提示词参考

R
ryan j November 12, 2025

知性女性

Image

https://x.com/cellinlab/status/1988181804486905875

模型：Midjourney
提示词：
/imagine prompt: elegant East Asian woman, early 30s, long wavy black hair, gentle smile, natural makeup, white lightweight blouse, jade pendant necklace, seated in a café booth, clear iced drink with black straw on the table, lush monstera leaves background, soft window light, shallow depth of field, creamy bokeh, realistic photo, calm and approachable ::2
camera: 50mm prime, f/1.8, ISO 200, 1/160s ::1
style: clean, natural, minimal accessories, mature yet friendly ::1
--ar 3:4 --v 6 --stylize 100 --quality 1

Google  68 页提示词工程书籍

  • https://github.com/lewlh/share/blob/main/documents/PromptEngineeringV7.pdf
  • https://www.kaggle.com/whitepaper-prompt-engineering
  1. prompt不是比谁更聪明，而是要有系统性。
  2. 提示词是一门科学，不是靠运气：
    1. 谷歌的研究表明，结构化提示持续优于随意的表述。
    2. 你的措辞可以让输出质量提升几个数量级。
    3. 链式思维 > 一次性回答：
      1. 把任务拆成步骤（显式把思路写出来）会让模型更准确。
      2. 不要只索要最终结果 → 要引导模型完成推理过程。
  3. 具体性胜过模糊性
    1. 请用 5 个要点为 CEO 总结这篇文章”，要比 “总结一下这篇文章” 更好。清晰的角色、限制条件和上下文 = 更优质的输出。
    2. 迭代是关键。论文强调：不要停留在第一个提示词。精炼 → 测试 → 再精炼。提示词工程更接近 调试（debugging） 而不是写作。
  4. 提示词格式很重要。换行、列表和分隔符可以减少幻觉并提升清晰度。把提示词当作给初级队友的指令，而不是随意的聊天文字。
  5. 评估往往被低估。谷歌建议构建一些简单的指标，用来比较提示词的质量。否则，你永远无法知道 v2 是否真的优于 v1。
  6. 理解LLM的工作原理至关重要。LLM本质上是一个预测引擎，它根据训练数据预测下一个最有可能的词元（token）。提示工程就是通过设定LLM来预测正确的词元序列