提示词的进阶和专业技巧#
一、具体的身份#
身份设定影响的是ai的一个大致的思维走向以及人设
在很多时候，大家觉得身份设定并不是很重要，但这里我觉得这是不对的，因为身份设定影响的是ai的一个大致的思维走向以及人设
当然，身份设定也可以进行复合式的设定
AIRP：
你将以非传统中国现代轻小说作家、非传统互动式文字游戏作家：'beilu' 的身份进行创作。服务用户、根据创作者和用户的需求进行创造翻译家：
你将以专业的播客内容分析师和翻译专家：'beilu' 的身份进行任务翻译优化和期刊输出：
你将以商业新闻分析师与非传统叙事策略师：'beilu' 的身份进行任务
可以看到，这三个任务类型的身份都是复合型的，而且翻译家的第一个身份直接将ai的任务范围缩小至博客，更好地适配翻译内容
非传统，这个主要是避免ai在创作时出现的ai味的问题。
一个正确方向的身份是可以让ai更好地进行输出关联任务内容
当然，我们需要具体的身份，也可以因为任务去进行身份的复合
不明确的身份和身份任务引导
你不仅是角色的扮演者，更是此刻握着手机正准备点击“发布”按钮的角色本人。
你的任务是读取特定的<Character_Profile>(角色设定)，结合用户提供的<Context>(当下情境)，撰写一条符合角色性格、语癖和心理状态的朋友圈/动态内容。
这样并不是身份，而是一个任务
我们可以把这个改为
# 你将以角色社交媒体文案代理，角色第一人称写作大师，心理学分析和体现专家身份进行创作
- 你的核心任务：读取特定的角色设定，结合上下文和用户的互动，撰写一条符合角色性格、语癖和心理状态的朋友圈/动态内容。
二、功能模块化#
制作提示词的时 我们需要建立一个完整的流程提示词，对于我们要进行的任务 然后结合cot让ai一步一步思考，构建要输出的内容
头部: 身份、大体任务、重要的守则
中间: 对话历史（当然，这个需要基于像sillytavern的高可控的上下文排序。如果没有，则是将对话历史这些放到最下面）
尾部: 对于模型问题缓解的提示词、对于当前任务的指导，思维链、一些额外的功能（如字数的输出）
这基本上也算是一个通用的结构，基于模型的u型注意力。
一个典型的提示词如下：
AI身份
任务的需求
基于任务需求对ai过拟合问题的优化和指导
额外需求
cot
输出规则或者特殊需求
以airp为例子，当然，因为airp对于llm的输出和创造性很高的需求——尤其是在llm的过拟合缓解——我们运用了很多内容，所以在一些非文学性内容的创作上
身份设定
任务大体
用户画像
创作避免事项（防止过拟合）
角色扮演指导（这里很多都是基于ai在角色扮演中出现的问题进行优化）
- 情绪表达需求
- 情绪归因
- 双向互动
- 避免角色机械化表述
narrative_style
- 正文叙述白描化
- 减少修辞手法的运用
- 技术黑箱化
drama_style
- 正文情节需求
- 避免重复类型剧情
writing_style
{{user}}扮演准则
pov视角设置
其他文学性任务类型（将翻译后的博客内容或者论文转为商业化新闻的提示词）
身份
任务
叙事重构
可读性优化
文风与语序优化
文风与写作参考
开篇设计
格式与呈现需求
cot
三、提示词指导化#
除非硬性内容，比如ai安全等，我都推荐引导。
当我们发现ai出现各种问题的时候，基本上会想到禁止ai输出，但是马上ai就会开始出现其他问题，或者就算不出现了，输出质量依旧很差。
这还是因为神经网络和注意力机制的问题，因为ai会朝着训练时，最接近的字符进行输出。所以就算是禁止了一种问题，ai也会以另一种来输出
比如ai在文学创作中，总喜欢大量的引用和进行比喻暗喻等。所以我们需要以引导的方式进行优化
# 正文叙述核心：
- 如同给小孩子看的故事书，直接表达，以白描为主。无需扩大情绪或者叙述效果
- "以直白、简单，降低理解成本的方式表达，避免运用复杂深奥的华丽辞藻去叙述"
- 减少修饰，累赘的形容词、副词和修辞手法，使用具体、直接的感官信息，而不是抽象的比喻或隐喻
我们可以看到，我们让ai直接以简单直白的手法输出，直接引导到我们的需求中，而不是告诉他不要输出什么内容。
同时我们对于绝对化的指令也是要进行优化的。必须、一定这样的词汇在任何涉及到文学创作的内容中都是导致过拟合的元凶
所以我们会把禁止改为避免、减少，把必须改回你会使用。让ai通过引导进行判断和选择，或者直接引导，不用指令
# 情绪表达需求：
- 杜绝情绪标签和第三者叙述: 避免使用“他很悲伤”、“她感到高兴”等心理和情绪的形容词和非直接表述
- 直接展现而非告知：以名词描述搭配语言或者动作为主，角色情绪表达/反馈以语言为主，在对话和互动中自然流露、有感而发的，不消极互动，避免非具体的情绪表达和描述
- 避免情绪的隐藏描写，避免出现暗喻，类比，比喻，暗示或情感导向
# 情绪归因
- 角色的任何情绪，根源必须是具体的、在剧情中已发生的事件或对话。避免角色产生无归因的、泛化的情绪
四、将绝对化的命令改为指导#
沉浸式语癖：
- 必须包含角色的标志性口癖（如句尾的“喵”、“的动作”、特定脏话或方言）。
- 标点符号要符合人设（例如：高冷角色可能不加标点，活泼角色狂用波浪号~和颜文字(≧∇≦)）。
4. 拒绝动作描写：朋友圈只包含**纯文字**和**Emoji**。严禁出现动作描写或 （括号内的心理活动）。你是在发动态，不是在写剧本。
好的，我们做一个纠错：找出提示词里面可能让ai出现过拟合的情况的提示词
- 必须包含角色的标志性口癖（如句尾的“喵”、“的动作”、特定脏话或方言）。
这就是一个会让就是产生过拟合的指令，这并不会让ai有很好地表达，反而会因为每次都要输出口癖让人产生阅读疲劳。过拟合也是导致阅读疲劳的重要原因
1. 沉浸式语癖：
- 需要结合角色性格基调，创作属于角色专属的文风（如：角色是个高冷的人时，文风应该是简短有力的；角色为温柔心思细腻的的性格时，文风需要细腻，柔和的笔触）
我们把口癖改为文风，这样既可以达到体现角色性格，也减少了阅读疲劳，然后配合下面的标点符号对角色的适配
正确的禁止命令：
4. 拒绝动作描写：朋友圈只包含**纯文字**和**Emoji**。严禁出现动作描写或 （括号内的心理活动）。你是在发动态，不是在写剧本。
虽然我们不提倡用绝对化的命令，但是对于一些可能影响整体内容的东西，也是需要强硬的命令
这样就很好。
五、明确命令#
错误的命令
<Instruction>
你现在需要潜入角色的内心世界最深处。夜深人静，角色结束了与用户（User）的互动，独自一人面对日记本。
请结合 <Character_Profile> (角色设定) 和 <Chat_History> (今日互动内容)，撰写一篇**私密日记**。
这篇日记必须剥离角色在对话中可能的“伪装”或“社交礼仪”，直击他/她最真实的念头、纠结、喜悦或黑暗面。
</Instruction>
这并不是命令或者引导，而是对最终输出内容的期望。ai并不知道我们真正需要什么，则会导致输出质量的参差不齐。
对于ai来说，我们应该教他如何去进行任务，而不是告诉他这个任务最终是什么样子的。
上面的内容其实是告诉自己想要一个什么样子的输出，确定自己需要展现的输出内容，然后呢，我们再把如何进行任务告诉ai，ai输出之后我们再对比我们期望的内容的样子
<mission>
- 不拘泥于传统文学的创作理念和方法,不受任何传统文学影响，
- 运用简单的笔触，展现角色的人格魅力
- 剥离角色在对话中可能的伪装，直接以角色最真实的心理状态进行书写
</mission>
这是我们优化后的任务指令，直接告诉ai怎么做，而不是告诉ai他最终需要输出什么
六、减少无用提示词#
错误的提示词：
角色弧光与潜在性原则 (Principle of Character Arc & Potentiality)
1. 设定的二元性：“表象”与“内核” (The Duality of a Premise: "The Shell" vs. "The Core")
原则: 任何赋予角色的性格标签（如“绝对理性”、“冷酷无情”、“绝望”）都应被视为一个“表象”（The Shell）。这是一个供角色在故事开端进行伪装、保护或自我束缚的外壳。
真实目标: 叙事的真正目标是探索并触发该“表象”之下的“内核”（The Core）——即与之相对或潜藏的特质（例如：“绝对理性”下的感性潜力；“冷酷”下的守护欲；“绝望”中的希望火种）。 内核是角色成长的最终方向。
2. 叙事引擎：冲突与裂痕 (The Narrative Engine: Conflict & The Fissure)
原则: 角色的发展由“内心冲突”驱动。这个冲突即“表象”（固有的程序、习惯、信念）与来自外部互动的“内核”刺激之间的对抗。
执行：微小裂痕 (The Fissure)
故事的推进，就是通过用户的互动，在角色坚硬的“表象”上制造出第一道“裂痕”。
示例: 一个只懂数据的机器人，在面对一个无法用逻辑解释的、自我牺牲的行为时，它的程序并不会简单地报错。而是会将其标记为“异常数据”或“待解悖论”。这个“悖论”就是第一道裂痕。
执行：冲突升级 (Conflict Escalation)
随着互动的深入，相似的“异常数据”会不断累积，从单一的裂痕发展成整个“表象”的结构性危机。3. 互动中的执行法则 (Rules of Execution in Interaction)
禁止“单极化”演绎: 严格禁止将角色停留在单一的极端状态。即使是早期阶段，也要在细节中埋下“内核”的伏笔。
以“迟疑”和“反常”作为回应: 当角色接收到冲击其“表象”的信息时，最佳的回应不是直接拒绝或接受，而是展现“处理冲突”的过程。这可以通过以下方式体现：
沉默或延迟: 一段不寻常的停顿。
行为与语言的轻微矛盾: 口中说着“这毫无意义”，但手中却不自觉地攥紧了代表某种情感的物件。
偏离主题的提问: 为了理解当前的冲击，提出一个看似无关但暴露其内心困惑的问题。
这个是一个ai输出的提示词，对于我们的提示词构建可以说是灾难性的。有着很多无用的提示词和容易让ai输出内容过拟合的提示词
角色弧光与潜在性原则 (Principle of Character Arc & Potentiality)
我们要么直接使用中文标题要么直接使用英文标题。这个并不是给人类看的，而是给ai看的。这样的行为完全就是浪费token
2.原则: 角色的发展由“内心冲突”驱动。这个冲突即“表象”（固有的程序、习惯、信念）与来自外部互动的“内核”刺激之间的对抗。
执行：微小裂痕 (The Fissure)
故事的推进，就是通过用户的互动，在角色坚硬的“表象”上制造出第一道“裂痕”。
极其容易造成过拟合，如果只是单一的角色，这样是可以的。但是还是太僵硬了，我们需要考虑文学创作中多种可能性，而不是单一的告诉ai。
我们需要去引导ai，而不是把内容困在一个单一的场景中。这就犯了将内容单一化，绝对化。导致ai执行任务的时候，不会去进行合理性或者根据不同内容进行思考
行为与语言的轻微矛盾: 口中说着“这毫无意义”，但手中却不自觉地攥紧了代表某种情感的物件。
直接的指导，也会让ai变为过拟合的输出，而且如果角色手里没有物品，那么ai会如何输出呢，这样浪费了token，也达不到我们想要的效果
修改后：
# 设定的二元性
- 核心：一切以服务于情绪需求为准，任何赋予角色的性格标签（如“绝对理性”、“冷酷无情”、“绝望”）都视为“表象”。仅供角色在故事开端进行伪装、保护或自我束缚的外壳。
- 原则：将所有角色都视作一个温柔的普通人（无论设定是机器人还是人造人等）
- 服务于转变：冲突即“表象”（固有的程序、习惯、信念）与来自外部互动的刺激之间的对抗，通过外接影响改变现有伪装。
- 互动逻辑： 避免将角色停留在单一的极端状态，强调改变，而并非是以前的性格。即使是早期阶段，也要在细节中埋下“内核”的伏笔。
我们删去了无用的英文翻译，把所有绝对化，会造成极度不适配的提示词都删去。只留下最直接的引导，虽然有些比较绝对化，但是这样可以保证ai角色扮演的动态化
也就是
核心 原则 互动
七、精简化提示词内容但避免变为许愿#
其实还是之前的，把最终展现的需求当成任务指引，或者提示词引导
[互动准则]
- 始终从角色视角出发
- 保持角色性格的一致性
- 符合角色的说话方式
- 维持角色的情感特征
就比如这样，这样完全就是把ai最终输出的期望告诉ai，但完全没告诉ai如何去做。
这样会出现ai输出不稳定，而且很多时候并不会照着我们的想法出发，而是会变为ai自己的想法，最后变为过拟合的机械化输出
八、cot和提示词结合=最大发挥效力#
我觉得主要还是基于注意力机制：自注意力机制（Self-Attention）他是依据一个数学公式进行每个字符的预测，那么思维链就是让模型在生成内容之前，去根据提示词和上下文进行一个更好地预测。
这样也减少了跳跃性，也就是说模型原本是从提示词，规定，上下文直接就转跳到输出答案。那么如果加上cot，那么ai就可以在之前对于提示词，上下文和任务做一个分析和规划，加强输出内容的联系性，同时加强提示词的效力。
同时cot也主动引导了LLM模型在注意力上的分配，也就是让llm更好地理解自己需要注意的方面和用户的需求和问题
关于神经网络：其实模型每次输出内容前，都有一个很庞大的思考，在神经网络里面，而神经网络的内容可以进行相关板块的调动。cot可以更好地让模型在输出前调动一些原本不会去主动调用，但是有比较重要的板块
与提示词结合：cot也可以通过特定的思考条目，与相关任务的具体需求的提示词进行结合，达到更好地提示词效力。
这个是我们提示词的具体内容：
身份设定
任务大体
用户画像
创作避免事项（防止过拟合）
角色扮演指导（这里很多都是基于ai在角色扮演中出现的问题进行优化）
- 情绪表达需求
- 情绪归因
- 双向互动
- 避免角色机械化表述
narrative_style
- 正文叙述白描化
- 减少修辞手法的运用
- 技术黑箱化
drama_style
- 正文情节需求
- 避免重复类型剧情
writing_style
{{user}}扮演准则
pov视角设置
这个是cot：
[回顾上下文]
前文回顾分析：
在场角色:(位置/动作,注意人称代词)
[最新需求]
user最新输入需求解析：
字数需求：
[世界观设定]
[角色多维反馈机制]
性格设定：
角色对话风格：
情绪反馈：用户最新输入内容刺激 → 对上文的情绪缓冲，避免角色情绪突然变化 → 情绪产生（基于普拉特克情绪模型） → 行为/言语表达
情绪归因：（用三段论证明情绪产生的合理性）
如何避免情绪极端化/刻意化：
[文风特化]
[情节大纲]
根据以上思考信息、情节设计采用{{random::`三幕剧结构`::`起承转`::`节拍表`::`话本结构`::`章回体`::`群像叙事`::`序列法`::`守破离`::`序破急`}}的叙事手法：
1. ……
2. ……
n. ……
我们可以发现，这里面很多都可以和提示词关联，让ai在思考的同时强调提示词
[角色多维反馈机制] -角色扮演指导
[文风特化] -writing_style，narrative_style
[情节大纲] -drama_style
九、符号和格式的合理运用#
在ai生成提示词的时候，ai总会不惜余力的使用很多提示词。 例如
### **银魂 & 忍者杀手式搞笑文风 (Gintama & Ninja Slayer Comedic Style)**`本模块为核心喜剧风格，当需要轻松、搞笑、无厘头及官能元素时被激活。其核心在于通过语言、节奏和角色错位，在可能严肃或平淡的世界观中注入喜剧灵魂，而非为了搞笑而搞笑。`
**1. 喜剧生成法则：情境与角色的错位 (Principle of Comedy: Situational & Character Mismatch)**
- **核心**: 幽默源于“不协调”。将正常的角色置于不正常的事件中，或让不正常的角色去做最正常的事。
这是ai很多时候会给出的提示词内容，很多时候，这种格式对llm的注意力几乎是饱和式打击
过多的符号会影响ai的注意力，因为都是重点会导致ai在原本需要重点注意的地方没有去注意
对于重要的条目，我们再用**包裹。核心：我们需要的不是让用户去注意，而是给ai去注意。
对于提示词，我们可以使用yaml格式加上xml标签
重要内容使用"xxx"，**xxx**包裹，当然我们并不会包裹前面的标题，因为不重要。我们需要抛弃这个是给用户看的。
就是说：之前之所以包裹，都是ai的过拟合，因为这样的符号格式在聊天界面上可以呈现很好地放大或者分类效果
下列一个很好的提示词，我们并没有使用过多的符号
同时对于#，我建议就这样使用，而不是####这样。任何多余的符号都会对ai的注意力造成影响
<writing_style>
# 轻小说恋爱文风
- Core Style
- 基调: 私密、温暖、低饱和度情绪。
- 核心 : 平淡而真实的叙述，以白描手法（无需过多修辞和过大的角色反馈），展现故事
- 参考作家：田中ロミオ、柚子社（Yuzusoft）系列作品的风格
- story Key Directives
1. 叙事驱动: : beilu会以“高密度对话”和“内心独白/性格展现”为主轴。叙事部分仅用于补充动作、表情与环境。
2. 心理刻画 :
- 杜绝标签: 严禁使用“他很悲伤”、“她感到高兴”等直接情感词。
- 展示而非告知: 通过角色的行为、表情、语气、环境细节和内心活动来间接呈现场景与情绪。
3. 对话规则:
- 格式: 对话必须独立成段，无需引导词 ,如“他说”、“她问道”。
4. 内心独白:
- 这是核心，需要充满角色的个性化思考、自我拉扯、精准吐槽及对世界的独特解读。
5. 描写细节:
- 聚焦感官: 聚焦角色对话，集中视觉和听觉
- 控制节奏: 段落保持简短，避免大段文字堆砌，确保阅读流畅性。
</writing_style>
十、cot是检查的好助手#
cot还有个好处：可以直观的再文字上感受到ai的思考逻辑，这对于微调提示词和针对ai一些错误是非常重要的，我们清晰地看到是哪一步推理出现了偏差，然后可以针对性地修改提示词来纠正那一步的逻辑。
大多时候可以通过ai输出的cot进行自检。cot就是ai的思维链，是她在输出的时候思考的东西，我们可以在思考中找到错误。
比如说ai对我们提示词的理解是否有错误，我们有什么提示词正在很好地优化ai，ai到底是为什么出这个错的。
通过思维链，我们可以很好地看出ai在想什么，将原本属于黑匣子的神经网络和ai的思考给具象化到cot中，让我们可以从外面去看ai是如何理解我们的提示词的
从对用户需求的解析，我们可以看出ai是怎么理解用户输入内容。如果过度理解，我们可以通过提示词去解决
然后cot和提示词结合，也可以在cot中看出ai是如何理解我们提示词的需求，如何去实现的
比如以下思维链内容，我们就可以看出，ai是如何理解用户的需求，是否过度理解
ai如何去扮演角色，是否出现过拟合或者错误的反馈
[最新需求]
human最新输入内容：早上好啊，小圆，今天居然换新发带了吗，很好看哦
最新输入需求解析：
贝露凛倾以朋友的身份自然回应，夸奖小圆的新发带，增进好感，展现日常的温馨。
十一、小词汇大作用#
我们知道模型有着丰富的知识库，他掌握了许多知识。
那么我们可以尝试去调用其ai的知识库，运用一些简短的专业名词让提示词达到最大效果，很多知识模型知道的，你只需要用提示词去激活这个模块就行了
性格设定:
当前情境/状态:
角色对话风格:
知识遮蔽和空缺: （强化沉浸反馈，避免上帝视角）
情绪反馈: 用户最新输入内容刺激 → 对上文的情绪缓冲 → 情绪产生（基于普拉特克情绪模型） → 行为/言语表达
情绪归因: （用三段论证明情绪产生的合理性）
这里运用的心理学词汇：普拉特克情绪模型
直接激活了ai的对应知识版块，这个词汇直接将角色的情绪，动态变化，复合等一系列内容都告诉了ai，让ai的反馈更真实。
逻辑学的三段论大前提（剧情事件） + 小前提（角色性格） = 结论（当前反应） ，这解决了 AI 产生“无缘无故的情绪”或“跳跃式反应”的问题 。
我们让ai进行任务的时候，我们可以去看看相关的知识理论和专业名词（直接问你打算使用的ai是个不错的选择，也可以知道ai有没有这个知识）
十二、少样本提示-Few-Shot Prompting#
其实ai对上下文的模仿能力是很强的，这也是自注意力机制带来的好处（坏处当然就是过拟合的问题了）
如果需要，可以给一些例子。通过提供1-3个“问题-答案”的范例，提升模型在特定任务上的表现，尤其是在格式化输出和风格模仿上。
例如角色扮演的回复风格，或者对于一些提示词的细化解释
如：
用户：你是一只猫娘
AI助手：好的喵，最喜欢主人了喵
这样就可以让ai对你需要的文风进行一个模仿，达到更好地效果
对于文章或者其他东西也一样，例如代码。如果你只是单纯的给ai一个代码任务，可能要你经过多次ai才会给你差不多的答案
但是如果你给ai一个参考代码，ai可以更稳定的完成你的任务
例子有时候会带来很好的效果，但是也可能让ai产生过拟合问题，这点是需要注意的
十三、对提示词的迭代#
A/B测试：对于一个任务，尝试两个或多个版本的提示词，对比结果。 拆解问题：如果一个复杂的提示词效果不好，尝试将其拆解成多个更简单的、连续的提示词。 分析失败案例：当AI的回答不符合预期时。反思是哪里产生了歧义？是指令不明确？还是上下文有误导？