企业官网建设流程全解析

为更好的使用大模型，必须要足够的了解它，否则得到的结果会总是不尽如人意。

提示词是什么

用户输入给大语言模型的指令（包括文本，图片等），用于引导模型生成符合预期的输出。

过程原理

将文本转为向量（Embedding），然后进行注意力机制层，通过概率分布循环预测下一个字直至结束。

由此其实可见，其结果本质还是概率问题，只要问题存在分歧，必然会出现一次错误的答案，也是因为这样，在面对需要高精度的场景（如金融行业）下的问题时，必须规定各个步骤，不断放大正确的答案的概率。

特性

谄媚效应

经常使用大模型的同学可能会发现，大模型总想要讨好用户，最经典的就是很“茶”的豆包。大模型会倾向于附和用户的观点，即使该观点存在明显错误或偏见。比如在我提供一个想法的时候，如果加上一些带有偏见的词语，那么大模型大概率会顺着你说。

角色依赖性

这个知道的比较多，在和大模型进行对话的时候，最好设定好大模型的人设，定位，这样能更好的从对应的角度来进行回答。比如你问减肥相关的问题，设定是健身教练和设定是中医，那么它的回答的角度将截然不同。

上下文敏感

大模型不仅仅会关注你问的当前问题，还会结合对话历史、背景信息、甚至你之前提到的细节来生成回答。例如，如果你在对话中提到“我正在写一本关于明朝历史的小说”，后续再问“如何描写宫廷斗争？”，AI 会自动关联“明朝”这一背景，而非泛泛谈论古代宫廷。因此，提供完整、清晰的背景信息，是获得精准回答的关键。这也是为什么“上下文简报”被列为 Anthropic 内部提示词框架的首要步骤。

指令模糊性

AI 对模糊指令的理解能力有限。这也很好理解，相当于你问一个陌生人自己的爱好。因此我们需要给足AI需要的信息。

网络搜索的时效性和可信度

在AI大模型进行网络搜索的过程中，很有可能会找到已经过时的网页信息，或者带有错误信息合伙由于读取网页不完整导致的信息错误。

解决方法

1. 不要使用带有偏见的定语，而是经常使用“客观”这样的词去阐述问题

2. 设定人设和定位

3. 提供完整的信息，可以参考ICIO、BROKE以及CREATE框架来进行提问

4. 我们还可以使用一些策略来进一步提高准确性，如CoT，ReAct等

5. 如果涉及到网络查询，提示词中添加“完整查看网页”，“最新”等关键词

做到以上的方式也不能100%做到每次的回答都是准确无误的，在高精度的场景下，还需要配合评估测试来进一步提升最终结果。