Day7：本周复盘与 Prompt 综合练习：巩固 AI Agent 学习成果

深藏功yu名

333人浏览 · 2026-03-11 09:32:38

深藏功yu名 · 2026-03-11 09:32:38 发布

Day7：本周复盘与 Prompt 综合练习：巩固 AI Agent 学习成果

摘要：在 AI Agent 的学习旅程中，定期复盘和强化实践至关重要。本文围绕 Day7 的学习任务展开，通过复盘本周在大模型 API、参数以及提示工程技巧方面的学习内容，整理实用的 Prompt 模板库，并创建一个 “Prompt 生成器” 来综合提升 Prompt 编写能力。这不仅有助于巩固所学知识，还能为实际应用提供更高效的支持。

一、引言

经过一周的学习，我们对大语言模型的使用有了更深入的理解。今天，我们将对本周所学进行全面复盘，并通过实际操作进一步提升我们在 Prompt 编写方面的技能。这将帮助我们更好地掌握大语言模型的应用，为未来更复杂的任务做好准备。

二、核心任务：本周学习内容复盘与 Prompt 模板库整理

（一）本周学习内容复盘

大模型 API
- 学习了如何调用不同大模型（如通义千问等）的 API，包括构建请求、设置 API 密钥、处理响应等基本操作。通过实际代码示例，理解了与模型进行交互的流程，例如使用requests库发送 HTTP 请求获取模型的回答。
- 了解到不同模型的 API 在请求格式、参数设置等方面可能存在差异，需要根据具体模型的文档进行调整。
大模型参数
- 研究了影响模型输出的关键参数，如temperature（温度参数），它控制输出的随机性，值越高输出越随机多样，值越低越保守和确定；top_p（核采样参数）通过选择累计概率超过一定阈值的词来生成文本，与temperature共同影响生成文本的多样性和合理性。
- 理解了调整这些参数可以根据不同的任务需求优化模型的输出，比如在创意写作任务中，适当提高temperature以获得更具创意的内容；在需要精确答案的任务中，降低temperature使答案更稳定。
提示工程技巧
- 角色设定：学会为模型赋予特定身份，使其从该角色的视角、知识储备和语言风格进行回答。例如设定为 “资深 Python 工程师” 回答 Python 代码相关问题，设定为 “客服专员” 处理用户咨询，让模型的回答更贴合特定场景需求。
- 少样本学习：通过向模型提供 1 - 2 个示例，引导模型依据示例的模式、风格或逻辑完成任务。如在文本分类任务中，提供积极和消极情感分类的示例，让模型对新文本进行类似分类；在故事续写中，依据给定的示例风格续写新故事。
- 思维链（CoT）：使模型能够分步推理，通过引导模型先分析问题、列出步骤再得出答案，增强回答的逻辑性和可解释性。例如在数学问题或逻辑推理问题中，模型按照这种方式逐步推导，给出清晰的解题思路。
- 结构化输出：引导模型以特定的结构化格式（如 JSON）返回结果，方便将模型输出集成到其他系统或进行进一步数据处理。比如要求模型以 JSON 格式返回用户信息、任务规划等内容。

（二）Prompt 模板库整理

角色设定模板

你现在是[角色名称]，请回答以下问题：[具体问题]

示例：

你现在是“专业美食评论家”，请评价一下四川火锅的特色：

少样本学习模板

示例1：[示例1内容] - [示例1结果]
示例2：[示例2内容] - [示例2结果]
请根据以上示例处理以下内容：[新内容]

示例：

示例1：“这部电影情节紧凑，特效精彩。” - 积极
示例2：“这本书内容空洞，逻辑混乱。” - 消极
请根据以上示例判断以下文本的情感倾向：“这个餐厅的服务非常周到，菜品也很美味。”

思维链（CoT）模板

请按照以下步骤回答这个问题：首先，分析题目中所涉及的[问题类型，如数量关系、逻辑关系等]；然后，列出[解题、推理等]步骤；最后，得出答案。问题是：[具体问题]

示例：

请按照以下步骤回答这个数学问题：首先，分析题目中所涉及的数量关系；然后，列出计算步骤；最后，得出答案。问题是：一个班级有30名学生，男生占总人数的40%，问女生有多少人？

结构化输出模板

请以[结构化格式，如JSON]返回[具体内容，如用户信息、任务规划等]。[具体要求，如姓名、年龄、职业等信息]

示例：

请以JSON格式返回一个用户的信息，包含姓名、年龄和职业。姓名设定为‘张三’，年龄28岁，职业是‘软件工程师’。

三、补充任务：“Prompt 生成器” 编写

（一）设计思路

我们将创建一个简单的 “Prompt 生成器”，根据用户输入的任务类型，自动生成对应的高质量 Prompt。使用 Python 的if - else语句或字典映射来实现不同任务类型到相应 Prompt 模板的映射。用户输入任务类型后，程序根据预设的规则生成 Prompt 并输出。

（二）代码实现

def generate_prompt(task_type):
    if task_type == '代码讲解':
        prompt = "你现在是‘资深程序员’，请对以下代码进行讲解：[在这里粘贴代码]"
    elif task_type == '文案撰写':
        prompt = "你现在是‘专业文案撰写人’，请撰写一篇关于[具体主题，例如产品推广、活动宣传等]的文案，要求[具体要求，如字数、风格等]"
    elif task_type == '文本分类':
        prompt = "示例1：[示例1内容] - [示例1类别] \n示例2：[示例2内容] - [示例2类别] \n请根据以上示例对以下文本进行分类：[待分类文本]"
    elif task_type == '数学问题解答':
        prompt = "请按照以下步骤回答这个数学问题：首先，分析题目中所涉及的数量关系；然后，列出计算步骤；最后，得出答案。问题是：[具体数学问题]"
    elif task_type == '用户信息结构化输出':
        prompt = "请以JSON格式返回一个用户的信息，包含姓名、年龄和职业。姓名设定为‘[姓名]’，年龄[年龄]岁，职业是‘[职业]’"
    else:
        prompt = "暂不支持该任务类型"
    return prompt


# 用户交互部分
task_type = input("请输入任务类型（如代码讲解、文案撰写、文本分类、数学问题解答、用户信息结构化输出等）：")
generated_prompt = generate_prompt(task_type)
print("生成的Prompt如下：\n", generated_prompt)