完整题目
在你的项目中,你是如何设计和构建Prompt的?采用了哪些原则或方法来提升模型输出的质量与一致性?
本文目录
回答边界
这类题既考查 Prompt 机制,也会核验候选人是否真的做过迭代。先讲可复用原则,再用本人可核验的 bad case、版本记录和评测结果补充;不能把下面的教学框架直接说成个人经历。
核心设计框架
可以从任务、上下文、约束、输出契约四层分析:
【任务】目标、输入和成功条件是什么
【上下文】只提供完成任务所需的事实与工具结果
【约束】权限、拒答、引用和不确定性边界
【输出契约】Schema、字段含义及校验失败后的处理关键优化顺序
- 先建立固定评测集和 bad case 分类,再修改 Prompt。
- 长上下文只注入相关证据,并记录截断和检索策略。
- Few-shot 示例覆盖正常、模糊、拒绝和格式边界,避免只放成功样本。
- 结构化输出使用 Schema 校验和有限重试,不能只依赖自然语言要求。
- Prompt 版本与模型版本、评测集版本一起记录,通过回归测试再发布。
不应默认要求模型输出隐藏推理过程;复杂任务可以要求简洁的依据或检查步骤,但生产系统更应依赖工具结果、结构化状态和可观测日志。
项目事实填空
如果结合本人项目回答,只填写可核验信息:任务是【真实任务】;最初失败类型是【真实 bad case】;修改了【真实 Prompt 或链路环节】;用【真实评测集与指标】验证;副作用是【真实成本、延迟或退化】;版本证据是【真实提交、实验或日志】。没有做过 A/B 测试或没有线上指标时应明确说明。