# Vanderbilt 的16种提示词模式为聊天而生，不为流水线

> Template 模式最值得留下，真正的价值在课程背后那篇 2023 年 arXiv 论文，而不在现成句式。

原文: https://fdetimes.net/zh/books-courses/vanderbilt-prompt-patterns-for-fdes/

Coursera 上 Prompt Engineering for ChatGPT 课程页面列出了 16 种提示词模式，从 Persona 到 Semantic Filter。此外还有 few-shot、Chain of Thought 和 ReAct。对初学者来说，这份清单很有吸引力。但对于要把模型接入客户真实系统的前线部署工程师（FDE），它既太多，又恰好缺了最需要的东西。

这门课仍然值得上，前提是清楚该留下哪些部分。授课人是范德堡大学（Vanderbilt University）教授 Jules White，课中的模式来自他与同事在 2023 年 2 月 21 日发布到 arXiv 的一篇论文。课程最有价值的部分在这篇论文里，而不在那些现成句式里。

## 这门课教什么，面向谁？

据 Coursera 介绍，这门课为初学者级别，每周 10 小时，约两周学完。课程分为六个模块：Course Introduction、Introduction to Prompts、Prompt Patterns I、Few-Shot Examples、Prompt Patterns II 和 Prompt Patterns III。总计约 18 小时学习时长，含 7 项作业。

目标人群写得很明确：任何人都可以学，只需基本的计算机技能。Vanderbilt 还经 White 许可，在自己的网站上发布了各模式的说明，并称这是一门免费、可自定进度的课程。

光看课程名就知道，它的重点是 ChatGPT：人来输入，人来读每一条回答。FDE 的工作通常是数据管道里的一次 API 调用，要运行成千上万次，没人逐条看输出。所以学每种模式时，都要问一句：它从聊天搬进代码后会是什么样子？

## 真正派得上用场的是 Template

Template 模式要求模型保留用户给定的格式和整体结构。在聊天里，它只是个排版技巧；在客户现场，它决定解析器是正常运行还是直接报错。

设想一家物流公司，想从客户邮件中抽取订单号、投诉类型和紧急程度，输出为 JSON。假如每 20 条输出里有 1 条，模型在 JSON 前面加了一句开场白。处理 1,000 封邮件就会产生 50 条坏记录，而且运营团队会比你更早发现。

因此，到客户现场要做的第一件事是：明确写出输出 schema，按完全相同的结构给一个 few-shot 示例，并在模型调用之后立即加一道格式校验。课程里的 Few-Shot Examples 模块应当和 Template 一起细学。

## Flipped Interaction 和 Cognitive Verifier 用在哪里？

Flipped Interaction 把角色反过来：由模型向用户提问，直到满足某个条件或达成目标。对 FDE 来说，它是准备需求调研的工具。

会前，让模型一次问一个问题，向你了解客户的流程，直到信息足够起草需求。你答不上来的那些问题，正是要带到会上去问的。

Cognitive Verifier 让模型在回答前先就主题生成若干子问题。这个模式适合内部助手，因为用户常问一些含糊的问题，比如“这份合同有风险吗？”。把问题拆成子问题后，就能看出模型在哪一步理解错了。

Recipe 也值得保留。你给出目标和几个已知步骤，由模型补全其余部分，形成完整流程。为不熟悉的环境编写部署 runbook 时，它很有用。

## 该舍弃什么，为什么

Game Play、Menu Actions 和 Tail Generation 这类模式，在人与模型多轮对话时才能发挥作用。在单轮 API 调用里，它们几乎没有用处。了解到能认出来即可，不必花力气练。

Persona，也就是“Act as Persona X”这句话，不必舍弃，但也别当成万能药。单靠这句话只能指定角色，并没有约定输出格式，所以不要指望它保证解析器正常运行。应把 Persona 当作叠加在 Template 之上的一层上下文，而不是 Template 的替代品。

## 最值得保留的思路在论文里

论文《A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT》把写提示词视为一种编程。论文还把提示词模式看作一种传递知识的方式，就像软件模式一样。这正是工程师应当带进项目的思路。

**要点:** 既然写提示词是一种编程，就像对待代码一样，给提示词命名、做版本管理并编写测试。

比较合理的顺序是：先学完六个模块，把 Vanderbilt 的模式页面留作参考，再读 arXiv 论文，理解软件模式的视角。之后一定要再走一步：把提示词放进代码仓库，每个文件标注所用模式的名称，并编写检查输出格式的测试。

这一步也正是该写进简历的内容。证书只能说明你学完了课程；一套有命名、有测试、附有输出符合 schema 比例数据的提示词库，才能说明你真正用过。模式名称取自课程，测试和数据则从你自己的客户项目里积累。

**本周动手试试:**

- 挑一个项目里在用的提示词，用 Template 模式加固定的 JSON schema 重写，然后统计 20 次运行中有多少次格式正确。
- 下次需求调研前，用 Flipped Interaction 让模型一次问你一个问题，直到信息足够起草需求。
- 在代码仓库里建一个 prompts/ 文件夹，注明每个文件使用的模式，为每个提示词加一个检查输出格式的测试，然后在简历上写明这是一套经过测试的提示词库。

## 信源

- [Prompt Engineering for ChatGPT | Coursera](https://www.coursera.org/learn/prompt-engineering)

- [prompt patterns | Vanderbilt University](https://www.vanderbilt.edu/generative-ai/prompt-patterns/)

- [A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT](https://arxiv.org/abs/2302.11382)