同学们大家好！我是来自通信2404的方正，受张老师的邀请给大家简单讲解一下大模型（LLM）的使用技巧。

“驯服”AI第一课：到底什么是Prompt Engineering？

你是不是也觉得AI（人工智能）又酷又神秘？特别是那些被称为“大模型”的AI巨兽，比如GPT、Gemini，它们好像什么都懂。但你有没发现，有时候你问它问题，它会给你一堆“废话”，有时候却能给出惊为天人的答案？

这中间的差别，就藏在一门神奇的“手艺”里——Prompt Engineering（提示词工程）。

别被“工程”这个词吓到，说白了，它就是研究如何跟AI高效“说话”的艺术。

想象一下，AI是一个超级聪明、知识渊博但有点“一根筋”的机器人。

如果你问得含糊：“聊聊车呗。”
它可能会从汽车诞生讲到未来飞行汽车，滔滔不绝，但没一句是你想要的。

如果你问得精准：“假设你是个金牌销售，请用三句话，向一个带娃的、注重安全和油耗的妈妈推荐一款SUV。”
它会立刻“上身”，精准输出：“姐，这款车有七个安全气囊和主动刹车，安全绝对放心！而且它是混动的，市区堵车也不心疼油钱，特别适合家用。”

现在最新的研究表明，给LLM设定mbti，也会得到不同的效果，感兴趣的同学可以搜索相关文献或者自己尝试一下！这就是Prompt Engineering的魔力。它不是编程，而是一种沟通技巧，通过精心设计你的问题（也就是Prompt），来引导AI输出最棒的答案。这门手艺，就是我们普通人驾驭AI巨兽的“缰绳”。

老师的挑战：绘制AI学术圈的“星图”

聪明的同学看完上面的例子肯定已经想到应该如何解决这个问题了，下面我带大家进行一个简单的规范化操作演示。

第一步：明确目标，我们要画什么？

所谓的“学源结构”，其实就是一张关系图。图上的每一个“点”是一位学者，连接他们的“线”就是师生关系。比如，深度学习的三巨头 Geoffrey Hinton, Yann LeC-un, 和 Yoshua Bengio，他们和他们的老师之间，是怎样一张看不见的网络？

这张图能告诉我们学术思想是如何传承和演化的。

第二步：准备“食材”，我们要喂给AI什么？

AI不是神，它需要精准的“食材”（数据）才能干活。我们不能直接问“AI大佬的家谱是啥？”

我们需要先手动进行一轮简单的信息收集，作为“引子”。我们就从“深度学习教父” Geoffrey Hinton 开始。我们需要知道：

他的博士导师是谁？ (Christopher Longuet-Higgins)

他有哪些著名的学生？ (这个可以让AI帮我们补充)

第三步：与AI对话，精心设计我们的Prompt

这是最关键的一步！我们的目标是让AI输出结构化的信息（比如一段代码或表格），而不是一大段文字。这样我们才能轻松地把它变成一张图。

下面就是我设计的核心提示词（Prompt），你可以直接复制使用：

提示词 v1.0 (入门版):

假设你是一名计算机科学领域的学术研究助理。我将给你一位学者的核心信息，请你以严格的JSON格式，帮我梳理并补全他的学术传承信息。

输入学者:
姓名: Geoffrey Hinton
已知博士导师: Christopher Longuet-Higgins

请严格按照以下JSON结构输出，并帮我补全notable_students字段，列出至少三位他最著名的学生:

{
“name”: “Geoffrey Hinton”,
“phd_advisor”: “Christopher Longuet-Higgins”,
“notable_students”: [
// 这里请帮我填充
]
}

这个Prompt为什么有效？
设定角色：“假设你是一名……研究助理”，这能让AI的回答更专业。

提供范例 (Few-shot)：我们给了它一个完美的“答案模板”（JSON结构），这极大地规范了它的输出，避免它自由发挥。

指令清晰:我们明确告诉它需要“补全notable_students字段”，任务非常具体。

把这个Prompt喂给大模型，它会很听话地返回下面这样干净的JSON代码：

1
2
3
4
5
6
7
8
9
{
  "name": "Geoffrey Hinton",
  "phd_advisor": "Christopher Longuet-Higgins",
  "notable_students": [
    "Yann LeCun",
    "Ilya Sutskever",
    "Ruslan Salakhutdinov"
  ]
}

第四步：从数据到星图，让关系一目了然

有了结构化的数据，把它变成图就太简单了！我们可以使用一种叫 Mermaid 的图表语言。

我们把刚刚得到的JSON关系，再交给LLM转换成下面几行Mermaid代码：

1
2
3
4
5
graph TD;
    Christopher_Longuet_Higgins --> Geoffrey_Hinton;
    Geoffrey_Hinton --> Yann_LeCun;
    Geoffrey_Hinton --> Ilya_Sutskever;
    Geoffrey_Hinton --> Ruslan_Salakhutdinov;

把这段代码粘贴到任何支持Mermaid的Markdown编辑器里（比如Mermaid 官方的在线编辑器Mermaid Live Editor），一张清晰的学术传承图就诞生了！

我用的是大模型是Gemini，并不能直接渲染出表格。测试了几个常用的LLM，豆包是可以直接生成图表的，大家可以尝试，效果不是特别好，还是建议用专业的markdown文本转图应用。

关系图

上图是我用Gemini和Mermaid制作的关系图，大家尝试复现一下。

总结

我给出的Prompt并不是最好的，这里我将找资源和转换为Mermaid分成了两步，这是可以一步做完的，大家可以探索一下。

我们完成了一件很酷的事，曾经想做一件这样的事需要在网络上查找许多资料，再人工进行关系网绘制，但现在有了LLM后不出两分钟就能制作这样一张清晰的关系图。这个样例的核心不仅仅是学会更好的使用AI，更是要明白如何与AI协作：我们负责提出好的问题、提供引子和框架，AI负责用它渊博的知识来填充细节。

希望这篇文章能够帮到大家，也希望大家可以去查阅Prompt Engineering的前沿探索，让AI帮助自己成为超级个体！