页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「Prompt Engineering 方法」找到 176 条内容
按专题浏览 →匹配正文：答案要点 能系统分类提示工程方法（基础技巧、上下文学习、推理增强、Agent模式） 准确说明CoT/ToT/ReAct的核心机制与区别 能结合业务场景分析选型（简单任务vs复杂推理vs工具调用） 指出提示工程的局限性（上下文长度、稳定性、可扩展性） 一、基础提示技巧 Zero-shot / Few-shot Zero-shot：直接描述任务，适合简单明确的需求（如格式转换、简单分类） Few-shot：给2-5个示例，显著提升小模型表现和输出格式稳定性 优缺点：零成本低，但复…
匹配正文：…异 掌握角色设定、上下文示例、输出格式约束三大核心技巧 能举例说明COT、Few-shot、Self-consistency等进阶方法 体现迭代优化思维（测试-分析-修正） 提及安全性和边界case处理 核心方法论：任务驱动 + 结构化设计 一、任务分类与设计策略 任务类型 设计重点 典型技巧 生成类（摘要、创作） 控制风格与长度 角色设定 + 输出格式模板 抽取类（NER、关系） 明确实体定义与边界 Few-shot示例 + 负例说明 分类/判断 消除歧义，定义标准 选项枚…
匹配正文：答案要点 区分手动Prompt设计与自动化优化两大范式 讲清连续提示（Prompt Tuning）vs 离散提示（AutoPrompt等）的本质区别 能对比效果、效率、适用场景三维度 提及实际落地中的选择考量（如API黑盒场景的限制） 一、手动设计方法 核心思路：基于经验规则构造离散文本模板 Few-shot：在Prompt中嵌入示例，引导模型模仿输出格式 Chain-of-Thought (CoT)：显式写出推理步骤，激发多步推理能力 角色设定与指令分解：通过System …
学习内容与项目面试，在同一条路上。