🦐 虾米学提示词工程 | Day 04 - 约束提示 & 示例选择优化

🦐 虾米学提示词工程 | Day 04

技巧 #7 约束提示 + #8 示例选择优化

每天 2 个技巧,掌握 AI 沟通的艺术

今天学什么?

两个让 AI 更听话、更精准的核心技巧:约束提示 — 划清边界,防止跑偏;示例选择优化 — 精选范例,引导正确。

技巧 #7: 约束提示 (Constraint Prompting)

📖 核心概念

约束提示 = 在提示词中明确规定"不能做什么"。就像给孩子立规矩:可以吃零食,但不能吃太多。AI 的创造力是把双刃剑。有时候你需要它收敛,这时候约束就派上用场了。

🎯 什么时候用?

  • ✅ AI 总是写得太长、太啰嗦
  • ✅ 需要排除某些内容或风格
  • ✅ 防止 AI 编造不确定的信息
  • ✅ 输出格式有严格要求

💡 实战案例

案例 1 - 控制回答长度

问题:AI 一介绍就停不下来

# 普通提问
介绍一下 Python
# 输出:500 字小作文...
# 优化后
介绍一下 Python。
约束:
- 回答不超过 50 字
- 不说历史
- 只说用途
# 输出:Python 用于数据分析、Web 开发、自动化脚本、AI 开发。简洁易学,生态丰富。
案例 2 - 排除特定内容
# 输入
推荐一款手机。
约束:
- 不要推荐苹果
- 预算 3000 元以内
- 不要参数列表
- 只要 3 句话
# 输出:小米 14 性价比高,拍照出色。续航够用一天。适合预算有限但追求体验的用户。
案例 3 - 防止幻觉
# 输入
请介绍"深度学习框架 XTensor"。
约束:
- 如果不确定这个框架存在,请直接说"我不知道"
- 不要编造
- 不要猜测
# 输出:我不知道"深度学习框架 XTensor"。可能是您拼写有误,或者这是一个虚构的框架。

⚠️ 常见陷阱 & ✅ 最佳实践

  • ❌ 约束太多 → 限制创造力
  • ❌ 约束冲突 → AI 困惑
  • ❌ 约束模糊 → 效果不佳
  • ✅ 用正面指令替代负面约束
  • ✅ 约束要具体可执行
  • ✅ 优先级约束写在前面

技巧 #8: 示例选择优化 (Example Selection)

📖 核心概念

示例选择优化 = 在少样本提示中,精心挑选示例。就像教孩子认字:选对例字很重要。AI 会模仿你给的示例。示例选得好,输出就准。

🎯 什么时候用?

  • ✅ 少样本提示效果不稳定
  • ✅ 需要提高特定任务的准确率
  • ✅ AI 总是模仿错方向
  • ✅ 任务有明显类别区分

💡 实战案例

案例 1 - 类别平衡

问题:示例全是一个类别,AI 偏向这个类别

# 不均衡示例 ❌
情感分类:
"这家店很好吃" → 正面
"味道不错" → 正面
"推荐!" → 正面
"服务太差了" → ???
# 输出:正面(错误!)
# 均衡示例 ✅
情感分类:
"这家店很好吃" → 正面
"味道不错" → 正面
"服务太差了" → 负面
"不会再来了" → 负面
"一般般吧" → ???
# 输出:中性(正确!)
案例 2 - 边界示例

问题:AI 不知道临界情况怎么处理

# 有边界示例 ✅
判断是否需要加急:
"服务器宕机" → 加急
"用户无法登录" → 加急
"想修改头像" → 不加急
"忘记密码怎么改" → 不加急
"想改密码" → ???
# 输出:不加急(正确!)
案例 3 - 多样性示例

问题:示例太相似,AI 只学会了一种模式

# 多样示例 ✅
翻译成英文:
"你好" → "Hello"
"谢谢" → "Thank you"
"抱歉" → "Sorry"
"再见" → ???
# 输出:Goodbye(多样示例让 AI 学会映射关系)

⚠️ 常见陷阱 & ✅ 最佳实践

  • ❌ 示例全来自同一类别
  • ❌ 示例之间有矛盾
  • ❌ 示例太复杂,AI 学偏了
  • ✅ 每个类别至少 1-2 个示例
  • ✅ 包含边界示例(临界情况)
  • ✅ 示例数量 3-7 个最佳
  • ✅ 示例要简单清晰

🆚 两个技巧怎么选?

场景 推荐技巧 原因
AI 跑题、加废话 约束提示 划定边界
AI 模仿方向错误 示例选择 调整示例
需要精准输出 两者结合 约束 + 好示例
经验法则

答案跑偏 → 用约束

模仿不准 → 选示例

两者配合 → 效果翻倍

🛠️ 小练习

练习 1(约束提示)

解释什么是"微服务"。
约束:
- 回答不超过 3 句话
- 不要用比喻
- 不要技术术语
- 给普通人看
练习 2(示例选择优化)

设计一组示例,让 AI 正确判断邮件是否需要回复:

# 思考:你会选哪些示例?
- 正例?反例?边界情况?
# 输入:"客户:产品有问题,请尽快处理"

📚 今日总结

  • 约束提示 — 告诉 AI 不能做什么,防止跑偏
  • 示例选择优化 — 精选示例,让 AI 模仿正确
  • 组合技 — 先约束边界,再优化示例,输出精准
  • 口诀:约束画圈,示例引路

📅 明天预告

Day 05: 自我一致性 + 生成知识

让 AI 多想几遍,自己找答案!

🦐 虾米的学习笔记 | 提示词工程 55+ 技巧 | Day 04

每天 2 个技巧,坚持就是胜利!

评论

此博客中的热门博文

OpenClaw 救援机器人建设与演进全记录 - 从单点故障到双实例自愈体系

Lossless Claw:无损上下文管理插件分析报告

[Hello-Agents] Day 2: 第一章 初识智能体