Google 提示工程白皮書 -- 讀書筆記

書的關鍵內容與順序

三種提示用於指導 LLM 生成文本

• 系統提示：定義 AI 模型該做什麼的「大局」設定。像是跟 AI 說，目前主要任務是「生成 SEO 文案」。
• 脈絡提示：提供目前對話或任務相關的細節或背景。像是跟 AI 說，目前任務需要了解美股、科技相關領域等。
• 角色提示：為模型分配一個特定角色或身份，讓模型生成的內容與角色的相關知識、行為一致。比方說，提示角色目前為「美股專業科技寫手」，叫他寫出來的 SEO 文章會更精準。

回退方法 Step-back

先生成一般概念（水平發想），將此生成作為「上下文」提示，進一步生成更深入的內容，會更具有主題性，且更加引人入勝。

• 傳統 Prompt：請幫我寫出一段具有挑戰性，且引人入勝的第一人稱設計遊戲的挑戰關卡。
• 回退方法 Prompt：
  1. 請你設計五種虛構的「故事情節設定」，以便後續設計引人入勝的第一人稱設計遊戲的挑戰關卡。
  2. 依照剛剛生成的五個世界觀設計，選擇其中三個，各自寫出 500 ~ 1000 字的「引人入勝的第一人稱設計遊戲的挑戰關卡」。

Chain of Thinking / Chain of Draft 思維鏈

• Prompt 中特別提示：「讓我們一步步思考」。讓 AI 模型透過生成「中間推理」步驟提高 LLM 推理能力的技術。

  • CoT(Chain of Thinking) 是指要求 AI 使用步驟式的方式生成結果。e.g. …，請依照步驟來推理結果，…。
  • CoD(Chain of Draft) 也是一種 CoT，只是會要求 AI 「更精簡」產出思考步驟之成果。e.g. …，請簡單扼要列出解題草稿，只包含必要步驟，…。

• 特別適用於「推理邏輯」的需求。

  • 如果用傳統 Prompt 方式來詢問「簡單的數學」，像是孫女與爺爺年齡倍數這種問題，AI 常常會算錯。個人經驗是即便像是清單數字加總，也常常會算錯…。
  • 然而透過 CoT / CoD 方式請 AI 計算，算出來就會很準確了！

• 應用 CoD 的實務範例

  小明和爺爺的年齡問題

  Exported on 2025/5/24 at 11:52:55 [GMT+8] from Cursor (0.50.5)

  ---

  User

  今年小明 3 歲，再過 17 年後，他爺爺的歲數會是小明的 4 倍。請問小明和爺爺今年個別幾歲？

  ---

  Cursor

  我們可以用代數來解這個問題。

  設小明今年的年齡為 ( x )，爺爺今年的年齡為 ( y )。

  根據題目，我們知道：

  1. 小明今年 3 歲，所以 ( x = 3 )。
  2. 再過 17 年後，小明的年齡將是 ( x + 17 )，爺爺的年齡將是 ( y + 17 )。
  3. 在那時，爺爺的年齡會是小明的 4 倍，即 ( y + 17 = 4(x + 17) )。

  將 ( x = 3 ) 代入第二個方程式：

  [ y + 17 = 4(3 + 17) ]

  計算右邊：

  [ y + 17 = 4(20) = 80 ]

  接下來，解出 ( y )：

  [ y = 80 - 17 = 63 ]

  所以，小明今年 3 歲，爺爺今年 63 歲。

  總結：

  • 小明今年 3 歲
  • 爺爺今年 63 歲

  ---

  User

  今年小明 3 歲，再過 17 年後，他爺爺的歲數會是小明的 4 倍。請問小明和爺爺今年個別幾歲？

  • 請簡單扼要列出解題草稿，只包含必要步驟。

  ---

  Cursor

  解題草稿：

  1. 設小明今年的年齡為 ( x )，爺爺今年的年齡為 ( y )。
  2. 根據題目，小明今年 3 歲： ( x = 3 )
  3. 再過 17 年後，小明的年齡為 ( x + 17 )，爺爺的年齡為 ( y + 17 )。
  4. 根據題目，爺爺的年齡會是小明的 4 倍： ( y + 17 = 4(x + 17) )
  5. 將 ( x = 3 ) 代入方程式： ( y + 17 = 4(3 + 17) )
  6. 計算右邊： ( y + 17 = 80 )
  7. 解出 ( y )： ( y = 80 - 17 = 63 )
  8. 結論： 小明今年 3 歲，爺爺今年 63 歲。

• 備註：可能隨著 AI 模型的發展，以後都不用額外加上如此提示。（像是 Cursor 可以直接設定 Thinking（思維鏈） 模式，就不用額外下 Prompt）

Prompt 最佳實踐

• 提供樣本：單樣本或少樣本，說白點就是提供 AI 明確優質的好範例。
• 簡潔設計：有時候講太多反而會讓 AI 混淆，「跟人溝通」也是這麼一般道理。e.g. 你現在是台灣國內旅遊專家。描述在苗栗，適合帶學齡前幼童參觀的好地方，依照熱門度排名列出來。
• 具體說明輸出「要求」：比方說要輸出排行前五名、市佔率前三大…等，而非空泛地說要生成出「大多數人都喜愛」的…。

Prompt 記錄的「迭代」優化

• 目標、輸入、配置和輸出
  • 目標：想要嘗試達成的目標。e.g. 可以點擊以計數的功能。
  • 輸入（Prompt）：「請幫我完成一個可以點擊來計數的功能，實現於網頁中。」
  • 配置：諸如 AI 模型的選用，採樣控制（Top-K, Top-P, 溫度等）
    • Top-K: 讓生成的「文字接龍」過程，挑選最有可能的前 K 個字詞。e.g. Top-K=2，AI 生成過程只考慮前 2 個機率最高的詞彙做生成接龍。
    • Top-P: 讓生成的「文字接龍」過程，挑選最有可能的共百分之 P 的字詞。e.g. Top-P=0.8，代表 80% 的常用字詞，AI 都會將其考慮進來。
  • 輸出（成果）：顧名思義就是下 Prompt 的結果。
• 紀錄 Prompt 及其結果的模板

  • 方便記錄 Prompt 的輸入輸出等設定，以做迭代優化，以其重現 Prompt 的生成結果，讓 Prompt 生成更為可控與標準化。

  • 模板：

    字段	描述
    名称 (Name)	[您的提示的名称和版本] ([name and version of your prompt])
    目标 (Goal)	[对此尝试目标的一句话解释] ([One sentence explanation of the goal of this attempt])
    模型 (Model)	[使用的模型的名称和版本] ([name and version of the used model])
    温度 (Temperature)	[0 - 1 之间的值] ([value between 0 - 1])
    令牌限制 (Token Limit)	[数字] ([number])
    Top-K	[数字] ([number])
    Top-P	[数字] ([number])
    提示 (Prompt)	[写下完整的提示] ([Write all the full prompt])
    输出 (Output)	[写下输出或多个输出] ([Write out the output or multiple outputs])

總結

• 學習各種「提示」（Prompt）技巧。