Prompt Engineering - RUI's Blog

581 字

3 分鐘

Prompt Engineering

2025-06-27

Tech Sharing

提示工程

/

LLM

/

技巧

Prompt Engineering#

RISEN#

RISEN 架構提供了一種結構化的方式，可將複雜或受限的任務分解為可執行的步驟。它適用於研究報告、部落格文章或技術文件等結構化內容。它包含

角色- 定義 AI 的角色或專長。指示- 清楚說明 AI 應該做什麼。步驟- 概述逐步的方法。終極目標- 明確指出期望的結果。縮小範圍- 設定限制條件，以精簡焦點。

範本#

1
Role: [Insert the role you want AI to take.]
2

3
Main Task: [Insert the task you want AI to complete.]
4

5
Steps to complete the task:
6
1. [Step 1]
7
2. [Step 2]
8
3. [Step 3]
9

10
Goal: [Define the goal of the output.]
11

12
Constraints: [List any constraints, such as word limit, tone, or required sources.]

範例:#

RISEN 最佳化提示：

1
角色：您是一名專業記者。
2

3
主要任務：總結所附文章。
4

5
完成任務的步驟：
6

7
找出關鍵論點和支持證據。
8
總結 5 個要點。
9
確保中立且專業的語氣。
10
目標：為一般讀者提供簡明的摘要。
11

12
限制：不超過 100 個字、不含個人意見。

Recursive Criticism and Improvement (RCI) 技術#

RCI 是一種以改進為基礎的提示技巧。這表示它是透過重複檢視、改進和精進答案的過程來運作，直到答案更好為止。

提示 LLM 分析和批判其目前的答案（例如：“檢視您之前的答案，並找出答案中的問題」）。
接著，LLM 會依據所概述的批評，糾正已發現的問題，並相應地修改其輸出（例如：「根據您發現的問題，改善您的答案」）。

範例#

步驟 1 - 初始提示：寫一個 Python 函式來驗證電子郵件地址。

AI 回應：

1
import re
2

3
def is_valid_email(email):
4
    pattern = r"[^@]+@[^@]+\.[^@]+"
5
    return bool(re.match(pattern, email))

步驟 2 - 改良提示：檢閱您之前的答案。找出潛在問題，並加以改善。

AI 回應：

1
from email_validator import validate_email, EmailNotValidError
2

3
def is_valid_email(email):
4
    if not isinstance(email, str):
5
        return False  # Ensure input is a string
6

7
    try:
8
        # Validate the email address using email-validator
9
        validate_email(email)
10
        return True
11
    except EmailNotValidError:
12
        return False