目录
在当今人工智能领域，提问大型语言模型（Large Language Models，LLM）已经成为一种常见的实践，但如何向这些模型提出问题，或者更准确地说，如何引导它们产生期望的输出，成为了一个关键的问题。这引入了一个重要的概念，即"Prompt Engineering"，也就是提示工程。
随着大语言模型的广泛应用，提示词转变为一种工程，就是所谓的提示工程（Prompt Engineering）；他是一种LLM使用技术，通过设计和改进 LLM的 prompt 来提高 LLM的表现，其目标是创建有效和可控的LLM系统，使其能够准确、可靠地执行特定任务。
不同情况下，Prompt Engineering也称为 In-Context Prompting，也就是上下文的提示词；通俗而言，是指如何在不更新模型权重的情况下与 LLM 进行沟通，以引导LLM的输出得到更有意义结果的方法。
如何向大语言模型提问，或者更好的提问，就是指提示词（Prompt）；提示词是给LLM（大语言模型）的指令，它可以是一个问题、一段文字描述，甚至可以是带有一堆参数的文字描述。LLM会基于 prompt 所提供的信息，生成对应的内容从而获得符合预期的结果。
更加详细的外部参考文章： 打工人转型之道：Prompt Engineering基础篇