任务
• 这是解释任务
• 这是代码生成任务
• 这是格式化输出任务
从通俗角度看：指令微调让模型“学会听任务”，提示词则是在实际使用时“给出任务”。
二者关系可以概括为：
• 指令微调：训练模型理解指令
• 提示词：在使用时向模型发出指令
需要注意：好的提示词可以改善模型输出，但不能无限弥补模型能力不足。
如果模型本身没有相关知识、推理能力或工具支持，仅靠提示词很难保证正确答案。
八、常见提示词写法
提示词没有唯一模板，但可以根据任务类型选择合适写法。
1、解释类提示词
适合概念讲解、教材写作、术语说明。
例如：
请用通俗但准确的语言解释“梯度下降”，包括基本含义、为什么需要它、核心公式、常见误解和简单示例。
这类提示词应明确：
• 解释对象
• 读者水平
• 内容结构
• 深度要求
2、改写类提示词
适合润色、压缩、风格调整。
例如：
请在不改变原意的前提下，把下面这段话改写得更简洁、更适合教材文章。
这类提示词应强调：
• 不改变原意
• 目标风格
• 是否允许增删
• 是否保留结构
3、总结类提示词
适合长文摘要、会议纪要、资料提炼。
请总结下面内容的核心观点，按 5 条以内列出，不要添加原文没有的信息。
这类提示词应强调：
• 摘要长度
• 信息边界
• 输出形式
4、分析类提示词
适合文章检查、代码审查、方案评估。
请检查下面文章是否存在知识错误、逻辑重复和表达不清之处，并给出修改建议。
这类提示词应明确分析维度。
5、格式化输出提示词
适合结构化结果、JSON、表格、清单等。
请按以下字段输出 JSON：term、definition、examples、notes。不要添加 JSON 之外的文字。
这类提示词应明确字段、格式和禁止内容。
从实践角度看：提示词越接近任务真实要求，输出越容易符合预期。
九、提示词的优势、局限与使用注意事项
1、提示词的主要优势
提示词最大的优势是灵活。
用户不需要重新训练模型，就可以通过不同提示词让模型完成不同任务。
其次，提示词成本低。
相比微调模型，修改提示词更快、更容易测试。
再次，提示词适合快速迭代。
用户可以通过调整要求、补充背景、增加示例来改善输出。
从通俗角度看：提示词是一种“用自然语言编程”的方式。它不改变模型参数，却能改变模型当前任务行为。
2、提示词的主要局限
提示词也有局限。
首先，提示词不能保证事实正确。
如果模型没有可靠知识来源，仍可能生成错误内容。
其次，提示词不能完全控制模型。
复杂任务、长文本、多约束任务中，模型仍可能遗漏部分要求。
再次，提示词不能替代模型能力。
如果模型本身能力不足，提示词只能改善表达方式，很难创造根本能力。
此外，提示词容易受上下文干扰。
当上下文太长、指令冲突或资料混乱时，模型可能执行不稳定。
3、使用提示词时需要注意的问题
使用提示词时，需要注意：
• 明确任务目标
• 提供必要背景
• 指定输出格式
• 给出长度和风格要求
• 说明不能编造的信息边界
• 复杂任务可以拆成步骤
• 严格格式任务可给出示例
• 长文本任务要控制上下文冗余
• 高风险任务不能只依赖提示词
• 如果需要最新事实，应结合检索或工具
从实践角度看，提示词是模型应用的重要入口，但它不是万能控制器。对于事实性、实时性、企业知识库和高风险任务，还需要 RAG、工具调用、评估和安全约束配合。
十、Python 示例
下面给出几个简单示例，用来帮助理解提示词在模型应用中的组织方式。
示例 1：最简单的提示词
prompt = "请解释什么是机器学习。"print(prompt)
这条提示词可以让模型回答一个概念，但要求较少，输出风格可能不稳定。
示例 2：更明确的提示词
prompt = """请面向初学者解释“机器学习”。要求：1. 先给出一句话定义；2. 再举一个生活中的例子；3. 最后说明它和普通程序的区别；4. 语言通俗，不要使用复杂公式。"""print(prompt)
这条提示词比上一条更明确。它指定了：
• 读者
• 结构
• 示例
• 风格
• 限制条件
因此更容易得到符合预期的回答。
示例 3：带输入材料的提示词
article = """深度学习通过多层神经网络从数据中自动学习特征表示，广泛用于图像、语音、文本和推荐系统等任务。"""prompt = f"""请总结下面文本的主要内容，不要添加原文没有的信息。文本：{article}"""print(prompt)
这类提示词常用于摘要、问答和资料分析。关键是要告诉模型：只根据给定材料回答。
示例 4：结构化输出提示词
prompt = """请解释“过拟合”，并按以下 JSON 格式输出：{"term": "术语名称","definition": "一句话定义","example": "简单例子","note": "注意事项"}不要输出 JSON 以外的内容。"""print(prompt)
这类提示词适合需要程序进一步处理模型输出的场景。格式越严格，提示词越要明确。
示例 5：对比模糊提示词与清晰提示词
bad_prompt = "写一下人工智能。"good_prompt = """请写一段面向高中生的人工智能简介，约 300 字。要求：1. 说明人工智能的基本含义；2. 举 2 个生活应用例子；3. 避免复杂技术细节；4. 语言通俗、结构清晰。"""print("模糊提示词：")print(bad_prompt)print("\n清晰提示词：")print(good_prompt)
这个例子说明：模糊提示词容易让模型自行猜测，清晰提示词更容易让模型按要求输出。
提示词是用户或系统提供给模型的任务说明，用来引导模型理解要做什么、怎样做、按什么格式输出以及遵守哪些约束。好的提示词可以显著改善模型输出，但不能保证事实正确，也不能替代模型能力、外部知识和安全机制。对初学者而言，可以把提示词理解为：用自然语言写给模型的任务说明书。
