Google 官方 Prompt Engineering 白皮书

这份白皮书由 Google 员工 Lee Boonstra 主笔（内容贡献者包括 Michael Sherman、Yuan Cao 等多人），于 2025 年 2 月 发布，全文约 69 页，旨在提供一份全面的提示工程（Prompt Engineering）指南，帮助用户更有效地与大型语言模型（LLM，如 Gemini）交互，获得准确、相关的输出。

主要目的

解释如何通过精心设计的提示（prompt）来优化 LLM 的性能，无需高级技术背景，任何人都可以掌握。

核心内容结构与亮点

1. 基础概念

   • 介绍 LLM 如何基于训练数据预测下一个 token。
   • 输出配置参数：如温度（temperature，控制创造性）、top-K、top-P 等。

2. 提示技术

   • Zero-Shot / One-Shot / Few-Shot：无示例、单示例、多示例提示。
   • 系统提示、上下文提示、角色提示：指定格式、提供背景、赋予模型角色。
   • Step-Back Prompting：先从更广视角思考。
   • Chain of Thought (CoT)：一步步推理，适合复杂任务。
   • Self-Consistency：生成多条推理路径，取最一致的。
   • Tree of Thoughts (ToT)：树状探索多条路径。
   • ReAct：结合推理与外部工具使用（如搜索、代码执行）。
   • Automatic Prompt Engineering：用 LLM 自动生成或优化提示。
   • 代码提示：专门用于写代码、解释、翻译、调试等。

3. 最佳实践

   • 保持提示简单清晰。
   • 明确指定输出格式（如 JSON）。
   • 多用示例、变量。
   • 迭代实验、记录提示版本。
   • 处理结构化输出、减少幻觉（hallucination）。

这份白皮书特别注重实用性，包含大量表格、代码片段和真实示例，适合初学者到进阶用户，尤其推荐给使用 Gemini 或其他 LLM 进行开发、生产任务的人阅读。它被广泛分享在 Kaggle、Reddit、Hugging Face 等社区，被誉为“提示工程圣经”。