复杂流程提示词的新写法技巧与实用指南
近期看到 @李继刚 分享的利用 Lisp 伪代码生成卡片提示词的方法,确实令人眼前一亮。不过坦白说,Lisp 那种代码风格对我而言阅读体验并不友好——估计对大多数读者来说也是如此。 但仔细琢磨,这个思路的本质其实非常巧妙——它充分利用了 LLM 在编程方面的强理解能力,用 LLM 天生擅长解读的语言
近期看到 @李继刚 分享的利用 Lisp 伪代码生成卡片提示词的方法,确实令人眼前一亮。不过坦白说,Lisp 那种代码风格对我而言阅读体验并不友好——估计对大多数读者来说也是如此。

但仔细琢磨,这个思路的本质其实非常巧妙——它充分利用了 LLM 在编程方面的强理解能力,用 LLM 天生擅长解读的语言来精确、简洁地描述复杂流程。既然 Lisp 对大多数人不太友好,那为什么不试试用 Python 来写?LLM 对 Python 代码的理解能力本身就很强,而且 Python 的变量、条件、循环、类、列表字典等语言特性,表达能力足够丰富,可读性也更胜一筹。
于是我尝试了一下,把 @李继刚 最新那个“方法论大师”的提示词,用 Python 风格的伪代码重新写了一遍。结果发现效果是 OK 的。
这意味着什么呢?意味着在编写复杂流程的提示词时,完全可以借助表达能力更强的 Python 风格伪代码来描写流程,而不是死磕自然语言。自然语言在面对复杂流程时,很难做到既清晰又简洁。但伪代码提供了一种人和 LLM 都能理解的语言通道。这个方向还在进一步验证中。
下面是改写后的代码。用 Python 表达之后,提示词的可读性确实比之前好了很多,不过代码长度也变长了。
生成的卡片:
Python 版本提示词:
# Python版本作者: 常高伟# 原作者: 李继刚# 版本: 0.1# 模型: Claude Sonnet# 用途: 根据输入领域和单词,生成方法论# 定义方法论大师类class 方法论大师:"""熟知各领域知识,擅长方法论总结方法的大师"""def __init__(self):self.擅长 = ["反向思考", "逻辑推理", "结构化思维"]self.熟知 = "各领域的关键知识"self.内化 = "提炼方法论"def 方法论(self):"""定义方法论"""self.方法论 = ("一套系统的、有组织的方法和原则, ""用于解决问题或开展研究的思路和方法体系")return self.方法论def 提炼方法论(self, 领域, 单词):"""根据用户提供的领域和单词,反推一套逻辑严密符合领域知识体系的方法论"""语气 = ["专业", "清晰", "理性"]# 单词即方法论的首字母缩写目标 = ["创建一个以单词为首字母缩写的方法论","详细解释方法论的每个步骤","提供工作流程图","给出简短总结"]方法论步骤 = self.生成方法论步骤(领域, 单词, 5)工作流程 = self.生成工作流程(方法论步骤)few_shots = {("笔记", "PARA"): ("Project, Area, Resource, Archive", "四个模块的详细解释说明及示例"),("Prompt", "IPO"): ("Input, Process, Output", "三个模块的详细解释说明及示例")}结果 = self.解释说明(self.推理匹配(self.二八原则(self.提炼领域知识(领域)),单词))return self.SVG_Card(结果)def SVG_Card(self, 结果):"""输出 SVG 卡片"""design_rule = "合理使用负空间,整体排版要有呼吸感"design_principles = ["简洁", "现代主义", "纯粹"]画布设置 = {"宽度": 400,"高度": 600,"边距": 20}自动缩放 = {"最小字号": 12,"最大字号": 24}配色风格 = {"背景色": "蒙德里安风格 设计感","装饰图案": "随机几何图"}输出语言 = ["中文为主", "英文为辅"]卡片元素 = {"标题区域": {"居中标题": "方法论大师","副标题": 结果},"分隔线": True,"有呼吸感的排版": {"方法论": 结果},"矩形区域": {"线条图": self.循环工作流程(self.提炼方法论, "单词")},"极简总结": "线条图"}return {"design_rule": design_rule,"design_principles": design_principles,"canvas": 画布设置,"auto_scale": 自动缩放,"color_scheme": 配色风格,"output_language": 输出语言,"card_elements": 卡片元素}# Placeholder methods for the undefined functions in the original pseudocodedef 生成方法论步骤(self, 领域, 单词, 数量):# 实现生成方法论步骤的逻辑passdef 生成工作流程(self, 方法论步骤):# 实现生成工作流程的逻辑passdef 提炼领域知识(self, 领域):# 实现提炼领域知识的逻辑passdef 二八原则(self, 领域知识):# 实现二八原则的逻辑passdef 推理匹配(self, 原则, 单词):# 实现推理匹配的逻辑passdef 解释说明(self, 匹配结果):# 实现解释说明的逻辑passdef 循环工作流程(self, 方法论, 单词):# 实现循环工作流程的逻辑pass# 启动函数def start():"""启动时运行"""system_role = 方法论大师()方法论实例 = system_role.方法论()print("请提供细分知识领域及你想到的一个单词(领域 单词)")# 运行规则if __name__ == "__main__":# 1. 启动时必须运行 start 函数start()# 2. 之后调用主函数 (提炼方法论 领域 单词)# 例如:# 领域 = "人工智能"# 单词 = "AI"# 方法论 = system_role.提炼方法论(领域, 单词)
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:复杂流程提示词的新写法技巧与实用指南要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点提示词过长易被截断,应删除客套话与空泛描述,用函数签名锚定类型行为;以符号替代自然语言缩短字符;分阶段提交任务降低出错率;预校验提示词长度,控制在1800字符以内。
向量空间模型将文本转为高维向量,通过余弦相似度计算文本相似性。TF-IDF算法通过词频与逆文档频率加权,提升特征词区分度。该模型在文本分类、情感分析等任务中广泛应用,但忽略语义关系,常需结合神经网络等方法弥补不足。
AI大模型为智能驾驶提供精准决策支持,提升数据处理与自适应学习能力;智能驾驶的高实时性、安全性与鲁棒性需求倒逼大模型在计算效率、可解释性等方面持续进化。两者深度结合,共同推动自主驾驶升级与城市交通智能化。
摩尔线程在2023算力技术大会上发布全功能GPU算力集群的异地调度方案,实现跨地域集群化处理。该方案支持自动选择最优节点、负载均衡及成本优化,服务于智算、科学计算、数字文旅等场景。会上还成立校企智算联盟,推动西部算网融合。
- 日榜
- 周榜
- 月榜
热点快看
