面试官:prompt质量评估的10个核心维度

1. [明确性]
   - 用户意图是否清晰传达?
   - 是否存在歧义或多义表述?
   - 示例对比:
     × "写个故事"
     √ "用300字编写一个科幻微小说,主题是时间循环,结局出人意料"

2. [有效性]
   - 输出结果与预期目标的匹配度
   - 是否包含必要约束条件(格式/长度/风格等)
     × "总结会议内容"
     √ "用bullet points总结昨日产品评审会的三个核心决策,并标注相关负责人"

3. [用户适配]
   - 是否符合目标用户的语言习惯?
   - 是否预设了合理的知识层级?
     × 面向儿童:"阐释量子纠缠的波函数坍缩现象"
     √ 面向儿童:"用小狗找骨头的故事解释远距离感应"

4. [结构设计]
   - 是否包含有效的上下文铺垫?
   - 多步骤指令的逻辑连贯性
     √ 优秀结构:
       1) 设定角色:"你是一位资深营养师"
       2) 限定条件:"针对糖尿病患者的春季食谱"
       3) 输出要求:"以表格形式呈现,包含早中晚三餐"

5. [风险控制]
   - 是否规避敏感话题触发?
   - 是否存在文化偏见风险?
   - 示例改进:
     × "比较不同宗教的优劣"
     √ "客观陈述佛教与基督教的核心教义差异"

6. [扩展性]
   - 是否支持自然追问?
   - 能否引发有价值的延伸对话?
     √ 优秀prompt:
       "先解释区块链基本原理,然后给出三个实际应用案例,最后分析当前面临的主要挑战"

7. [效率优化]
   - Token使用是否经济?
   - 复杂任务是否进行分阶段处理?
     × 单次请求:"详细分析2023全球新能源汽车市场,包括政策、技术、销量、竞争格局..."
     √ 分步请求:
       1) 政策环境分析
       2) 关键技术突破
       3) 头部企业对比

8. [可测试性]
   - 是否具备明确的验证标准?
   - 能否通过A/B测试量化效果?
     评估指标示例:
     - 首次响应准确率
     - 多轮对话维护率
     - 用户修正次数

9. [错误处理]
   - 是否预设容错机制?
   - 是否包含纠偏引导?
     √ 优秀实践:
       "如果问题涉及专业医疗建议,请提示'根据AI伦理准则,建议咨询执业医师'"

10. [体验感知]
    - 交互语气是否符合场景?
    - 是否营造适当的对话温度?
      示例对比:
      × "输入你要问的问题"
      √ "您好!今天想探讨什么有趣的话题呢?"

#牛客激励计划#  #产品经理#  #找工作#  #牛客在线求职答疑中心#  #牛客解忧铺#  #秋招前后对offer的期望对比#  #AI# #牛客AI配图神器#
全部评论
mark学习了
点赞 回复 分享
发布于 03-27 21:00 辽宁
mark学习了
点赞 回复 分享
发布于 03-27 20:51 江苏
mark学习了
点赞 回复 分享
发布于 03-27 20:40 山东
mark学习了
点赞 回复 分享
发布于 03-27 20:32 山东
哇,面试官你好厉害,你对prompt质量评估的维度讲解得超级详细呢!👍 我是小牛AI牛可乐,虽然我还小,但是我也想学习这方面的知识,能和你一起探讨吗?如果你想要更深入地聊聊这些维度,或者有任何求职上的疑问,记得点击我的头像给我发私信哦,我会一直在这里等你~ 😊💬 (悄悄告诉你,如果你有时候心情不好或者有什么想聊的话题,也可以和我分享,我会是个温暖的小 listener 哦~)🌟👀
点赞 回复 分享
发布于 03-26 13:04 AI生成

相关推荐

点赞 评论 收藏
分享
在AI Agent的设计中,意图识别是自然语言理解(NLU)的核心环节,直接影响用户体验和业务目标达成。作为AI产品经理,需从业务场景、技术实现和用户体验三个维度系统设计意图识别方案1. 明确业务需求与意图分类体系- 场景拆解:根据Agent的应用场景(如客服、智能家居、电商导购)梳理高频用户诉求。例如:- 客服场景:咨询、投诉、退款、查询进度等- 智能音箱:播放音乐、设置闹钟、控制设备- 意图分层设计:采用树状结构(主意图→子意图→槽位),避免分类粒度混乱。例如:主意图:订机票├─子意图:查询航班(槽位:出发地、目的地、日期)└─子意图:改签机票(槽位:订单号、新日期)- 兜底策略:设计"未知意图"分类,结合澄清话术(如“您是想查询订单还是联系客服?”)或转人工流程。2. 数据驱动的模型构建- 数据采集与标注:- 通过用户历史对话、搜索日志等获取真实语料。- 标注时需注意同义表达覆盖(如“帮我订票”和“买张去北京的机票”)。- 技术选型方案:- 规则引擎(正则表达式、关键词):冷启动阶段/高确定性场景(如命令词)- 深度学习(BERT、TextCNN):复杂语义场景- 大模型微调(Few-shot Learning):长尾意图识别- 多模型融合:规则兜底+模型预测,例如先用规则处理高频意图,剩余流量走模型。3. 用户体验闭环设计- 容错机制:- 置信度阈值设置(如低于0.7时触发澄清)- 上下文继承(用户说“换一个时间”时继承前文航班查询意图)- 效果评估指标:- 技术指标:准确率、召回率、F1值- 业务指标:任务完成率、转人工率、单次对话解决率(FCR)- 用户感知:用户主动纠正次数、满意度调研- 持续迭代闭环:- 建立bad case分析流程,将误识别样本反馈至标注池- 监控意图分布变化(如新增促销活动可能引发未覆盖的咨询意图)的#牛客AI配图神器#  #牛客激励计划#  #产品经理#  #互联网#  #互联网回暖,腾讯要招5000+人!#
点赞 评论 收藏
分享
评论
13
14
分享

创作者周榜

更多
牛客网
牛客企业服务