Google 官方提示工程白皮书
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_4c9c5ac8/googlepromptengineering。
技能介绍
要解决什么问题
大模型对意图和输出形态都很敏感:同一任务用高温还是 temperature=0、零样本还是混类 few-shot、要不要显式 Chain-of-Thought,结果可以差一个数量级。团队里常见的情况是:每人凭经验写提示,术语混用(把 trick 当工程),分类任务示例只灌单一类别,或者事实类任务误开创意采样。Google 白皮书把这些问题收成可查阅的框架,但 52 页 PDF 不适合在对话里翻页。
技能如何工作
本技能把白皮书压成可按需加载的参考层:不带参数时载入核心框架与心智模型(迭代循环、输出配置、指令优于约束等);传入 topic(如 chain-of-thought、temperature、few-shot)或 chapter(如 ch05)时,对准应章节要点;也可先问「有哪些章节」做浏览。内置章节索引覆盖 ch01~ch10:从 LLM 输出配置、系统/角色/回退提示,到 CoT、Self-consistency、ToT、ReAct、APE、代码与多模态提示,以及第十章十条清单。另有 glossary.md、patterns.md、cheatsheet.md 作术语、模式取舍与自检。
适用边界
内容边界以该白皮书为准;落到你们仓库的具体工具链、评测集和模型版本需自行对照。超出本书议题(例如专有 RAG 管线设计)应查别的技能或直接让 agent 查文档,别把本技能当成万能提示库。
使用场景
- 线上分类服务要把 few-shot 示例按类别混排,避免模型只学到多数类
- 算术或多步逻辑评测要在提示里加 CoT 或 self-consistency 投票,再对比基线
- 需要查资料或调 API 的任务要用 ReAct 式 Thought→Action→Observation 结构写提示
- 发布前对照 ch10 十条清单检查:示例、max tokens、指令表述与输出格式是否明确
适合人员
- 负责模型侧评测的同学,要把温度、Top-P 与任务类型(事实 vs 创意)对应起来
- 写 agent 工具调用的工程师,需要按白皮书整理 ReAct 与 step-back 提示模板
- 把英文白皮书转给中文团队的知识维护者,想按章节 topic 快速引用而非通读 PDF
- 提示词从个人便签升级为团队规范的技术负责人,要建立术语与模式的一致说法