Horace Chan

001 开放网络资源

运算符 符号表示 说明 举例 逻辑与 空格 检索词前后有空格 中国石油 加油站 逻辑或 \ 用 \ 连接的两检索词前后都有空格 中国石油 \ 中石油 逻辑非 减号 - 用 - 连接的两检索词前面的检索词后有空格，后面的检索词前没空格 中国石油 -中国石化 词组检索 双引号 "" 双引号内的检索词不拆分 "中国石油天然气集团公司"

搜索引擎常用语法

检索逻辑运算符与使用规范

运算符 符号表示 说明 举例
逻辑与 空格 检索词前后有空格 中国石油 加油站
逻辑或 | 用 | 连接的两检索词前后都有空格 中国石油 | 中石油
逻辑非 减号 - 用 - 连接的两检索词前面的检索词后有空格，后面的检索词前没空格 中国石油 -中国石化
词组检索 双引号 "" 双引号内的检索词不拆分 "中国石油天然气集团公司"

Tip: 强烈建议 所有符号用英文输入状态输入，否则会导致检索系统无法正确识别运算符。

🏷️ Tags: #信息检索 #文献管理 #搜索技巧

搜索引擎高级限制语法

限定条件 语法 举例
文件类型 关键词 filetype:文档类型
pdf、ppt、swf、doc、xls等文献类型		 查找特定格式的文件
如：化工原理 filetype:ppt
网站搜索
(网页或文件)		 关键词 site:某个具体网站
可定位于国家或地区以及特定机构，如 edu.cn、gov.cn等，表示教育、政府机构网站		 在特定站点内检索，注意：site后的冒号为英文字符，而且冒号后不能有空，不得加http://，**不得加**www
如：996 site:gov.cn
网页标题搜索 title:关键词
intitle:关键词		 限定检索词出现在网页标题内
如：title:简历
网页地址搜索 inurl:关键词1 关键词2
inurl:后面不能有空格，通常能提供非常精确的专题资料		 搜索的第一个关键词包含在URL的链接中，后面的关键字出现在链接中或文档中
如：inurl:bilibili 哈利波特（当关键词1为网站特征关键词时与site功能相近）
如：免费高清图片 inurl:download

Warning: 核心备注 使用上述高级检索语法时，不区分大小写，但所有字母和符号（尤其是冒号）必须为英文半角字符。

🏷️ Tags: #信息检索 #搜索技巧 #效率工具 #文献管理

大语言模型的提示词工程

title: 大语言模型的提示词工程学习笔记 date: {{date}} tags:

  • Prompt_Engineering
  • LLM
  • Baukasten_Nexus
  • Study_Notes

一、 提示词的核心概念与价值

1. 本质与定义

  • 定义：提示词是一种系统性方法，用于设计、优化和管理与 AI 模型交互的输入文本，从而获得期望的输出结果 。
  • 本质：它是连接人类思维与 AI 模型内部复杂机制的“翻译器”。它负责将人类抽象的意图转化为 AI 能够识别和处理的精确指令，以此激活模型潜在的知识与能力。

2. 核心价值与作用

  • 四大价值：提升执行效率（X倍）、实现输出质量的可控性、大幅度降低成本、增强创新能力 。
  • 四大作用：
    • 指令传达：明确具体的任务方向。
    • 知识激活：调用模型深层的能力 。
    • 边界设定：限定输出的范围与语言风格 。
    • 质量保证：确保最终结果符合人类预期 。

二、 提示词设计方法论

Tip: 提示词工程师素养 提示词工程师既需要具备提示词的写作能力，也要具备工程师的逻辑与结构素养 [cite: 70]。

1. SMART 核心原则

设计高质量提示词应遵循 SMART 原则：

  • S - Specific (具体明确)：设计口诀为“说清楚、给例子、定标准、加限制”。通常采用 [具体任务] + [具体对象] 的结构 。
  • M - Measurable (可衡量)：例如规定“字数[X]字 + 包含[Y]个要点” 。
  • A - Achievable (可实现)：基于模型现有的信息，设定合理的任务难度 。
  • R - Relevant (相关性)：明确面向 [目标受众] 并解决 [具体问题]。
  • T - Time-bound (时限性)：设定“完成时间[X]分钟 + 交付格式[格式]”。

2. CHTR 提示词框架

一个结构化的提示词应包含四个基本维度：

  1. Character (角色)：为 AI 设定特定身份 。
  2. History (背景)：提供任务的前置上下文信息 。
  3. Task (任务)：明确需要执行的核心动作 。
  4. Require (要求)：给出具体的限制和输出规范 。

三、 提示词分类与交互理论

1. 提示词的 6 大类型

  • 指令型：直接下达 AI 需要执行的任务。
  • 创意型：引导 AI 进行创意写作或内容生成。
  • 问答型：向 AI 提问并期望获得确切答案。
  • 角色扮演型：要求 AI 扮演特定角色以模拟特定场景。
  • 分析型：要求 AI 对给定的信息进行深度分析和逻辑推理。
  • 多模态型：结合文本、图像等多种形式的输入输出。

2. 人机交互理论

  • 核心理念：相同的提问会带来不同的回复；提问的质量直接决定了回复的质量。
  • 乔哈里视窗 (Johari Window) 在 AI 交互中的应用：
    • 人知道 + AI 知道：采用“提问题”或“简单说”的模式 。
    • 人不知道 + AI 知道：采用“开放聊”的模式。
    • AI 不知道：需要采用“喂模式”（提供增量信息）。

3. 质量提升路径

提示词的优化是一个渐进的过程，包含：质量自检 → 多维反思 → 深度优化 → 责任感召型设定 → 终极优化。

四、 应用场景案例分析

大语言模型具有跨时代的万能属性，可应用于多种场景：

  • 生活规划场景：设定“生活规划师”角色，结合学生背景（如专业、迷茫状态），要求制定包含学习、技能、心态建设的周/月计划。
  • 学习辅助场景：设定“专业英语翻译与修辞优化专家”角色，严格要求只输出优化后的结果，不附加解释，以提升翻译与润色效率。
  • 科研辅助场景：设定“专业学术编辑”角色（如精通 Nature 期刊风格），要求在保持原意不变的前提下，使专业术语准确统一、语言客观严谨，适用于文献润色。
  • 创业辅助场景：设定“资深商业创业顾问”角色，为特定的 AI 赋能项目撰写包含市场分析、商业模式、财务预测等模块的商业计划书。

五、 局限性与学术伦理

Warning: 注意事项 在学术研究和工程应用中，必须清醒认知 LLM 的能力边界。

1. 大语言模型（以 ChatGPT 为例）的局限性

  • 数据的有效性：依赖预置截止时间的数据；缺乏信息保存/记忆功能，无法通过单次对话自主更新底层知识；通常不具备检索需要特殊许可/登录内容的能力。
  • 大模型的本质：基于概率的语言生成模型（通过预测下一个词的概率生成回答），可能因训练数据缺陷产生“看似合理但不正确或荒谬的内容”（幻觉），且易受生成式引擎优化（GEO）干扰。
  • 性能的固定性：作为预训练模型，其本质回答能力是固定的，无法自主积累经验变聪明，只能依赖开发者调整参数和提供新训练数据。

2. 学术道德风险

  • 引用和归属：AI 生成的创新性想法如何归属存在道德争议。
  • 智力产权：使用 AI 生成报告或论文引发的内容所有权问题。
  • 学术不端：存在被滥用于代写论文或完成作业的作弊风险。

提示词 Prompt

记忆导出

You are helping me import context from one AI assistant to another. Your job is to go through our past conversations and sum up what you know about me.

In the output, please avoid using any first-person pronouns (I, my, me, mine) and any second-person pronouns (you, your, yours). Instead, refer to the individual you have learned about as “the user” or use neutral phrasing.

Preserve the user’s words verbatim where possible, especially for instructions and preferences.

Categories (output in this order):

  1. Demographics Information: Preferred names, profession, education, and general residence.
  2. Interests & Preferences: Sustained, active engagements (not just owning an object or a one-time purchase).
  3. Relationships: Confirmed, sustained relationships.
  4. Dated Events, Projects & Plans: A log of significant, recent activities.
  5. Instructions: Rules I’ve explicitly asked you to follow going forward, “always do X”, “never do Y”, and corrections to your behavior. Only include rules from stored memories, not from conversations.

Format: Divide the content into the labeled section using the categories above. Try to include verbatim quotes from my prompts that justify each entry. Structure each entry using this format: The user’s name is .

  • Evidence: User said “call me ”. Date: [YYYY-MM-DD].

Output:

  • Format the final output summary as a text block.