前言

在設計開發應用程序時，以人工智能（artificial intelligence，AI）技術為出發點，將AI作為核心驅動力設計和構建的新應用，被稱為AI原生（artificial intelligence native）應用。這種應用在設計和架構層面就與AI技術深度融合，使得AI成為應用程序基礎且關鍵的部分，而非僅僅作為附加功能。

自OpenAI發布GPT-3.5以來，大語言模型（large language model，LLM）的發展日新月異。在這一波技術浪潮中，提示工程（prompt engineering）嶄露頭角，它不僅標志著人類與計算機交互方式的根本性變革，更開啟了AI原生應用的新篇章。回溯AI的發展歷程，可以看到人類與計算機交互方式的不斷演變。

● 初期硬件設計：專門化與局限性。在計算機被發明的初期，人們需要針對每個任務設計專門的硬件，這是一個高度專業化和高成本定制化的階段。那時的計算機功能單一、操作復雜，每次更改都需要重新設計和制造硬件，缺乏靈活性和通用性。

● 通用計算機的興起：指令的力量。隨著通用計算機的出現，情況發生了翻天覆地的變化。人們開始通過輸入特定的指令來指導計算機的行為，從而使其能夠適應不同的任務。這一階段的顯著特點是計算機的通用性和可編程性大幅提升，不再需要制造專門的硬件來完成特定的任務，而是可以通過編程來指揮計算機執行各種復雜的任務。

● 深度學習時代：數據驅動的智能。深度學習技術的廣泛應用進一步推動了機器智能的發展。在這一階段，計算機能夠通過訓練數據集進行學習，因此，設計數據集成為指導計算機完成特定任務的新方式。這一時期的特點是數據驅動的智能化，即通過大量的數據訓練來使計算機具備某種能力或知識。

● 大語言模型的時代：自然語言的崛起。大語言模型的出現提供了人類與計算機交互的一種全新方式——通過自然語言提示（prompt）來引導計算機完成任務。這種方式既經濟又直觀，極大地降低了使用AI技術的門檻，使得更多人能夠輕松地利用AI來完成各種任務，實現了人機交互的自然化和智能化。

然而，正如任何技術革新一樣，大語言模型和提示工程在AI原生應用的開發實踐中也遇到了一系列挑戰。一方面，大語言模型被過度夸大，許多不適合由大語言模型處理的問題也被納入其中，這種無根據的樂觀和不切實際的期望，為早期AI原生應用的開發者帶來了不少困擾。另一方面，大語言模型與業務應用的結合，因大語言模型在效果、性能、可控性，以及內容安全等方面存在的局限性而陷入了進退兩難的境地。

作為一線從業者，我深知大語言模型蘊含著推動生產力變革的巨大潛能，但要發揮這種潛能，使用者需要具有很強的駕馭能力。在利用大語言模型進行AI原生應用開發的過程中，我深刻體會到“好答案往往源自好問題”的樸素真理。然而，如果提出“好問題”的能力僅依賴于大量、重復的實踐，而無法將其沉淀為可傳承的行業知識和通用方法，那么這將成為AI原生應用落地的阻礙。正是基于這樣的考慮，我決定寫作本書，分享我的實踐經驗，期望能與更多從業者共同進步，推動行業的持續發展。

內容組織

本書圍繞提示工程展開，詳細闡述提示工程的理論基礎和實際應用。本書共10章，每一章都圍繞一個核心主題展開，通過原理介紹、案例分析、實戰應用等，系統介紹提示工程在AI原生應用開發中的應用。

第1章：提示工程概述。本章圍繞提示工程分析AI原生應用的形態及其開發面臨的機遇與挑戰，并從開發人員的視角講解提示工程的本質、KITE（knowledge、instruction、target、edge）提示框架和提示調試技巧，為讀者提供一條入門提示工程的清晰路徑。

第2章：結構化提示設計。本章探討結構化提示設計的策略，包括結構引導設計、內容引導設計和提示編排設計。

第3章：NLP任務提示。本章聚焦于如何運用提示工程技術引導大語言模型完成各類NLP任務，通過介紹文本生成、文本分類、信息抽取和文本整理等任務，展示提示工程在NLP領域的潛力。

第4章：內容創作提示。本章專注于如何利用大語言模型進行高質量的內容創作，通過介紹影響創作質量的核心要素和一系列實用的基礎創作提示技巧、長文本創作提示技巧，為內容創作提供指導。

第5章：生成可控性提示。本章著重探討如何控制大語言模型的輸出，介紹可控性問題的分類和可控性影響因素，從生成參數和對話控制、基于提示的可控設計、基于內容審查的可控設計等方面總結多種有效的策略。

第6章：提示安全設計。本章介紹數據泄露、注入攻擊和越權攻擊的相關內容，以及相應的防御手段。

第7章：形式語言風格提示。本章探討形式語言風格提示在AI原生應用開發中的應用，介紹如何利用形式語言提高提示的準確度，以及如何利用大語言模型完成與編程相關的任務。

第8章：推理提示。本章聚焦于大語言模型在推理方面的應用，特別是如何通過思維鏈技術來提升大語言模型的推理能力，通過講解基礎思維鏈、進階思維鏈、高階思維鏈、嘗試構建自己的思維鏈的相關提示方法，為讀者提供理解和控制大語言模型推理過程的有效手段。

第9章：智能體提示。本章探討智能體的概念、架構及核心組成部分，并介紹如何通過提示工程技術構建和優化智能體。通過對感知端、控制端和行動端的詳細講解，為智能體的實際落地提供指導。

第10章：展望未來。本章介紹AI原生應用的落地、效果評估及待解決的工程化問題，為讀者提供AI原生應用未來發展的全面視角。

主要特色

本書的初衷并非僅僅指導讀者如何套用各種預設的提示模板，而是致力于幫助讀者深入理解并掌握提示工程，從而找到對大語言模型的輸出有決定性影響的關鍵因子。這些關鍵因子一旦被理解和掌握，便能夠指導我們將理論知識轉化為實際的產品技術，從而推動AI原生應用的落地。

本書在內容組織上具有以下兩大特色。

● 系統性：本書的內容組織采用從基礎到進階、從原理到實踐的方式，有助于讀者理解和掌握提示工程的技術和方法。

● 實踐性：本書包含提示工程的100多個實踐案例和技巧，可以幫助讀者將所學知識應用于實際項目中。

適合讀者

本書適合AI原生應用開發領域的從業者和研究人員，以及人工智能相關專業的教師和學生閱讀。閱讀本書，讀者能夠洞察AI原生應用的最新趨勢，在AI原生應用開發中熟練運用提示工程的實踐技巧。

本書約定

● 請注意，由于大語言模型的生成機制和版本更新，同一提示可能會產生不同的輸出。這是正常現象，體現了大語言模型的靈活性和多樣性。

● 在不影響閱讀和理解的前提下，本書會對大語言模型生成的文本進行適度摘錄，并以“……（略）”或者“<關于×××文本>”的形式標注，以確保內容的連貫性與閱讀的流暢性。

● 在提示中，本書會使用“//”表示注釋，這部分內容無須作為提示的一部分輸入大語言模型。

● 本書中的案例代碼主要以Java 17和Python 3.10或更高版本進行編寫，讀者看懂即可，無須實際運行。

配套資源

如需獲取本書配套的插圖、完整的代碼和提示，請訪問https://github.com/alphaAI-stack/books。讀者可在遵守CC BY-SA 4.0版權協議的前提下，轉載與分享本書配套資源。

關于勘誤

雖然我已經盡力查證和推敲書中的每一段文字，但仍難免存在疏漏和不足之處。我深知每本書都是作者與讀者之間知識傳遞的橋梁，因此極其珍視每位讀者的寶貴意見。如果在閱讀過程中發現了任何錯誤、疏漏或需要改進的地方，讀者可以通過郵箱weichengdong@foxmail.com與我聯系，也可以關注我的微信公眾號“alphaAI stack”。讀者的每條建議都將是我不斷完善和進步的動力。

致謝

我要衷心感謝早期的AI原生應用開發者和提示工程的倡導者們，你們的實踐經驗和獨到見解為本書的撰寫提供了寶貴的啟示。我要感謝我所在團隊的同事們，正是因為你們積極實踐書中的案例，本書才能更加貼近實際、更具指導意義。我要感謝那些參與本書前期試讀的朋友們，你們的反饋對本書的質量提升起到了關鍵作用。我要真摯感謝我的家人，在過去一年多的時間里，你們始終給予我堅定的支持和理解，陪伴我度過每一個日夜，你們的鼓勵和支持是我能夠持續前進的動力和源泉。我要特別感謝人民郵電出版社的賈靜女士，她不僅以專業的眼光和嚴謹的態度審閱了本書，還在出版過程中給予了我無微不至的幫助。最后，我要感謝選擇本書的各位讀者，愿你們借AI之力，揚帆遠航，探索無限可能！

魏承東

2024年7月