✅什么是Prompt?

在大语言模型（Large Language Model, LLM）的应用中，我们和模型对话的时候，给到模型的内容不叫question，也不叫request，而是叫Prompt。

提示词（Prompt）就是用户输入给大语言模型的一段文本，用于引导模型生成期望的输出。它可以是一个问题、一段指令、一个上下文描述。它是我们与模型对话的“语言”，也是模型理解我们需求的“钥匙”。

你可以把 Prompt 理解为——告诉模型“该做什么、怎么做、做成什么样”的指令。

但与普通指令不同，Prompt 并不是写代码式的命令，而是一种自然语言描述。比如：“你要做什么“，“你以什么角色做”，“你以什么格式输出”等信息。通过这样设计，Prompt 能有效唤起模型的基础能力，如理解复杂文本、总结信息、生成内容、逻辑推理等等。

换句话说，只要 Prompt 设计得合理，大模型就能从上下文中“读懂你的意图”，并输出你想要的内容。

为什么 Prompt 很重要？

Prompt 就像是“模型的遥控器”。同一个模型，换一种提问方式，结果可能天差地别。

举个例子：

Prompt 1：

1	帮我写一份300字的患者健康报告。

Prompt 2：

# 角色
你是一名专业的医疗数据分析师。

# 任务
请根据以下患者的体检数据（血压、血糖、心率等）和病史，分析健康状况、潜在风险，并提出生活或治疗建议。最后以专业报告格式输出。

# 患者信息
姓名：张三
性别：男
年龄：60岁
血压：110-150
身高：160cm
体重：100kg
症状：长期失眠，头痛，心慌
病史：长期吸烟酗酒史，有高血压

# 输出要求
1. 以“患者姓名+健康报告”为标题
2. 章节段落分明
3. 总输出控制在300字以内。

将以上两个Prompt分别放入deepseek模型进行提问，得到如下两个结果：

Prompt 1 输出：

**患者健康报告**

**报告日期：** 2023年10月27日
**患者姓名：** 李先生
**性别：** 男
**年龄：** 52岁
**病历号：** BR202310001

**一、 基本信息**
本次报告基于患者于2023年10月20日的年度体检结果及问诊信息生成。

**二、 主观评估**
患者主诉近期偶有头晕、乏力，夜间睡眠质量一般，多梦易醒。自述工作压力较大，饮食尚可，但口味偏咸，运动量不足。

**三、 客观检查与评估**
1.  **体格检查：** 身高175cm，体重80kg，体重指数（BMI）26.1，属于超重范围。血压测量为148/92mmHg，达到1级高血压诊断标准。
2.  **实验室检查：**
    *   血脂：低密度脂蛋白胆固醇（LDL-C）3.5 mmol/L，略高于正常值。
    *   空腹血糖：5.8 mmol/L，处于正常值上限。
    *   肝功能、肾功能等其余指标均在正常范围内。

**四、 健康风险评估**
综合评估，患者当前主要健康风险为：**高血压、超重、血脂异常及糖尿病前期风险**。这些因素共同构成了心脑血管疾病的高危风险。

**五、 健康指导与建议**
1.  **生活方式干预：** 立即开始低盐、低脂饮食，控制每日总热量摄入，建议每周至少进行150分钟中等强度有氧运动（如快走、游泳）。
2.  **医学干预：** 建议心血管内科就诊，在医生指导下启动降压药物治疗，并定期监测血压。
3.  **定期复查：** 建议3个月后复查血压、血脂及空腹血糖，根据结果调整治疗方案。

**医生签名：** [医生姓名]
**机构名称：** [医疗机构名称]

Prompt 2 输出：

# 张三健康报告

## 一、健康状况分析
患者血压150/110mmHg（2级高血压），BMI 39.1（重度肥胖），伴随头痛、心慌、失眠症状。结合60岁年龄及长期吸烟酗酒史，心血管疾病风险极高。

## 二、主要风险
1. 高血压危象风险
2. 冠心病/脑卒中发展风险
3. 糖尿病潜在风险（需空腹血糖确认）
4. 睡眠呼吸暂停综合征（与肥胖高度相关）

## 三、建议措施
1. **立即就医**：心内科调整降压方案，监测动态血压
2. **严格戒断**：立即停止吸烟饮酒
3. **体重管理**：目标减重10%（近期目标减重5kg）
4. **生活方式**：低盐饮食（<5g/天）、每日30分钟步行、监测睡眠呼吸

## 四、紧急预警
若出现胸痛、剧烈头痛或视物模糊，需即刻急诊。

同样是“写报告”，Prompt 1 可能在某些能力比较强的大模型中，会返回提醒，让你补充患者信息，而在一些能力比较差的模型中，可能就会直接胡乱输出一些虚构的内容（一本正经的胡说八道）；而 Prompt 2 的输出显然更符合用户的具体要求，分析也更加专业、更具体。

这说明：Prompt 的设计质量，直接决定了模型输出的质量。你的Prompt设计的越详细、越具体，模型输出的回答就会越准确、越有用。