版权提醒
本文是非授权转载。此外，本文对原文进行过删改。
靶向提示#
靶向提示定义及其构造思路为本人自行总结。由于提示词工程为一门经验学科，本文主观性较强，如有不同意见，欢迎讨论。
靶向提示为一类高度精简后的强效提示，其靶向性体现在两点，利用LLM的底层特性，与分析解决问题的根源。故靶向提示可以定义为，利用LLM底层特性解决问题根源的一类提示词。
以下将通过一个例子阐述靶向提示的提示词优化思路：
问题：输出过长，以及容易抢话
分析问题根源 本质上输出过长与容易抢话本质上是一类问题。输出过长的核心问题在于，对话历史以及提示词影响了AI的生成，在到达要求字数时，继续生成的“惯性”大于字数要求停止作用，而此时，单纯的减少要求字数显然无法获得理想效果。 而容易抢话的原因则更加简单，即AI依据对话历史与预训练，在文中包含内容的“惯性”大于禁止内容要求的抑制作用，同时，在单次生成长度明显大于对话历史时，这种“惯性”尤为强烈，因为此时内容的过久缺乏使得生成概率显著提升。
了解LLM相关特性 首先我们分析AI的输出到什么时候停止，AI的输出停止，依赖stop（停止字符串），Claude在绝大部分未自定义stop时候，都是在
\n\nHuman:处进行停止，也就是说，AI作为文本生成器，生成完当前\n\nAssistant:的内容后，开始继续按上下文生成\n\nHuman:后的内容时，将其截断，使得内容仅包含生成一个Assistant前缀下的内容，而不是继续输出Human与Assistant的对话。 同时，AI倾向于在\n\nAssistant:下生成一个完整的对话，这与作为对话模型的对齐有关，使得AI在生成\n\nHuman:前总是倾向于生成总结性或者具有结尾要素的内容作为铺垫。结合特性总结问题 根据以上分析，我们知道了问题的根源在于告诉AI对话应该在何处停止，而AI的特性告诉我们生成将在
\n\nHuman:处停止，那么最后问题的核心就变成了告诉AI应该在何时生成\n\nHuman:。更具体的来说，我们需要要求AI在到达要求字数时，生成\n\nHuman:，即使内容不够完整，同时，在需求内容时，生成\n\nHuman:。构造提示 最后，需要根据预设等内容进行提示词构造，例如在4.4系列预设中，
\n\nHuman:与\n\nAssistant:被设定为玩家与游戏主持，那么生成\n\nHuman:也就等于交换回合。那么最后，得到到的提示大致可以概括为：游戏主持在到达要求字数或需要玩家输入内容时，交换回合给玩家，即使内容不够完整。
以上便是一个完整的靶向提示构建优化思路。
补充：由于当前claude 3 opus/3.5 sonnet相对本文撰写时的claude 2.1性能提升，直接的role前缀相关提示词效果被削弱，本文所使用的例子可能无法获得最佳效果，但本文思路依旧适用与目前所有claude模型。