本次查询：Prompt
中文解释：提示词 / 提示工程
常见场景：与大语言模型（如ChatGPT / 文心一言）对话时；进行AI绘画（如Midjourney）时描述画面；开发基于大模型的应用程序时。
一句话解释
Prompt（提示词）就是你与AI对话时输入的那段文字，它像给AI的“任务说明书”或“问题引导”，AI根据它的指令来生成回答、创作或执行任务。
为什么会被关注
随着ChatGPT等大模型普及，人们发现，同一个模型，用不同的Prompt提问，得到的回答质量天差地别。一句精准的Prompt能激发AI的深层能力，而模糊的提问可能得到无用或错误的答案。因此，如何编写高效Prompt（即“提示工程”）已成为使用AI的核心技能，甚至催生了“提示词工程师”这一新角色。
核心逻辑
大语言模型本质上是根据输入的文本序列（即Prompt），预测下一个最可能出现的词，并循环生成。Prompt的核心逻辑是为模型提供充足的“上下文”和“约束条件”，将模型庞大的知识储备引导至特定任务轨道上。例如，在Prompt中设定角色（“你是一位资深律师”）、提供任务格式（“请用要点列出”）、加入示例（“例如：…”），都能显著提升回答的相关性和准确性。
常见场景
1. 智能问答：直接提问，如“解释一下量子计算”。
2. 内容创作：指令更具体，如“以苏轼的风格写一首关于春天的七言诗”。
3. 代码生成：需明确语言和功能，如“用Python写一个快速排序函数，并添加注释”。
4. AI绘画：在Midjourney等工具中，用文字描述画面细节、风格和构图。
5. 复杂任务分解：使用“思维链”Prompt，要求AI“逐步思考”，将复杂问题拆解。
容易混淆的点
Prompt vs. 搜索关键词：搜索关键词是用于匹配已有数据库中的信息；而Prompt是引导AI“创造”或“推理”出新内容，过程具有生成性和不确定性。
Prompt Engineering（提示工程）vs. 模型微调：提示工程是通过优化输入文本来“激发”模型现有能力，成本低、即时生效；而微调是通过额外数据训练来“改变”模型内部的权重，使其更专精于某个领域，成本高、周期长。对于大多数用户，掌握提示工程是更实用的第一步。