文章

AI智能体提示词大全

发表于 更新于
Preview Image
作者 Kris Shang
27 分钟阅读
AI智能体提示词大全

项目概述

本提示词大全基于对多个开源AI提示词仓库的深入研究和分析，系统整理了提示词的分类、类型、模板和最佳实践。旨在帮助用户更好地设计和优化提示词，充分发挥AI模型的能力。

一、主要开源AI提示词仓库

  1. Awesome ChatGPT Prompts GitHub地址：https://github.com/f/awesome-chatgpt-prompts 星标数量：超过12万星标 特点：由土耳其开发者Fatih Kadir Akın发起，系统整理了160+经过验证的优质Prompt模板，覆盖编程、写作、设计等20+场景 官方网站：https://prompts.chat/ 优势：即点即用的傻瓜操作，每个Prompt旁都配有「复制」图标；支持模板共建，任何人都能提交新的Prompt模板
  2. Prompt Engineering Guide GitHub地址：https://github.com/dair-ai/Prompt-Engineering-Guide 星标数量：超过3万星标 特点：由DAIR.AI发起的开源项目，提供了一份全面的提示工程指南，包含最新的论文、学习资源、讲座和工具 优势：文档丰富，适合初学者和专业人士，涵盖LLM提示的最佳实践
  3. Mr.-Ranedeer-AI-Tutor GitHub地址：https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor 特点：一个基于GPT-4的开源AI辅导助手，支持深度定制学习体验，提供从小学到博士后级别的教育支持 优势：灵活配置学习风格、沟通方式和语气，适合编程、数学等多领域学习
  4. PromptWizard GitHub地址：https://github.com/microsoft/PromptWizard 特点：微软开源的自动化提示优化框架，通过自我演化和反馈机制优化LLM提示，提高准确性和效率 适用场景：情感分析、智能教育、医疗诊断等 优势：集成反馈驱动优化，减少API调用成本，性能卓越
  5. best-chinese-prompt GitHub地址：https://github.com/K-Render/best-chinese-prompt 特点：由K-Render整理的中文提示词集合，主要针对ChatGPT场景，提供实用提示词示例 优势：专注于中文用户，结合飞书文档共享，适合快速上手
  6. AI-Prompt-Library GitHub地址：https://github.com/myyjs1/AI-Prompt-Library 特点：一个收集和管理高质量AI提示词的库，覆盖编程、写作、绘画等领域，提供精准的提示词示例 优势：海量提示词资源，分类清晰，适合多场景应用
  7. Prompt-Engineering-Guide-zh-CN GitHub地址：https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN 特点：Prompt Engineering Guide的中文翻译版本，提供与英文版一致的资源 优势：本地化内容，适合中文开发者参考
  8. 系统提示词开源仓库 GitHub地址：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools 特点：收录了多个AI开发工具的系统提示词，包括Cursor、V0.dev、Bolt.new等 内容：涵盖了工具的身份设定、行为规范、输出格式等多个方面
  9. 其他相关项目 LangGPT：结构化提示词方法论的实践，开源地址：github.com/langgptai/L… AutoGen：微软开源的多代理对话框架，源码：https://github.com/microsoft/autogen AutoGPT：自主AI代理项目，源码：https://github.com/Significant-Gravitas/AutoGPT Dify：开源AI应用开发平台，支持通过提示词定制LLM行为，源码：https://github.com/langgenius/dify

    二、提示词分类体系

    一、按功能分类

  10. 角色设定类提示词 定义：让AI扮演特定角色，以该角色的专业知识和视角完成任务。 典型应用场景：专业咨询、教育指导、创意协作 示例：

你是一位资深的前端开发工程师，拥有10年React开发经验。请解释一下什么是React Hooks，并举例说明useState和useEffect的使用场景。

  1. 任务指令类提示词 定义：直接明确地要求AI完成特定任务，注重任务的具体要求。 典型应用场景：内容创作、数据处理、问题解答 示例：

请总结以下文章的主要观点，不超过200字。文章内容：[文章内容]

  1. 格式约束类提示词 定义：指定AI输出的格式和结构，确保输出符合特定需求。 典型应用场景：数据整理、报告生成、代码格式化 示例：

请将以下数据转换为JSON格式，包含id、name、value三个字段：苹果,5元;香蕉,3元;橙子,4元。

  1. 上下文提供类提示词 定义：提供背景信息和上下文，帮助AI更好地理解任务和生成准确的响应。 典型应用场景：复杂问题解决、决策支持、情境分析 示例：

背景：我正在开发一个电商网站，目前需要设计购物车功能。用户需求包括：添加/删除商品、修改数量、计算总价、应用优惠券。请为这个功能设计一个清晰的界面流程。

  1. 创意生成类提示词 定义：激发AI的创造力，生成新颖的想法、概念或内容。 典型应用场景：内容创作、产品设计、营销策略 示例：

请为一款面向年轻人的咖啡品牌设计5个有创意的广告语，要求简洁、有记忆点、符合年轻人的语言风格。

二、按应用场景分类

  1. 编程与开发 示例：

你是一个Python专家。请帮我编写一个函数，用于计算斐波那契数列的第n项，要求使用递归方式实现，并添加适当的注释。

  1. 内容创作 示例：

请以”人工智能时代的工作变革”为主题，写一篇800字左右的议论文，要求观点明确、论据充分、结构清晰。

  1. 教育培训 示例：

你是一位高中数学老师。请用简单易懂的语言解释一下微积分中的导数概念，并举例说明其在实际生活中的应用。

  1. 商业分析 示例：

假设你是一家小型电商企业的市场分析师。请分析以下销售数据，指出趋势并提出改进建议。数据：[销售数据]

  1. 客户服务 示例：

你是一家电子产品公司的客服代表。请根据以下问题，以友好、专业的语气回复客户：”我的新手机电池续航不如宣传的那么好，该怎么办？”

三、按复杂程度分类

  1. 基础型提示词 特点：简单直接，只包含基本的任务要求。 示例：

请解释什么是机器学习。

  1. 进阶型提示词 特点：包含更多细节和约束，引导AI生成更精确的响应。 示例：

请用不超过300字的篇幅，向一位没有技术背景的人解释什么是机器学习，要求使用日常生活中的例子，并避免使用专业术语。

  1. 复杂型提示词 特点：包含多步骤任务、详细上下文和严格的格式要求。 示例：

背景：你是一个数据分析师，正在帮助一家零售店分析销售数据。 任务：

  1. 分析附件中的销售数据，找出最受欢迎的前5种商品
  2. 计算每个月的销售额和同比增长率
  3. 识别销售趋势和潜在问题
  4. 基于分析结果，提出至少3条改进销售的建议 格式要求：
    • 使用Markdown格式输出
    • 包含数据可视化建议
    • 每条建议需有数据支持

      三、通用提示词模板库

  5. 通用提示词模板 你是[角色]，拥有[专业背景/经验]。请[任务描述]，要求[约束条件]。
  6. 内容创作模板 请以[主题]为中心，创作一篇[文章类型]，要求[字数限制]，风格为[风格要求]，包含[必要元素]。
  7. 问题解决模板 背景：[背景信息] 问题：[具体问题] 可用资源：[可用资源] 要求：请分析问题并提供解决方案，包括[解决方案要点]。
  8. 教学指导模板 你是[学科/领域]的教师。请向[学习者水平]的学生解释[概念/知识点]，要求使用[教学方法]，并提供[例子/练习]帮助理解。
  9. 分析报告模板 请分析[分析对象]，重点关注[分析重点]，并基于分析结果提供[报告内容]，要求以[格式]呈现，包含[必要组成部分]。

    四、提示词工程最佳实践指南

    一、提示词设计的核心原则

  10. 明确性原则 具体描述任务：避免模糊不清的表述，明确告知AI需要做什么 限定范围和边界：设定清晰的输入输出范围，避免AI产生偏离主题的内容 使用量化指标：在可能的情况下，使用具体的数字、比例等量化指标 示例优化对比：

优化前：”写一篇关于AI的文章” 优化后：”写一篇800字左右的文章，介绍人工智能在医疗领域的应用，重点说明诊断辅助和药物研发两个方向，并使用具体案例支持观点”

  1. 结构化原则 组织信息层次：使用标题、列表等结构组织信息，提高可读性 分步引导思考：对于复杂任务，将其分解为多个步骤，逐步引导AI思考 使用格式化标记：利用Markdown、JSON等格式化标记，明确要求AI的输出格式 示例：

请按照以下步骤分析问题：

  1. 首先，明确问题的核心是什么
  2. 其次，分析可能的原因有哪些
  3. 然后，评估每种原因的可能性
  4. 最后，提出针对性的解决方案 要求：使用Markdown格式输出，每个步骤使用二级标题
  5. 示例驱动原则 提供优质示例：为AI提供符合预期的示例，帮助其理解任务要求 使用对比示例：在需要区分不同情况时，提供对比示例 递增式示例：从简单到复杂，逐步提供示例，帮助AI建立理解梯度 示例：

请模仿以下风格写一段产品介绍： 示例：”这款智能手表不仅仅是一个计时器，更是您健康生活的智能伙伴。它可以24小时监测您的心率、睡眠质量，并提供个性化的健康建议。防水设计让您在游泳时也能使用，长达7天的续航能力免去了频繁充电的烦恼。” 产品：智能台灯

  1. 上下文提供原则 补充必要背景：提供与任务相关的背景信息，帮助AI理解情境 明确约束条件：说明完成任务的限制条件和边界 提供相关参考：在需要时，提供相关的参考资料或数据 示例：

背景信息：我是一名初学者，刚刚开始学习Python编程，目前已经掌握了基本的语法和数据类型。 任务：请解释什么是Python中的列表推导式，并举例说明其用法和优势。 要求：语言通俗易懂，避免使用过于专业的术语，例子简单实用。

二、提示词优化的关键技巧

  1. 迭代优化法 逐步完善法：先提出基础版本，根据AI的输出逐步添加细节和约束 问题拆解法：将复杂问题拆解为多个简单问题，逐步深入 对比实验法：尝试不同的提示词表述，比较效果并优化 优化流程示例：

初始提示：”解释机器学习” 第一次优化：”用通俗易懂的语言解释机器学习的基本概念” 第二次优化：”用不超过200字，向高中生解释机器学习的基本概念，要求使用日常生活中的例子” 第三次优化：”用不超过200字，向16岁的高中生解释机器学习的基本概念，要求使用日常生活中的例子（如推荐系统），避免专业术语”

  1. 角色设定技巧 专业领域设定：为AI设定特定的专业领域背景 性格特点设定：设定AI的性格、语气和沟通风格 视角立场设定：设定AI的观察角度和立场 高级角色设定示例：

你是一位经验丰富的科幻小说作家，擅长创作硬科幻作品。请以”人工智能与人类的未来关系”为主题，写一个1000字左右的短篇故事大纲。要求：

  • 故事背景设定在2150年
  • 包含至少两个具有深度的角色
  • 探讨技术伦理问题
  • 情节有反转
  • 语言风格偏向阿西莫夫
    1. 格式控制技巧 输出结构约束：明确要求AI输出的结构和格式 长度控制：通过字数、段落数等控制输出长度 风格引导：引导AI采用特定的语言风格和修辞手法 格式控制示例：

请分析以下股票数据，并按照指定格式输出分析结果： 数据：[股票数据] 输出格式要求：

  1. 使用Markdown表格展示主要指标
  2. 用 bullet points 列出3个主要发现
  3. 用2-3句话总结趋势
  4. 语言风格专业但简洁
  5. 逻辑引导技巧 因果关系引导：引导AI分析因果关系 比较分析引导：引导AI进行比较分析 推理过程引导：要求AI展示其推理过程 逻辑引导示例：

请分析以下两种营销策略的优缺点，并给出你的推荐： 策略A：大规模广告投放 策略B：精准用户运营 要求：

  1. 分别分析两种策略的优势和劣势
  2. 从成本、效果、可持续性三个维度进行比较
  3. 给出你的最终推荐，并说明理由
  4. 展示你的分析过程和逻辑

    三、不同场景下的提示词策略

  5. 创意生成场景 发散思维引导：鼓励AI产生多样化的想法 约束条件设定：在一定约束下激发创意 组合创新引导：引导AI将不同元素组合创新 创意生成示例：

请为一款新型环保材料设计5个创新应用场景，要求：

  1. 每个场景要有具体的应用方式和价值
  2. 至少包含2个跨领域应用
  3. 每个场景不超过100字
  4. 问题解决场景 问题定义明确化：帮助AI准确理解问题本质 资源条件约束：明确解决问题的可用资源和限制 解决方案评估标准：设定评估解决方案的标准 问题解决示例：

背景：我们公司的客户满意度在过去三个月下降了15%，主要投诉集中在响应速度慢和解决方案不满意两个方面。 可用资源：客服团队现有10人，预算有限，技术支持系统可以升级但成本较高。 任务：请分析问题原因并提供至少3个解决方案，要求：

  1. 每个方案包含具体实施步骤
  2. 评估每个方案的成本和预期效果
  3. 推荐一个最佳方案并说明理由
  4. 知识获取场景 概念解释要求：明确要求AI解释概念的方式和深度 示例辅助要求：要求AI提供易于理解的示例 关联知识整合：要求AI整合相关知识，形成体系 知识获取示例：

请解释什么是区块链技术，要求：

  1. 用通俗易懂的语言，避免专业术语
  2. 使用比喻帮助理解
  3. 说明其主要特点和应用场景
  4. 简要对比区块链与传统数据库的区别

    四、提示词评估与迭代方法

  5. 评估维度 准确性：AI的输出是否准确无误 相关性：输出内容是否与任务要求相关 完整性：是否包含了任务要求的所有内容 格式符合度：是否符合指定的输出格式要求 创新性：在创意任务中，输出是否具有创新性
  6. 迭代优化流程 定义目标：明确提示词的预期目标和效果 设计初始提示：基于目标设计初始版本的提示词 测试与评估：发送提示词并评估AI的输出效果 分析反馈：分析输出结果与预期的差距 优化调整：根据分析结果优化提示词 循环迭代：重复测试、分析和优化过程 迭代优化记录表：

迭代次数 | 提示词内容 | 输出效果评估 | 优化方向 — | — | — | — 1 | [初始提示词] | [评估结果] | [优化方向] 2 | [优化后提示词] | [评估结果] | [优化方向] 3 | [再次优化提示词] | [评估结果] | [是否完成]

五、总结与展望

开源AI提示词仓库为我们提供了丰富的学习资源和实践案例。通过对这些仓库的分析和归纳，我们可以发现优秀提示词的共同特点：明确性、结构化、示例驱动和上下文提供。提示词工程作为一门新兴的技术领域，正在不断发展和完善。未来，随着AI模型能力的提升和应用场景的拓展，提示词工程将变得更加重要，也将出现更多专门的工具和方法论来辅助提示词的设计和优化。

对于开发者和AI应用使用者来说，掌握提示词工程技术，不仅可以更好地发挥AI模型的能力，还可以提高工作效率和创造价值。建议大家在实践中不断尝试和总结，形成自己的提示词设计风格和方法论。

LLM
智能体 提示词
本文由作者按照 CC BY 4.0 进行授权