在深入研究 Prompt Engineering 的过程中，我们不可避免地会遇到各种各样的任务和挑战。为了在实践中更有效地应用 AI 大模型，我们需要借鉴过去的经验和教训，总结出一套具有普适性、可复用性和扩展性的设计模式。设计模式在 Prompt Engineering 中具有重要的意义和实用性，它们不仅可以帮助我们更快地找到高质量的 Prompt，还能提高 AI 大模型在各种应用场景中的性能。
设计模式是对过去成功案例和实践的总结和抽象，它们可以帮助我们理解和分析不同类型的任务，找到最适合的解决方案。通过研究和学习设计模式，我们可以掌握一套成熟的、经过实践检验的方法和技巧，避免在面对类似问题时重复发明轮子。同时，设计模式也具有很强的可扩展性，我们可以根据实际需求对其进行修改和扩展，以适应更多的场景和需求。
学习和掌握设计模式不仅有助于提高我们在 Prompt Engineering 中的专业素养，还能为我们在实际操作中提供强有力的支持。通过熟练运用设计模式，我们可以更快地找到解决问题的方法，减少试错成本，提高工作效率。同时，设计模式也为我们提供了一个共享的知识体系，有助于团队成员之间的沟通和协作，提高团队整体的执行力和创新能力。
总之，在 Prompt Engineering 领域，设计模式是一种宝贵的经验积累，它们为我们在应用 AI 大模型解决实际问题时提供了有效的指导和支持。通过学习和掌握设计模式，我们将能够更好地发挥 AI 大模型的潜力，为各种应用场景创造更多价值。
文本设计模式涵盖了多种分类和子分类，涉及基础模式、认知模式、泛化模式、思维模型和红客模式等。这些模式为我们在不同场景下引导 AI 大模型生成文本提供了有效的指导。
| 分类 | 子分类 | 解释 |
|---|---|---|
| 基础模式 | 基础问答 | 设计简单直接的问题和答案，以引导模型回答特定问题 |
| 基础模式 | 特定指令 | 向模型提供明确的任务指令，以期望获得特定类型的回答 |
| 基础模式 | 角色扮演 | 为模型设定特定角色，引导模型在回答问题时表现出角色的特点 |
| 基础模式 | 示范模式 | 为模型提供示范性的回答，以引导模型生成类似的输出 |
| 基础模式 | 强化 Prompt | 通过添加限制条件或详细说明，引导模型生成更精确的回答 |
| 认知模式 | 概念抽象 | 引导模型从具体实例中提取概念性信息 |
| 认知模式 | 信息对齐 | 引导模型将多个信息源进行融合和整合 |
| 认知模式 | 自我学习 | 设计问题让模型自我学习和探索新知识 |
| 认知模式 | 信息生成 | 引导模型生成新的信息或概念 |
| 泛化模式 | 思维链 | 设计一系列相关问题，引导模型沿着特定思路进行回答 |
| 泛化模式 | 零样本思维链 | 在没有给定上下文的情况下，引导模型生成一组有逻辑关联的回答 |
| 泛化模式 | 自洽模式 | 设计自洽的问题和答案，让模型生成自洽的输出 |
| 思维模型 | 模板方法 | 使用预设的问题和答案模板，引导模型生成相应类型的输出 |
| 思维模型 | 结构化模式 | 通过设置结构化的问题和答案格式，引导模型生成有序的输出 |
| 红客模式 | 提示注入 | 在 Prompt 中嵌入特定信息，以影响模型的回答 |
| 红客模式 | 提示泄漏 | 利用模型的信息泄漏问题，设计攻击性的 Prompt |
| 红客模式 | 越狱 | 利用模型的漏洞，设计越狱式的 Prompt |
| 红客模式 | 防御措施 | 设计防御性的 Prompt，以抵抗攻击和信息泄漏 |
图片设计模式则包括物体、空间、纹理、光影、氛围、技术和细节等方面，帮助我们更好地引导 AI 大模型生成与特定任务相关的图片。
| 分类 | 子分类 | 解释 |
|---|---|---|
| 物体 | 场景 | 室内、室外、森林、城市等 |
| 物体 | 角色 | 钢铁侠、小红帽、警察、医生等 |
| 物体 | 服饰 | 潮流服装、民族服饰、职业装等 |
| 物体 | 动作 | 跑步、跳跃、搬运、拥抱等 |
| 物体 | 身体部位 | 手、脚、眼睛、鼻子等 |
| 空间 | 空间层次 | 前景、中景、背景等 |
| 空间 | 透视关系 | 一点透视、二点透视、三点透视等 |
| 空间 | 构图 | 三分法、黄金分割、对称构图等 |
| 空间 | 比例 | 大小关系、长宽比、高低对比等 |
| 空间 | 线条 | 直线、曲线、波浪线、虚线等 |
| 纹理 | 方向 | 水平、垂直、斜向、交叉等 |
| 纹理 | 类型 | 平滑、粗糙、液态、凹凸等 |
| 光影 | 类型 | 自然光、人造光、逆光、侧光等 |
| 光影 | 方向 | 上、下、左、右、前、后等 |
| 光影 | 强度 | 强光、弱光、柔光、硬光等 |
| 氛围 | 天气 | 晴天、风暴、小雨、下雪等 |
| 氛围 | 情感 | 欢乐、悲伤、愤怒、平静等 |
| 氛围 | 主题 | 爱情、科幻、历史、童话等 |
| 氛围 | 色彩 | 冷色系、暖色系、鲜艳、柔和等 |
| 技术 | 画风 | 写实、卡通、抽象、装饰等 |
| 技术 | 渲染 | 光滑、粗糙、湿润、透明等 |
| 技术 | 艺术风格 | 油画、素描、水彩、版画等 |
| 技术 | 清晰度 | 高清、模糊、虚化、锐利等 |
| 细节 | 文化背景 | 中国、美国、日本、印度等 |
| 细节 | 历史背景 | 古代、中世纪、现代、未来等 |
| 细节 | 道具 | 手机、汽车、宝剑、火炬等 |
| 细节 | 符号 | 和平、爱心、禁止、指引等 |
| 细节 | 尺寸 | 大、小、微型、巨型等 |
通过了解这些设计模式，您可以更好地把握如何引导 AI 生成与特定任务相关的文本和图片。这些模式涵盖了多种分类、子分类和具体解释，帮助您更深入地了解如何在不同场景下使用提示来引导 AI 大模型。无论是文本还是图片任务，掌握这些设计模式将有助于提高 AI 大模型在各种应用场景中的性能。同时，在实际操作过程中，您可能需要根据具体任务需求，灵活运用、组合和调整这些设计模式，以更好地满足您的需求。