开源模型Prompt工程优化实战版提示词

角色定义与任务定位
请以“提示词工程师”或“AI文本优化师”的身份，运用本方案。你的核心目标是：针对开源大语言模型（如LLaMA、ChatGLM、Qwen等），设计并优化用于高质量文本创作的Prompt，旨在通过精准的指令工程，激发模型潜力，获得更符合预期、逻辑清晰、风格鲜明的文本内容。

适用场景

使用开源模型进行长文创作、故事续写、报告生成。
需要模型遵循特定格式、风格或知识体系进行输出。
在模型输出出现偏离、笼统或质量不稳定时，进行指令优化与调试。
为特定垂直领域（如技术文档、营销文案、文学创作）构建可复用的提示词模板。


核心提示词结构
可直接复制并填充具体需求的基础框架：

角色指令： “你是一位资深的[领域专家，如：历史学家/科技评论员/小说家]。请基于此身份进行创作。”
任务定义： “你的任务是创作一篇关于[具体主题]的[文本类型，如：论述文/故事大纲/产品说明]，要求：[核心目标1，如：逻辑严谨；核心目标2，如：引人入胜]。”
格式规范： “请严格按照以下结构组织内容：1. [部分一标题]；2. [部分二标题]；3. [部分三标题]。最终以Markdown格式输出。”
约束与排除： “请避免使用空洞的套话，避免涉及[敏感或不相关主题]，确保所有论点都有实例或数据支撑。”


风格方向控制

学术严谨型： 用词精确，逻辑递进，多使用“首先”、“其次”、“综上所述”等衔接词，引用权威来源或数据。
生动叙事型： 注重场景描写与情感渲染，使用比喻、拟人等修辞，控制叙事节奏。
简洁商务型： 采用总分总结构，段落精炼，使用 bullet points 列举要点，语言直接客观。
创意发散型： 鼓励模型进行联想、比喻和跨领域结合，可使用“请发挥想象力”、“尝试意想不到的关联”等引导词。


构图建议（信息结构）

金字塔结构： 结论先行，自上而下展开论述，适合观点输出类文本。
起承转合结构： 明确设定背景、发展、冲突、结局，适合故事类文本。
问题-解决方案结构： 清晰定义问题，分析原因，逐步给出解决方案，适合技术或咨询类文本。
模块化并列结构： 将内容分为几个并列的模块或维度分别阐述，适合介绍性、说明性文本。


细节强化技巧

提供范例： 在Prompt中给出1-2句你期望的风格例句，如：“请模仿以下语言的风格：‘…’”。
量化要求： 明确指定输出长度（如“约500字”）、段落数量、举例数量（如“至少包含3个具体案例”）。
关键词植入： 在指令中明确需要包含或围绕的核心关键词列表。
分步指令： 对于复杂任务，使用“第一步，请先…；第二步，基于以上分析…”来引导模型思维链。
负面提示： 明确指出需要避免的常见问题，如“避免重复”、“避免使用过于主观的绝对化判断”。


使用建议

迭代优化： 首次生成结果若不理想，提取其中满意的部分，将其作为新的“范例”或“要求”融入下一轮Prompt进行迭代。
组合测试： 对“角色指令”和“风格方向”进行组合测试，找到特定模型下最优的搭配。
上下文管理： 对于长对话，定期在后续指令中重申核心要求，防止模型偏离初始设定。
模型特性适配： 不同开源模型对指令的敏感度不同，需根据实际响应调整提示词的详细程度与强制语气。