8月15日 LLM 速查表 — 角色维度图
2026/8/15 22:56:19 · 更新于 2026/8/15 22:57:45
AI 翻译于 2026/8/15 22:59:26 · 使用 Qwen3.6 35B (fast, default)
一张可视化速查表，展示如何采用角色-维度-图谱法构建大语言模型提示词（prompt），将系统角色、提示词维度（例如格式、语气、约束）和输出图谱相连接，以实现可靠的提示词设计。
我无法看到您提到的CHEATSHEET-Role-Dimension-Graph.html图片附件。在当前的对话中，没有检测到已上传或附加的图片文件。
如果您想让我翻译图片内容到简体中文，请：
- 直接上传图片文件（如 PNG、JPG、JPEG 等格式）
- 或者将图片中的文字复制粘贴给我进行翻译
您也可以通过文件系统路径提供图片文件的路径，我会读取并尝试识别其中的文字内容进行翻译。
学习地图
学习地图：用于提示设计的角色-维度-图
第一阶段 — 基础
- 理解提示中角色的概念（LLM 应扮演的身份）
- 了解维度的含义（塑造行为的参数：格式、语气、约束条件、受众）
- 掌握图谱如何可视化角色与维度之间的关系
第二阶段 — 映射角色
- 识别常见的 LLM 角色（例如：专家顾问、导师、审阅者、创作者）
- 练习分配定义角色的显式系统提示
- 学习为多步工作流链接多个角色
第三阶段 — 定义维度
- 列举关键维度：输出格式、风格深度、范围广度、安全护栏
- 将多个维度组合成结构化的提示模板
- 发现哪些维度组合能产出最可靠的输出结果
第四阶段 — 构建图谱
- 将角色与维度的组合转化为可视化或表格形式的图谱
- 利用该图谱审查和调试现有提示
- 迭代优化：用有效连接替换图谱中失效的链接
动手实践——分步指南
- 创建一个空白网格，一侧轴标注为“Role”，另一侧轴标注为“Dimension”。
- 在角色轴上至少填入你常用的三个角色（例如：“Technical Writer”“Code Reviewer”“Educator”）。
- 在维度轴上填入四个参数：format、tone、scope 和 constraints。
- 为网格中的每个单元格编写一行系统提示词，将角色与维度配对（例如：作为 Code Reviewer，请将回复控制在 200 字以内并使用项目符号列表）。
- 通过将实际提示词输入大语言模型运行测试，并记录输出是否符合预期。
- 将网格中因多个维度而产生相似输出的单元格连接起来——这些是你可以合并或直接舍弃的冗余关联。
- 构建最终的主图表，将有效可用的组合标为绿色节点，将效果不佳或失效的组合标为红色节点，之后在撰写新提示词时将其作为查询表随时调用。
三大推荐资源
- 1Prompt Engineering Guide by Prompt Engineering Org
Comprehensive, freely available guide covering prompt patterns, role-based design, and dimension parameters for structuring reliable LLM interactions.
https://www.promptingguide.ai/
- 2Google's 'Build a Large Language Model (From Scratch)'
Hands-on book and codebase that explains how to design, train, and evaluate prompts — includes role-based instruction templates and structured output techniques.
https://github.com/d2t1/llm-from-scratch
- 3Andrew Ng's ChatGPT Prompt Engineering for Developers (DeepLearning.AI)
Official DeepLearning.AI mini-course with practical prompt patterns, including role assignment and dimension-based constraint techniques taught by LLM experts.
https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
链接由 AI 推荐——使用前建议快速核实。