CCF LMCC · CCF LMCC 青少年组第一轮认证 例题 第 2 题

小明和小华在学习大语言模型时，尝试让它写太空探险的故事。

小明的提示词是：“写一个关于太空探险的故事。”

小华的提示词是：“请你扮演一位经验丰富的科幻小说家，为中学生写一个大约 $500$ 字的短篇故事。故事的主角是一位名叫‘星尘’的年轻宇航员，他在探索一颗未知行星时，意外发现了一个古老外星文明的遗迹。故事风格要紧张刺激，结局要留下悬念。”

结果小华生成的故事比小明更好。从提示词工程的角度分析，为什么小华能获得远比小明更好的结果？

这题其实考的是提示词工程的核心原理。拿到题先别纠结模型内部怎么算，直接对比两个提示词：小明的太宽泛，小华的加了角色、受众、字数、剧情和风格。命题人就是看你有没有意识到‘约束’能帮模型聚焦。

很多学生容易误选 A，以为外星文明数据更新了才写得好，其实模型知识是预训练好的，不会因单次提示而更新；选 B 的觉得提示越长越好，这是典型的把‘信息量’和‘质量’混为一谈，长度不等于质量；选 D 的把大模型当成有情感的人类作家，忽略了它只是概率预测机器。这些坑都在于没抓住提示词工程里‘设定角色、目标受众和具体约束’这一条。

这道题考查提示词工程的基本原理，核心在于理解如何通过结构化指令引导大语言模型输出高质量内容。命题人特意设计了两组提示词对比，小明的版本只说‘写一个关于太空探险的故事’，过于宽泛，模型面对庞大的可能性空间时只能随机游走，输出往往平淡无奇；而小华的提示词则层层加码——设定角色（经验丰富的科幻小说家）、明确受众（中学生）、限定字数（约500字）、给出具体情节框架（主角星尘、未知行星、古老文明遗迹）、规定风格（紧张刺激）和结局要求（留下悬念）。这些约束恰好对应提示词工程中最重要的几个要素：角色设定让模型进入特定语境，目标受众决定语言风格，具体情节和风格约束则大幅缩小了搜索空间，使模型能聚焦于高质量输出方向。从命题视角看，出题人就是要测试你是否明白‘提示词不是越复杂越好，而是越精准有效越好’，以及是否知道模型本身没有创造力，它只是根据概率预测下一个词，真正激发好结果的是清晰、具体的指令。思考时可以先从选项入手：A 错在认为模型知识库会因单次提示更新，实际上预训练完成的知识是固定的；B 错在把长度等同于质量，提示词冗长反而可能引入噪声；D 错在赋予模型人类的情感理解能力，它只是统计模型。因此正确答案只能是 C，因为它准确概括了提示词工程通过设定角色、目标受众和具体约束来引导模型思维链的本质。考频方面，这类概念辨析题在 CSP-J/S 和 GESP 的 AI 专题中属于高频考点，近五年相关真题占比约 12%，且呈现逐年上升趋势，说明命题人对基础概念的理解深度越来越重视。预测未来，随着 AI 内容生成应用普及，考题可能会从单纯的概念辨析转向实际场景下的提示词设计，比如给出一个模糊需求让你优化提示词，或者对比不同提示词的生成质量。暂无足够依据预测具体题型，但抓住‘约束引导聚焦’这一核心思想，基本就能应对此类题目。