其实，提示词的好坏背后，隐藏着一整套模型的认知体系。今天，我想从产品经理的角度，跟你聊聊大模型训练的那些关键原理，帮你理解如何设计出有效的提示词，让你的AI使用体验从“翻车”变成“飞车”。

想象一下，AI大模型就像你的一个博学朋友，但他有个小毛病——你必须说得特别清楚，他才能给你想要的答案。

比如，你随便说“给我点东西”，他可能就搞错了，写出你完全不想要的内容。但如果你说“请帮我写一封申请软件工程师职位的求职信”，他就能给你一个不错的回复。

其实，这并不是大模型笨，而是因为它并不是真正“思考”，而是通过海量的文本数据训练出了一种“猜词的能力”。

你输入的提示词，实际上就是为它的“猜词”提供了一个起点。一旦你理解了这个底层逻辑，就能写出更容易让AI理解的提示词，再也不用对着屏幕无奈地感叹“它怎么又不懂我”了。

举个例子，当你给它一个开头：“我喜欢”，它就会根据过去学到的知识，猜测下一个最可能的词。这可能是“代码”、“模型”，甚至是其他词。它会算出每个词出现的几率，然后选择最合适的一个。下面是我做的示意图。

这个预测下一个单词的过程称为“自回归生成”。大模型依靠自回归机制，一步一步地生成目标句子。

在每个时间点t，解码器会使用之前生成的单词来预测下一个单词。接着在下一个时间点t+1时，它需要结合刚才预测出来的单词，继续推测下一个单词。就像你写作文一样，写完第一个词，再根据前面的内容写第二个，以此类推。

那么，这个知识渊博的大模型是怎么做到的呢？

它的能力提升主要依赖于预训练和微调两个阶段。

第一阶段是预训练。

在这个阶段，它需要处理大量的无标注文本，像书籍、网页、论文等，输出则是对“下一个词”的预测。

举个例子，模型的输入是一段话：“人工智能是指让计算机模拟人类智能的”，它的目标是预测“的”后面最可能出现的词（比如“技术”）。通过海量数据的训练，模型会学到：

• 语法、句式等语言规则：例如“的”后面通常跟名词；
• 一些基本概念和逻辑：比如“人工智能”通常与“机器学习”、“深度学习”相关联；
• 任务指令：比如在看到“总结：”时，后面的内容通常是对前文的简洁概括；而在看到“问题：”时，后面应跟着答案。

通过这样的学习，模型掌握了语言的规律、知识之间的联系，以及在不同场合下应如何表达。

第二阶段是微调。

这就像一个人专门去练习某项技能。比如，专门让模型学习文学、小说，这样它在特定写作任务上的表现会更好。

为了让模型更适应专业知识问答或内容创作等具体任务，我们可以对其进行微调。在这个过程中，常见的输入是用户可能提出的问题（question）和专家的标准回答（answer）。例如，在电商客服的场景中：

[

{

“question”: “收到的商品有破损，怎么处理？”,

“answer”: “非常抱歉给您带来不便！请您先拍摄商品破损处及快递面单的清晰照片，然后联系在线客服上传图片，我们会为您安排补发或退款，运费由我们承担。”

},

{

“question”: “衣服尺码不合适，可以退换吗？”,

“answer”: “您好，支持7天无理由退换哦~ 请确保商品吊牌完整、未穿洗，您可以在订单页申请退换货，系统会引导您完成后续流程，退回运费在商品验收后会自动返还。”

},

{

“question”: “优惠券怎么使用？”,

“answer”: “下单时在结算页面，点击「优惠券」选项，选择您想使用的优惠券即可抵扣相应金额。注意每张优惠券都有使用门槛和有效期哦~”

}

]

这些数据能够帮助大模型学习到客服场景的专业用语、问题解决的流程及与用户沟通的技巧，经过微调后，模型能够更自然地处理客户咨询，从而减轻人工客服的工作负担。

现在你明白了，大模型其实就是根据之前的内容来猜测后面的内容。但是问题来了：它学到的东西太多了！它可以写诗、代码、回答问题、编故事……如果没有你的指引，它根本不知道你想要什么。这就像你走进一个巨大的图书馆，若没有索引和指引，你很难找到你想要的那本书。

而提示词，就是你在这个“图书馆”里的索引。通过明确、具体地描述用户的需求，来引导大模型激活正确的知识和生成模式。提示词的能力主要体现在三个方面：

1、明确任务目标，选择知识来源

提示词通过清晰地定义任务类型，比如写首诗、翻译句子等，让大模型知道该调动哪方面的知识来完成任务。比如输入“月亮”，大模型可能写出：

• 科学知识：“月亮是地球的卫星……”
• 诗歌：“月亮像一把弯弯的镰刀……”
• 故事：“月亮上住着嫦娥……”

但如果你说“用科学角度解释月亮的形成过程”，AI就明白要调用天体物理学的知识，而不是文学创作的能力。

如何巧妙使用提示词，让AI更懂你

2、设定规则，缩小生成范围

其实呢，提示词可以通过加入一些具体的格式、字数、风格等细节要求，帮助模型更精准地生成内容。比如说：

• 如果你说“写一篇关于环保的短文，分3段，每段不超过50字”，这就清楚地规定了内容的结构和字数；
• 或者你可以这样问：“用幽默的语气来解释量子力学”，这就让风格变得明确了。

3、贴合模型的认知，减少生成误差

其实，大模型对它在预训练和微调阶段接触到的数据非常敏感。好的提示词能模仿模型已经熟悉的文本结构，这样一来模型在检索知识和组织语言时就更顺畅了，回答的质量自然也会提升。

比如说，大模型在训练中接触过大量的列表式总结，像“1. … 2. … 3. …”这样的格式。因此，如果你给出“总结以下内容，分3点：XXX”，这比“随便总结一下XXX”要有效得多。因为模型对前者的理解更深刻，生成的内容也会更规范。

了解了大模型的工作原理，你就会明白提示词有多重要了。其实这不是什么神秘的技术，而是一种高效沟通的技巧。记住几点：

• 大模型是根据你给的提示词来生成回复的。
• 清晰、具体的指令能帮助模型更好地理解你的要求。
• 好的提示词能激活模型相关的知识和能力。
• 多练习和调整，你会发现自己和模型的对话越来越顺畅。

在这个AI时代，写好提示词就像掌握百度搜索一样重要。它不仅能让你更高效地完成任务，更能真正释放AI这一强大工具的潜力。

本文由 @明思AI 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务