VLLM 提示词大全：为什么需要精心设计提示词

VLLM 是一款高性能的 LLM 推理与服务引擎，它主要用于加速大语言模型的部署与推理，而不是直接提供对话界面。当您通过 API 或自定义界面使用 vLLM 时，提示词的质量直接影响模型输出的准确性与实用性。本页的 vLLM 提示词大全，汇集了多类场景下的提示词模板，您可以直接复制、修改后用于自己的项目中。

无论您是开发者、研究者还是普通用户，在设计提示词时都需要注意几个原则：明确任务目标、提供必要的上下文、规定输出格式。例如，在代码生成任务中，指明编程语言和功能要求，模型就能产出更贴合需求的代码；在文本摘要任务中，限定期望长度，就能避免冗长或过短的输出。

需要提醒的是，vLLM 本身不处理提示词模板，它只负责高效推理。因此您可以在任意支持 vLLM 的应用层中配置提示词，比如通过 OpenAI 兼容接口传递 prompt 字段。具体的 API 调用方式以 vLLM 官方信息为准。下面，我们将从问答、代码、写作、数据抽取等角度，提供几组实用的提示词模板。

模板一：通用知识问答

适用于需要快速获取某个领域知识或解答具体问题的场景。模板如下：

"请回答以下问题，并用简洁的中文给出答案：{{问题}}"

如果问题较复杂，可以补充："请分步骤解释，并给出关键细节。"例如：'请回答以下问题，并分步骤解释其中的原理：为什么天空是蓝色的？'这样模型会给出层次清晰、更易理解的回答。

使用该模板时，可以将 {{问题}} 替换为实际内容。若您希望限制回答长度，可以在提示词中加一句"尽量控制在 200 字以内"。注意，vLLM 的推理速度很快，但输出长度仍受 max_tokens 参数影响，具体请以官方信息为准。

模板二：代码生成与调试

面向开发者的代码生成提示词，可在 vLLM 驱动的代码助手中使用。模板如下：

"请用 Python 编写一个函数，实现：{{功能描述}}。要求包含注释，并处理输入为空的情况。"

例如："请用 Python 编写一个函数，实现：输入一个整数列表，返回所有偶数的平方。要求包含注释，并处理列表为空的情况。"这样模型会生成带注释、有边界检查的代码。

若要调试代码，可以使用："这是一段代码：{{代码}}。请找出其中的 bug，并给出修复后的完整版本。"该模板能有效利用模型的逻辑分析能力。实际使用中，请确保您的应用层已正确传递代码段，vLLM 会忠实地执行推理，不会做额外处理。

模板三：文本摘要与信息提取

对于长文档或新闻，快速生成摘要或提取关键信息是常见需求。模板如下：

"请对以下文本进行摘要，输出 3 个要点，每个要点不超过 20 字：{{文本}}"

例如："请对以下文本进行摘要，输出 3 个要点，每个要点不超过 20 字：今天上午，公司发布了新产品的 beta 版本，主要改进了用户界面，并修复了若干已知问题。"模型会输出简洁的要点。

若需要提取特定信息，可以使用："从以下文本中提取实体：公司名称、人名、日期。以 JSON 格式输出：{{文本}}"该模板适用于结构化信息抽取。提示词中的格式要求（如 JSON）能够引导模型稳定输出，这在 vLLM 的推理中同样有效。

模板四：创意写作与润色

适用于营销文案、故事创作或文本润色。模板如下：

"请根据以下主题写一段 200 字的中文宣传文案，风格活泼：{{主题}}"

例如："请根据以下主题写一段 200 字的中文宣传文案，风格活泼：一款新的智能手表。"模型会生成符合风格的文案。

润色场景可使用："请改写以下文本，使其更正式：{{文本}}"或"请将以下文本改成学术风格，并纠正语法错误：{{文本}}"。这些模板能帮助非专业写手快速获得高质量文本。使用时注意，模型输出的风格可能与预期有偏差，建议多尝试不同措辞。