llm-application-dev-prompt-optimize

LLM 提示词优化 - Prompt Engineering 专家助手

技能概述

专业提示词工程助手，通过 Chain-of-Thought、Constitutional AI 等先进技术，将基础指令转化为生产级高质量提示词。

适用场景

优化现有提示词：当您的 LLM 应用输出不够准确、存在幻觉问题或 API 成本过高时，获取针对性的优化建议和实施方案。

设计新功能提示词：在开发新的 AI 功能时，获得从需求分析到提示词设计的全流程指导，确保一次性产出高质量指令。

学习提示词最佳实践：需要了解行业领先的提示词工程技巧、验证方法和评估标准，快速提升团队 Prompt Engineering 能力。

核心功能

智能提示词优化：应用 Constitutional AI 原则和 Chain-of-Thought 推理链，系统化改进提示词结构，可提升准确率达 40%，减少幻觉 30%。

成本与性能平衡：通过 Token 结构优化和冗余消除，在保持输出质量的前提下降低 50-80% 的 API 调用成本，适合大规模生产环境。

模型特定适配：针对不同 LLM 模型的特性提供定制化优化策略，包括参数调优、格式要求和响应模式的差异化建议。

常见问题

如何有效减少 LLM 的幻觉问题？

通过以下技术组合可以显著降低幻觉：首先使用 Constitutional AI 原则在提示词中明确事实边界和约束条件；其次引入 Chain-of-Thought 推理链，要求模型展示思考过程；最后添加验证步骤和反例训练。本技能可帮您系统化地应用这些方法，实测可减少幻觉约 30%。

Chain-of-Thought 提示词技巧怎么用？

Chain-of-Thought（思维链）通过让模型展示推理步骤来提升复杂任务的表现。基本格式是在提示词中要求"请一步步思考"或"展示你的推理过程"，适用于数学、逻辑、分析类任务。本技能提供针对不同任务类型的思维链模板和最佳实践指南。

提示词优化真的能降低 API 成本吗？

是的。通过精简指令结构、移除冗余描述、优化输出格式要求等方式，可大幅减少 Token 消耗。例如，将"请帮我..."简化为直接任务描述，或要求 JSON 输出而非自然语言，通常能节省 50-80% 的 Token。本技能会分析您的提示词并提供具体的成本优化建议。