认识大模型及提示词编写技巧

wiketsy

487人浏览 · 2026-04-28 15:11:43

wiketsy · 2026-04-28 15:11:43 发布

一、认识模型

模型是⼀个从数据中学习规律的“数学函数”或“程序”。旨在处理和⽣成信息的算法，通常模仿人类的认知功能。通过从⼤型数据集中学习模式和洞察，这些模型可以进⾏预测、⽣成⽂本、图像或其他输出，从而增强各个行业的各种应用

可以简单理解为模型是⼀个"超级加⼯⼚"，这个⼯⼚是经过特殊训练的，训练师给它看了海量的例⼦ (数据)，并告诉它该怎么做。通过看这些例⼦，它⾃⼰摸索出了⼀套规则，学会了完成某个"特定任务"。模型就是⼀套学到的"规则"或者"模式",它能根据你给的东西，产⽣你想要的东西。

模型的关键特点在于：

1、特定任务：⼀个模型通常只擅长⼀件事。

2、需要“标注数据”：训练这种模型需要大量“标准答案”。

3、参数较少：参数是模型从数据中学到的“知识要点”或“内部规则”，参数较少说明模型的复杂度和能⼒相对有限。

⼆、认识大语言模型

大预言模型（Large Language Model，LLM）是指基于大规模神经网络，通过⾃监督或半监督⽅式，对海量⽂本进行训练的语言模型。

对于大模型来说，他是将自己的所有神经元（参数）存放在自己的文件中，通过工程师的算法或者一些数学函数来进行答案预测，最终给出我们的答案，我们的输入会变成大模型的输入参数。

名词解释：

神经网络

一个及其高效的“团队工作流程”或者“条件反射链”。

例如教⼀个小朋友识别猫：

不会只给⼀条规则（⽐如“有胡⼦就是猫”），因为兔⼦也有胡⼦。
我们会让他看很多猫的图⽚，他⼤脑⾥的视觉神经会协同⼯作：◦
有的神经元负责识别“尖⽿朵”，
有的负责识别“胡须”，
有的负责识别“毛茸茸的尾巴”。
这些神经元⼀层层地传递和组合信息，最后⼤脑综合判断：“这是猫！”

神经网络就是模仿人脑的工作方式。

它由大量的虚拟的“神经元”（也就是参数）和连接组成。
每个神经元都像一个小小的处理单元，负责处理一点点的信息，当我们输入的时候，我们就会利用神经元去进行判断，并且将前一层的输出作为后一层的输入，一层加一层的去进行处理
通过海量数据的训练，这个网络会自己调整每个“神经元”的重要性（即参数的值），最终形成⼀个非常复杂的“判断流⽔线”。比如，⼀个识别猫的神经网络，某些参数可能专门负责识别猫的眼睛，另⼀些参数专⻔负责识别猫的轮廓。

简单说：神经网络就是⼀个通过数据训练出来的、由大量参数组成的复杂决策系统。

半监督学习

用一个形象的比喻为：“师傅领进门，修行在个人”

打个比喻来说：

假如你想成为厨师，你的师傅一开始交你做了几道菜，色香味俱全（这就是带有标正确标注的数据）。
之后你想有更好的前途，所以你就会去尝遍天下美食（相当于接触海量数据），但是你不知道他们是怎么做出来的，这时你就会根据你之前学习到的几道菜的经验，去尝试推断出菜谱是什么（学习到正确答案）
先⽤少量带标签的数据让模型“入门”，掌握⼀些基本规则，然后再让它去海量的⽆标签数据中自我学习和提升。这对于⼤语⾔模型来说也是⼀种常⽤的训练⽅式，这就是‘半监督’方式

简单说：半监督就是“少量指导+⼤量⾃学”的结合模式。

自监督方式

简单说：自监督就是让模型从数据本⾝找规律，自己给自己当老师。

举例来说：

假如你想成为厨师，你没有师傅，你自己随便加柴米油盐。
之后你想有更好的前途，所以你就会去尝遍天下美食（相当于接触海量数据），但是你不知道他们是怎么做出来的，这时你就会不断的进行尝试，少加点盐，味道怎么样，多加点酱油颜色怎么样，直到最后炒出色香味俱全的菜

自监督学习就是这个过程，自己给自己创建任务，不需要人类去手动给出正确答案，通过一万次学习就可以推断出正确答案。

语言模型

⼀个“超级自动补全”或“语言预测器”。

例如你在用手机打字，输⼊“今天天气真”，输入法会自动提示“好”、“不错”、“冷”等。这个输⼊法之所以能提示，就是因为它内部有⼀个小型的“语言模型”，它根据你输入的前文，计算下⼀个词最可能是什么。

语⾔模型的核心任务就是预测下⼀个词。⼀个强大的语⾔模型，能够根据⼀段话，预测出最合理、最通顺的下⼀个词是什么，这样⼀个个词接下去，就能⽣成⼀整段话、⼀篇文章。

简单说：语⾔模型就是⼀个计算“接下来最可能说什么”的模型。

现在我们就知道了，我们所谓的大语言模型是什么了

大预言模型：

⽤“超级团队⼯作流程”（⼤规模神经⽹络）搭建的，拥有数百亿甚⾄上万亿个“脑细胞”（参数）的 “超级自动补全系统”（语⾔模型）。
它学习的方式，主要是通过⾃⼰玩“海量完形填空”（⾃监督学习），或者 “少量名师指导+海量⾃学” （半监督学习）……
从互联网上所有的文本数据中学会了言的规律。

因此，它具有以下几个核心特点：

规模巨大：它的“脑细胞”（参数）特别多（通常达到数⼗亿甚⾄万亿级别），所以思考问题更复杂、更全⾯，就像一支百万⼤军和⼀个小分队的区别。
通用性强：它不是为单⼀任务训练的。因为它学会的是整个语⾔世界的底层规律（语法、逻辑、知识关联），⽽不是只背会知识点。所以它能举⼀反三，把底层能⼒灵活应⽤到聊天、翻译、写代码等各种任务上。这种“涌现”能⼒，就像孩⼦通过⼤量阅读后，突然能写出意想不到的优美句⼦⼀样。
训练方式不同：主要使⽤⾃监督学习，从海量无标注的原始⽂本中学习。它不依赖人工⼀张张地给图片进行标注，而是直接从原始文本中⾃学，效率极高，规模可以做得⾮常⼤。
交互方式革命：我们不用点按钮、写代码，直接像对⼈说话⼀样给它指令（Prompt）它就能听懂并执⾏，⽐如你直接说“写⼀⾸关于春天的诗”，它就能给你写出来。

大模型的主要能力

大模型，对不少⼈来说已变得耳熟能详，从大型科技公司到初创企业，都纷纷投身于这场技术变革。AI 大模型不仅仅是技术圈的热门话题，它也正日新月异的速度融⼊我们的日常生活，改变着我们获取信息、处理工作、甚至进行创作的方式。

我们将大模型的能力归纳为四点，这不仅仅是技术指标，更是它改变世界的核心利器：

1、语言大师：理解与创造的革命：我们可以利用它来帮助我们完成文档生成以及高质量创作

2、知识巨⼈：拥有“全互联网”的记忆，利用他来学习知识，探索未知

3、逻辑与代码巫师：从思维到实现的跨越，帮助我们将想法，转化成代码实现

4、多模态先知：开启 “全感知” AI 的大门，连接人类的视听，生成更加真实的具体图像

提示词编写技巧

编写合理且高效的关键词，是我们与AI有效对话的第一步，好的提示词能显著提升模型输出的质量和关键性。宗旨就是：将你的问题限定范围，让AI知道你要的答案具体要包含什么，提示词效果会大幅度提升

技巧一：CO-STAR 结构化框架

在目标设定和问题解决的场景下，清晰性和结构性是至关重要的。而有⼀种方法论，在这些方面表现都非常出色，那就是 CO-STAR 框架。这个提示词编写框架，由新加坡政府技术局（GovTech）的数据科学与 AI 团队开发，重点在于确保提供给 LLM 的提示词是全面且结构良好的，从而生成更相关和准确的回答。

CO-STAR框架主要包含