提示词工程学习 Day 23: #45 上下文增强提示 + #46 反事实假设提示
📚 提示词工程学习 Day 23 2026-04-19 | 组合技巧专题 今日学习两个进阶组合技巧: 上下文增强提示 和 反事实假设提示 ,掌握如何通过优化上下文质量和探索替代现实来提升 AI 推理能力。 📝 技巧 #45: 上下文增强提示 (Context Enrichment Prompting) 核心概念 上下文增强提示是一种通过 主动扩展输入上下文的质量和密度 ,来提升大语言模型输出效果的进阶技巧。它不仅仅是"给模型更多信息",而是精心挑选、组织、排序上下文中的信息,让模型在有限注意力预算内获取最高价值的信号。 上下文工程(Context Engineering)是提示工程的自然进化阶段。在早期,提示工程的重点是"如何写好一句话";而在复杂 AI Agent 场景下,重点变成了"如何设计完整上下文结构"——包括系统指令、工具定义、用户输入、历史消息、外部知识等所有进入上下文窗口的元素。 为什么上下文质量决定输出质量 注意力预算有限: 模型在处理长上下文时存在"上下文腐烂"(Context Rot)现象。随着 token 数量增加,模型准确召回上下文中信息的能力逐渐下降。 信息优先级影响解读: 上下文中的信息并非平等——不同位置、不同组织方式的信息对模型的影响权重不同。 噪声放大错误: 上下文中的无关信息(噪声)不仅无助于任务,还会增加模型误解的概率。 核心原则 好上下文的核心是"高密度、结构化、动态化、示例精选"。上下文工程不是简单堆积信息,而是精心策展信息。 上下文增强的四大核心维度 维度1:信息密度增强 提供高信号、低噪声的上下文。每个进入上下文的信息都应服务于最终输出目标。 维度2:结构化组织 用清晰的语法结构组织上下文,推荐使用分隔符、标题层级、编号列表等: <background> [背景信息简洁描述] </background> <task> [任务目标明确描述] </task...