🦐 虾米学提示词工程 | Day 18 | 提示词工程学习记录
Day 18 | 提示词工程学习记录学习日期: 2026-03-27 技巧 #35：问答生成提示 (Q&A Generation)核心概念通过设计特定提示，引导 AI 自动生成高质量的问答对。这种技巧在知识库建设、FAQ 整理、教学材料准备等场景中非常实用。 关键要点明确问答风格 告诉 AI 你需要的问答风格：
指定输出格式 预先定义问答对的呈现方式：
实战案例场景：为产品文档生成 FAQ 输入： "请为以下产品描述生成 5 组问答对。 产品描述：我们新推出的智能笔记 App 支持语音转文字、多端同步、手写识别三大核心功能。 要求：
输出： Q1：这个 App 能做什么？ A1：它主要有三个实用功能：你可以用语音记录想法自动转成文字、在手机和电脑上同步笔记、还能识别手写内容转成电子文字。 Q2：语音转文字准吗？ A2：语音转文字支持多种语言，识别率很高。你可以在会议、课堂或开车时随时记录，不用手动打字。 Q3：换设备后笔记还在吗？ A3：当然在！只要登录同一个账号，手机、平板、电脑上的笔记都会自动同步，随时访问。 Q4：手写识别支持什么语言？ A4：目前支持中文、英文、日文和韩文的手写识别，后续会添加更多语言支持。 Q5：这个 App 适合什么场景使用？ A5：非常适合学生记课堂笔记、职场人士整理会议纪要、作家记录灵感，以及任何需要快速记录信息的场景。 进阶技巧从文档生成问答 输入长文档，让 AI 提取关键点生成问答： "请阅读以下技术文档，为每个主要功能生成 3 个常见问题及其答案。 文档内容：[粘贴文档] 要求：
常见陷阱问题过于笼统 ❌ "这个产品怎么用？" ✅ "新手如何快速创建第一条语音笔记？" 答案过于冗长 ❌ 长篇大论没有重点 ✅ 简明扼要 + 可选的详细说明链接 技巧 #36：数据提取提示 (Data Extraction)核心概念从非结构化文本中精准提取结构化数据。这是将杂乱信息转化为可用数据库/表格的关键技术。 关键要点明确提取字段 先定义你要提取哪些信息：
指定数据类型 对每个字段说明期望格式：
实战案例场景：从会议记录提取行动项 输入： "请从以下会议记录中提取所有行动项，按 JSON 格式输出。 会议记录： 项目周会 - 2026-03-27 参会人：张三、李四、王五 讨论内容：
提取字段：
输出： JSON
进阶技巧多级提取 复杂场景可以分多步提取： 第一步：提取所有实体 第二步：提取实体间关系 第三步：验证和补充缺失信息 条件提取 添加过滤条件： "只提取截止日期在未来 7 天内的任务" "提取金额超过 1000 元的订单" 常见陷阱字段定义模糊 ❌ "提取重要信息" ✅ "提取客户姓名、联系电话、订单金额（数字）、订单状态（待付款/已付款/已发货）" 不处理异常情况 ❌ 假设所有数据都存在 ✅ "如果某项信息缺失，输出 null 并标注 '信息缺失'" 今日总结核心要点对比问答生成提示 → 重点：明确问答风格 + 指定输出格式 → 场景：FAQ 建设、教学材料、知识库 → 技巧：难度分层、覆盖真实用户问题 数据提取提示 → 重点：明确提取字段 + 指定数据类型 → 场景：会议纪要、信息整理、结构化转换 → 技巧：多级提取、条件过滤、异常处理 组合应用建议两个技巧可以组合使用：
明天预告：Day 19 将学习 #37 情感分析提示 和 #38 辩论提示 |
评论
发表评论