一、学习“AI 提示词工程”的必要性随着大语言模型Large Language Model技术快速迭代人工智能的能力不再仅取决于模型参数规模与训练数据质量人与模型的交互方式成为决定输出效果的核心变量。大模型本身不具备主动理解用户意图的能力需要依靠人工设计的自然语言指令完成任务。因此系统化、标准化的提示词工程成为人工智能应用落地的关键技术。那么如何正确地且高效地使用 AI 成为一个必须解决的问题。二、了解 AI 提示词工程首先什么是“AI 提示词工程”AI 提示词工程就是研究怎么写输入指令让 AI 稳定输出你想要结果的一套方法不是编程是和 AI 沟通的学问。就比如我现在要写一份销售数据分析那么我可以给AI输入指令“你是专业数据分析师。你的任务对一份销售数据做简要分析。背景信息月度销量下滑客单价基本不变。输出风格客观简洁。要求使用 Markdown 列表不超过 150 字不做无依据猜测。”这就是一个最简单直观的例子。通过对比上面两个例子我们能直观地感受到第二个更加清晰明了。三、对上面例子的具体分析接下来我以简单直白且口语化分析要点1.“你是专业数据分析师”这是任务角色只有你告诉AI明确的角色AI才会“换位思考”尽量以一个专业的口吻回答你的问题2.“你的任务对一份销售数据做简要分析。背景信息月度销量下滑客单价基本不变”这是具体任务尽量简单明确地告诉AI你要完成的任务3.“输出风格客观简洁。要求使用 Markdown 列表不超过 150 字不做无依据猜测”这是具体要求提出你的要求。这就是一个简单完整的AI提示词。四、AI 是如何理解提示词的首先AI 并不是像人一样 “读懂意思”而是把文字拆成最小单元token用模型学到的海量文本概率规律去预测接下来最合理的文字从而表现出 “理解” 提示词的效果。AI理解提示词的步骤1.分词Tokenization把你的提示词切成小块token中文经常是单个字或者两三个字一组英文单词、词根、标点。例子“帮我写一段网络安全竞赛的脚本”这段话会被切分成一串数字编码每个 token 对应一个数字模型只认这串数字不认原始汉字。2.嵌入Embedding把数字转换成向量把每个 token 的数字映射成几十到上千维的向量一串小数。 语义相近的词向量在空间里距离会很近“渗透” 和 “漏洞” 的向量距离近“渗透” 和 “奶茶” 距离很远。那如何判断向量之间的距离就是语义相似度呢两个向量可以计算余弦相似度最常用渗透 和 漏洞 的向量夹角很小余弦值接近 1 → 语义相近渗透 和 奶茶 的向量夹角很大余弦值接近 -1 → 语义几乎无关。Embedding 本身不知道词的顺序。“ 黑客攻击服务器” 和 “服务器攻击黑客”如果只看 token 向量词向量完全一样模型分不清语序。所以词向量token embedding 位置向量positional embedding 最终输入 Transformer 的向量3.Transformer 注意力机制大模型核心就是自注意力 模型会计算每一个 token 和其他所有 token 之间的关联权重。 比如提示词“用简洁的风格写一段给CTF新手的介绍” 它会自动捕捉“写介绍” 是任务“简洁” 是风格约束“CTF新手 ”是受众。4.多层神经网络提取深层模式经过几十上百层 Transformer 网络不断叠加信息浅层语法、词性、断句中层短句逻辑、角色、要求深层任务意图、风格、上下文约束。模型训练时看过海量互联网文本、书籍、代码记住了人类语言的统计规律在这样一段提示词后面人类通常会输出什么样的文字。5.预测输出生成回答拿到处理完的提示词向量信息模型开始逐个预测下一个 token 从第一个字开始每次挑选概率最高或者带随机采样的词元拼接成完整回答。6.指令微调为什么它能听懂任务基础大模型本来只是补全文本。 后续做了 SFT监督微调 RLHF 人类反馈训练 用大量「提示词→理想回答」样本训练学会区分用户是在提问写文案写代码有哪些限制条件字数、风格、禁止内容由上可知AI理解提示词并不是像让人类一样理解语句本身的意思而是通过划分计算机语言和大量的思维训练进行理解的。简单总结对比人类理解提示词看懂含义 → 思考 → 根据知识组织答案AI “理解” 提示词文字切 token → 转向量 → 注意力计算词语关联 → 根据海量文本概率逐字预测输出。由AI理解指令的底层原理我们就能大概的明白如何写AI提示词。五.AI提示词具备的特征和市面上目前的提示词框架(一).特征:1角色设定2明确任务3输出规范4上下文信息5负面约束(二).目前市面上主流的几个提示词框架如下1.CRISPE 万能框架Capacity 角色你是什么身份Role 任务你要完成什么事Information 背景给 AI 相关信息Style 风格正式 / 口语 / 简洁 / 文艺Performance 要求输出格式、字数、限制模板你是【角色】。你的任务是【任务】。背景信息【内容】。输出风格【风格】。要求【格式 / 字数 / 禁止事项】2.RTA 框架简单短提示Role 角色Task 任务Ask 输出要求3.Chain-of-Thought思维链适合推理、计算题、逻辑题。让 AI一步步思考再给出答案4.Self-Consistency 自洽性多次生成不同思路对比选出最优答案适合复杂推理。这几个都是最简单的框架平时可以直接使用。六AI提示词的常见误区1.越长越好较繁琐的信息会干扰 AI重点信息放前面2.只提需求不给格式AI 输出很容易跑偏3.忽略上下文AI 不知道你的背景要主动提供4.一次写完不再调整提示词工程是一个不断更新的过程。七AI提示词在网安工作中的必要性大语言模型凭借文本理解、代码生成、信息归纳能力在网络安全工作中具备巨大潜力但模型输出质量高度依赖提示词设计。提示词工程通过角色设定、任务约束、思维链、少样本提示等手段引导大模型完成漏洞分析、日志审计、代码审查等网安任务同时提示词工程本身也是攻防对抗的一环提示注入攻击。网络安全场景下的提示词不仅要保证输出准确还必须增加边界约束、减少幻觉、规避生成恶意攻击代码的限制。注意结合网络安全的特殊性设计提示词需要额外遵守这几条原则安全优先原则增加约束禁止生成可直接执行的恶意攻击代码防幻觉原则要求模型基于给定素材分析无证据则不做推断输入隔离原则外部不可信输入必须使用分隔符包裹抵御提示注入结构化输出原则输出固定格式方便安全人员后续处理最小权限原则限定模型能力范围仅完成指定分析任务(比如要使用AI工具帮助你完成电脑上的任务,就必须限制权力范围,防止信息泄露)八.总结提示词工程是大模型落地应用的核心支撑技术通过标准化指令设计能够显著提升人工智能输出的精准性、稳定性与实用性。作为大学生我们应该熟练掌握各种AI工具的使用而学会如何写AI提示词是重中之重恰当的提示词可以有效地提升我们的学习效率。综上所述提示词并不是简单地给AI发指令而是人与人工智能之间沟通的桥梁在AI大模型快速更新的当下学会如何写AI提示词依然是无法替代的素养和能力。