第 5 卷
提示语策略差异
1推理模型2通用模型
| • | 提示语更简洁,只需明确任务目标和 | •需显式引导推理步骤(如通过CoT提 |
|---|---|---|
| 需求(因其已内化推理逻辑)。 | 示),否则可能跳过关键逻辑。 | |
| • | 无需逐步指导,模型自动生成结构化 | •依赖提示语补偿能力短板(如要求分 |
| 推理过程(若强行拆解步骤,反而可 | 步思考、提供示例)。 |
能限制其能力)。
关键原则
模型选择
1• 优先根据任务类型而非模型热度选择(如数学任务选推理模型,创意任务选通用
模型)。
提示语设计
2• 推理模型:简洁指令,聚焦目标,信任其内化能力。(“要什么直接说”)。
- 通用模型:结构化、补偿性引导(“缺什么补什么”)。
避免误区
3• 不要对推理模型使用“启发式”提示(如角色扮演),可能干扰其逻辑主线。
- 不要对通用模型“过度信任”(如直接询问复杂推理问题,需分步验证结果)。
从“下达指令”到“表达需求”
策略类型定义与目标适用场景示例(推理模型适用)优势与风险
- 结果精准高效
直接给出明确步骤或“用Python编写快速排序函指令驱动简单任务、需快速执行❌ 限制模型自主优化空格式要求数,输出需包含注释。”
间
“我需要优化用户登录流程,描述问题背景与目标,复杂问题、需模型自主✅ 激发模型深层推理需求导向请分析当前瓶颈并提出3种方
由模型规划解决路径推理❌ 需清晰定义需求边界案。”
“设计一个杭州三日游计划,结合需求描述与关键✅ 兼顾目标与细节混合模式平衡灵活性与可控性要求包含西湖和灵隐寺,且
约束条件❌ 需避免过度约束预算控制在2000元内。”
通过提问引导模型主“为什么选择梯度下降法解探索性问题、需模型解✅ 触发模型自解释能力启发式提问动思考(如“为什决此优化问题?请对比其他
释逻辑❌ 可能偏离核心目标么”“如何”)算法。”