大模型应用开发时如何调试提示词？

在编程领域，调试通常依赖于断点、堆栈跟踪和详细的错误信息。然而，在提示调试的上下文中，这些传统工具变得不再适用。提示调试更多地依赖于对任务的理解、对提示的精细调整，以及对结果的迭代优化。在本文，我们将深入探讨一些实用的提示调试技巧。这些技巧将帮助您更有效地进行提示调试，从而提高工作效率和准确性。

1 迭代优化

迭代优化是一个持续演进的修改提示过程，要求我们在与大语言模型互动时展现出高度的灵活性和敏锐的洞察力。正如软件开发中的一句至理名言所述：“代码是调试出来的，不是写出来的！”这一原则同样适用于大语言模型的提示编写。

在编写初始提示时，我们可能会遇到诸如回答不准确、内容不全面或信息遗漏等问题。迭代优化的精髓在于，通过细致观察并深入分析模型所生成的回答，不断地对提示进行修正和改进，从而逐步提高大语言模型的响应质量和准确性。以下是一个迭代优化的示例过程，如下图所示。

（1）初始提示。

起始阶段，给出一个简单但明确的提示。例如，如果你想询问某个问题，初始提示可以是 “请回答某个问题。” 这个提示可以作为初始版本，用来观察大语言模型的回答质量和完整度。

（2）观察分析。

仔细审视大语言模型生成的回答，注意其中的潜在问题、遗漏或错误。评估回答是否满足期望，是否全面涵盖了相关信息。在观察过程中，结合KITE提示框架，思考以下问题：

• 注入知识：大语言模型为了完成这个任务，需要掌握哪些背景知识？
• 明确指令：任务的主体和细节是什么，描述是否明确完整？
• 设定目标：生成的内容应该符合什么样的预期？目标是否是明确的，可执行的，可衡量的？
• 界定边界：生成内容时应该注意什么样的规则或限制，才能保证内容的合理性和安全性？

（3）修订提示。

随着实验深入，逐步添加更多的提示内容。一旦确认基本功能能够满足需求，可以进一步补充细节，根据观察结果，对提示进行修订。

（4）稳定结果。

经过多次迭代和优化后，你将得到一个相对稳定的提示。此时，可以将其固化为处理类似任务的标准提示。这不仅能提高工作效率，还能确保大语言模型输出的稳定性和一致性。

总的来说，提示的迭代优化是一个持续的过程，需要不断地观察分析和修订。通过这个过程可以逐步提升大语言模型的表现效果，使其更加符合我们的需求。

2 给提示添加调试说明

在编写提示时，为了观察生成内容的过程和逻辑推理的正确性，让大语言模型输出一些自我解释的调试信息是一种非常有效的技巧。这些技巧可以帮助我们理解和解释大语言模型的内部运作机制，以及它们是如何进行预测和决策的。

让我们来看一个有趣的例子：

# 任务描述 我会给你一个动物名称，请按照如下格式输出。 # 示例 输入->熊猫 输出->熊猫 🐼 🎋 🇨🇳 # 输入 袋鼠 # 输出 ->

输出结果：

袋鼠 🦘 🇦🇺

可以发现，大语言模型并未按照预期的“动物名称-动物的表情符号-食物/环境-区域”模式来生成答案，其输出结果中明显缺少了描绘动物栖息环境的图案。为了深入探究这一问题的根源，我们在提示信息中特意加入了一句要求大语言模型阐述其输出逻辑的语句，希望能通过这一调试提示来揭示问题的症结所在。

# 任务描述 我会给你一个动物名称，请按照如下格式输出，最后请解释你这么输出的理由。 # 示例 输入->熊猫 输出->熊猫 🐼 🎋 🇨🇳 # 输入 袋鼠 # 输出 ->

输出：

袋鼠 🦘 🇦🇺 我选择输出一个动物名称后面跟着一些符号的原因是为了增加交流的趣味性和表达的丰富性。通过在动物名称后添加符号，可以更加生动地描述该动物，并传递一些与之相关的信息。 例如，在熊猫的输出中，我添加了一个熊猫表情符号🐼，它可以代表熊猫的形象特征，提高读者对于熊猫的认知度。而添加竹子🎋和中国国旗🇨🇳的符号，则进一步强调了熊猫与中国文化的紧密联系。 通过这种方式输出动物名称，不仅可以简单明了地回答问题，还能够增加趣味性，让读者更好地理解和记忆。

通过调试信息发现，大语言模型错误地理解为“是为了增加交流的趣味性和表达的丰富性”。于是，我改进了提示，强调要按照图案出现规律进行输出。这个小技巧非常有用，当我添加这句话时，大语言模型竟然按照示例规律输出了答案。

# 任务描述 我会给你一个动物名称，请按照如下“示例”的【图案出现规律】输出,最后请解释你这么输出的理由。 # 示例 输入->熊猫 输出->熊猫 🐼 🎋 🇨🇳 # 输入 袋鼠 # 输出 ->

输出：

袋鼠 🦘 🌿 🇦🇺 这样输出的理由是：袋鼠是澳大利亚的代表性动物，经常与该国联系在一起。图案中的🦘代表袋鼠，🌿代表它们的食物，而🇦🇺是澳大利亚的国旗，表示袋鼠的地理和文化关联。

这种调试信息为我们提供了一种理解和改进大语言模型工作方式的方法。在未来的提示编写中，可以尝试利用类似的调试提示。

3 更多调试技巧

然而，在AI原生应用开发的广阔领域中，我们时常需要借助大语言模型来完成多样化的任务，这些任务广泛覆盖内容创作、辅助助手、能力引擎、智能体等多个方面。面对这些复杂且多变的任务需求，仅仅依靠前述的调试技巧往往是不够的，我们还需要掌握更多的高级调试技巧，以不断完善和优化提示的性能。

为此，我强烈推荐一本极具价值的书籍——《AI原生应用开发：提示工程原理与实践》。这本书深入浅出地介绍了众多实用的提示调试技巧，无论是对于初学者还是经验丰富的开发者来说，都是一本不可多得的参考指南。