在不同的大语言模型之间穿梭

在不同的大语言模型之间穿梭，寻求同频共振，研究了各种提示词范式，从 few-shot、COT、self-consistency 到动态提示词轮番尝试。曾经还装了一把x给公司做了个提示词工程的培训，尝试把写提示词的痛苦幸福转接给大家。

然而，周旋了一段时间后我发现，人和大模型之间依然有语言壁垒——真是君不识我，我亦不识君。

咱们平时其实还是国产模型用的多，尤其是DeepSeek出世之前，用于生产环境的还是智谱、千问，网上各种流传的适用于chatgpt claude的提示词，就真的没那么适用。经常花了半天大半天的时间也还是生成不了想用的效果。

隔壁道友曾经感慨：“花了半天时间，终于跟 LLM 聊出了点同频共振的感觉。”

工程化的提示词有时候一天要写十几个任务的（没错，就是这个强度，两三天突击出一套系统没在怕的）。一天得奖自己好几个鸡腿子。

终于有一天，受不了了，起义了，我要摆脱这被大模型劳役的日子！

让 AI 自己生成提示词

之前有个新加坡团队提出了 CO-STAR 框架，思路很好，但要写的字还是太多。那提示词这事儿，就大语言模型自己解决呗！

下面这个是我在多个项目中频繁使用且好用的提示词结构：

Role（角色）
大模型需要扮演的身份或定位。

Objective（目标）
任务的核心目标是什么？

Constraints（约束）
有哪些硬性要求或限制条件？

Workflow（流程）
按照怎样的步骤进行任务执行？

Example（示例）
提供具体案例，确保输出风格符合预期。

根据上面的结构，我手搓了一个coze提示词自动生成工具。提供大家使用（默认使用qwen-max模型）