如何在 DeepSeek 时代玩转提示词：从可视化视角理解 AI 底层逻辑

在 DeepSeek 大火的当下，我们收藏了各种提示词技巧，比如《DeepSeek 最权威的 168 条指令》、《12 个 prompt 框架》等等，生怕被时代淘汰。但收藏了再多的技巧，用起来却发现，真正用到的时候还是不知道如何运用，效率依旧不高。这很大程度上是因为，我们只是记住了技巧，却并未真正理解提示词背后的逻辑。本文将从全新的可视化视角，帮助你从底层逻辑重新理解提示词的原理。

1. 为什么我们需要提示词？

1.1 大型语言模型（LLM）的本质是什么？

大型语言模型（LLM）的本质，是根据用户提供的初始输入文本（提示词），预测并生成下一个词，然后不断重复这一过程，直到输出完成。换句话说，模型生成的所有内容，都是基于你最初提供的提示词。提示词为模型提供了生成文本的起点和语义方向。模型会根据提示的语义、风格和内容来预测后续词。

1.2 提示词的核心逻辑是什么？

提示词的核心逻辑就是：你的输入决定了模型的输出。正如你给画家提供颜料和画布，他才能创作出画作一样，你给大模型提供优质的提示词，它才能生成高质量的内容。

2. 如何可视化理解 AI 内部工作原理？

2.1 为什么说大模型是个黑盒？

大模型内部的运作通常被视作一个巨大且复杂的黑盒，这个比喻虽然直观，却过于抽象。实际上，大模型将人类知识压缩成了一个高维向量空间，维度通常数以千计甚至万计，普通人很难直观理解。

2.2 如何将高维空间降维到三维空间？

幸运的是，我们可以通过技术将这种高维空间降维到三维空间，以便更直观地理解。你可以想象一个巨大的房间，里面堆满了各种各样的物品，而每个物品都代表一个词语。

2.3 大模型如何定位词语？

举两个具体的示例。

• 我家门口的水果店有苹果…
• 我家门口的手机店有苹果…

这是两个比较接近的提示词，大模型会根据前文中的语境的不同，通过计算，将“苹果”这个词，定位到向量空间中的不同位置。

• 句子一：“我家门口的水果店有苹果”
  这里的“苹果”在向量空间中靠近“西瓜”、“香蕉”等水果相关词汇。
• 句子二：“我家门口的手机店有苹果”
  这里的“苹果”在向量空间中靠近“小米”、“华为”等电子产品相关词汇。

模型预测下一个词时，会根据当前词语在向量空间中的位置，选择附近的相关词汇。

2.4 提示词的作用是什么？

提示词的作用，就像在调整向量空间中词语的坐标，帮助模型更精确地理解和回应你的需求。你可以想象，如果你想让大模型生成关于水果的内容，你需要把“苹果”这个词推到靠近“西瓜”、“香蕉”等水果的区域。

3. 调整坐标的五种提示词方法

3.1 方法一：精准定位，明确表达你的需求

• 问题：如何让大模型更准确地理解我的需求？
• 答案：明确表达需求，如：“帮我写封求职邮件，应聘新媒体运营岗位，强调我 3 年公众号运营经验”。比起模糊的提示词：“帮我写一封求职信”，更容易帮助模型在空间中精准定位坐标。
• 例子：
  • 模糊的提示词：写一篇关于猫的文章
  • 明确的提示词：写一篇关于波斯猫的文章，介绍波斯猫的外貌特征和饲养方法。

3.2 方法二：快速定位，设定明确的角色

• 问题：如何让大模型生成更专业的回答？
• 答案：为模型设定角色，比如“你是一名医生”，会迅速在向量空间中定位到医疗相关领域的区域，让生成的内容更贴合你想要的专业度。提示词技巧中经常出现的，“如果你是马斯克/巴菲特，你会怎么看这个经济问题”，也是一种在向量空间中快速定位的方式。
• 例子：
  • 没有设定角色：解释一下量子力学
  • 设定角色：“你是一名量子力学教授，用通俗易懂的语言解释一下量子力学”。

3.3 方法三：坐标平移，简化解释或风格转换

• 问题：如何让大模型用更简单的语言解释复杂的概念？
• 答案：如果无法理解某个概念，尝试“用 10 岁小孩能懂的语言解释”，这相当于将复杂内容在空间中“平移”，变得更易于理解。类似地，“用鲁迅的风格重写”或“用贴吧暴躁老哥的风格重写”，都是在向量空间中的坐标平移。
• 例子：
  • 原始提示词：解释一下区块链技术
  • 平移后的提示词：用 10 岁小孩能懂的语言解释一下区块链技术。

3.4 方法四：坐标微调，通过举例子或规则明确需求

• 问题：如何让大模型生成更精准的内容？
• 答案：用具体的例子或明确的规则来辅助说明，这种方式能让模型对坐标进行精细的微调，生成更加精准的内容。

例如：

你是一位资深旅游顾问。
我想为我和父母计划一次7天的日本关西旅行，重点是京都和大阪。
请根据以下规则制定行程安排：
– 每天的行程不要太紧凑，适合中老年人节奏
– 每天不超过两个景点
– 尽量避开热门高峰时间
…
请按天列出详细安排，并简要说明每个景点为什么值得去。

• 例子：
  • 没有规则：写一篇关于咖啡的文章
  • 有规则：写一篇关于咖啡的文章，要求：
    • 字数在 500 字左右
    • 介绍咖啡的历史、种类和制作方法
    • 语言生动有趣

3.5 方法五：坐标开放，利用 AI 的知识扩展沟通

• 问题：如何利用 AI 拓展我的视野？
• 答案：如果你不确定具体的需求，可以用更开放的方式，比如：“我想了解 Prompt 工程，我应该问你哪些问题？” 这种方式，让模型在更大的范围内自主探索，帮助你拓展视野。如果把之前的技巧称为在向量空间中对坐标系进行“收缩”，这种方式就是“开放”，让大模型在自己海量的信息中自由飞翔。当我们拥有了大模型这样无所不知的“外脑”，通过有效的提问，就能撬动这个信息杠杆，快速获取你之前未知的知识。
• 例子：
  • 封闭式问题：Prompt 工程是什么？
  • 开放式问题：我想学习 Prompt 工程，你应该教我什么？

4. 如何准确定位模型中的坐标？

4.1 如何更好地利用大模型？

大型语言模型就像一个拥有无穷知识的“外脑”，人们的美好愿景是，它应该如同机器猫的神奇口袋一样，无所不能。但实际使用中，我们往往会发现，能从这个“口袋”里掏出什么，关键还在于使用者的想象力和知识积累。

4.2 如何创造新的可能性空间？

当 GPT 4o 刚推出生图功能时，第一个巧妙地使用提示词“吉卜力风格”的人，就像打开了一个全新的向量空间，迅速创造出令人惊叹的效果。未来，谁能率先提出这些创新的“魔法提示词”，谁就能抢先进入新的可能性空间。而要发现这些词，唯一有效的途径就是我们自身持续地学习、观察和实践。

我认为：所谓提示词技巧，不过是工具，真正能驱动大模型这架马车的，还是我们自身对世界的认知和理解。如同鲁迅先生所言：“世上本无路，走的人多了，也便成了路。” 提示词亦是如此，用的人多了，自然会形成一套规律，但真正的创新，往往来自于打破这些规律，敢于探索未知的领域。

个人感悟：

这篇文章深入浅出地解释了提示词背后的原理，并提供了一些实用的技巧。通过将大模型的工作方式可视化，让我们更容易理解如何通过提示词来引导模型的输出。我认为，提示词不仅仅是一种技术，更是一种艺术，需要我们不断地学习、实践和创新。