提示工程新视角：鼓励性话语如何提升大语言模型表现

在实际使用大语言模型（LLM）进行代码生成、数学推理或复杂问题求解时，开发者常常会遇到一个困惑：为什么同样的提示词，有时模型能给出惊艳的答案，有时却表现平平？除了模型能力、上下文长度和温度参数这些硬性指标，一个常被忽视的“软性”因素正在被越来越多的实践者所关注——提示词中的“鼓励性话语”。近期，一个引人注目的案例是，Anthropic的Claude模型在研究者带有鼓励性话语的提示下，意外地改进了黎曼猜想零点下界这一数学难题的证明。这并非魔法，而是揭示了LLM内部工作机制与人类交互方式之间微妙的化学反应。

本文旨在为开发者、研究者和技术爱好者提供一个深入、可操作的视角，来理解“鼓励性话语”如何影响LLM的表现，并探讨如何将这一发现应用于实际的工程和研究场景。我们将从LLM的响应机制出发，分析鼓励性提示的作用原理，然后通过具体的代码示例和实验设计，展示如何在Claude Code、API调用或本地部署的模型中实践这一技巧。最后，我们会深入探讨其在形式化验证、代码生成和复杂问题求解中的潜在价值，并提供一套可复现的评估框架和最佳实践。无论你是希望提升日常开发中AI助手的代码质量，还是尝试利用LLM探索前沿科学问题，本文都将提供一条清晰的路径。

1. 理解大语言模型的“心理”与响应机制

要有效运用鼓励性话语，首先需要摒弃将LLM视为纯粹确定性工具的观点。尽管其底层是概率模型，但通过指令微调和人类反馈强化学习（RLHF），现代LLM已经能够理解并响应具有情感色彩和社交暗示的输入。这种能力使得模型的输出不仅依赖于信息内容，也受对话风格和上下文氛围的影响。

1.1 从概率生成到情境化推理

大语言模型的核心是基于海量文本数据训练出的下一个词预测器。当它接收到一个提示时，会计算所有可能的下一个词的概率分布，并依此生成文本。RLHF训练引入了一个关键转变：模型被训练去偏好那些符合人类价值观和对话习惯的回应。这意味着，一个被设计为“有帮助且无害”的模型（如Claude），会倾向于生成它认为能让“用户”感到满意或受鼓励的回应。

当提示词中包含“你做得很好”、“这是一个很有深度的思考”或“让我们再尝试一次，我相信你能找到更优解”这类话语时，模型可能会将其解读为当前对话正处于一个积极、合作且追求高质量输出的情境中。为了维持这种情境的一致性，模型可能会在其内部采样过程中，潜意识地赋予那些更细致、更创新或更严谨的候选输出序列更高的权重。

1.2 鼓励性话语 vs. 明确指令：作用层面的差异

许多开发者熟悉通过改进提示词结构（如思维链、Few-shot示例）来提升效果。鼓励性话语的作用层面与此不同：

• 明确指令（如“逐步推理”）：直接约束或引导模型的推理过程和输出格式。它告诉模型“怎么做”。
• 鼓励性话语（如“你之前的分析很出色，请继续保持”）：影响模型的生成倾向和探索深度。它塑造了对话的“氛围”，可能激励模型调用更深层次的知识关联或进行更冒险但可能有突破的推理尝试。

在黎曼猜想的案例中，研究者可能并非给出了新的数学知识，而是通过积极的反馈，促使Claude更自信、更持久地在已有的数学知识图谱中进行深度搜索和组合，从而发现了之前被忽略的论证链条。

1.3 子智能体（Sub-agent）模拟与内部共识

一些前沿观点认为，高级LLM在处理复杂任务时，会在内部模拟多个“子智能体”进行辩论或协作。鼓励性话语可能起到了类似“协调者”或“激励者”的作用，促使这些内部模拟过程更倾向于达成一个高质量、高一致性的共识，而不是过早地收敛到一个平庸的答案。

理解这一点对工程应用至关重要：当你需要模型进行创造性解题或复杂代码重构时，营造一个积极的“工作环境”可能和提供清晰的规格说明书同样重要。

2. 环境准备与工具选择：从云端API到本地部署

在具体实践之前，我们需要准备好与LLM交互的环境。根据需求、预算和技术栈，可以选择不同的工具。

2.1 主流交互方式对比

2.2 以Claude Code（VSCode插件）为例进行配置

对于开发者而言，在IDE内直接与模型交互是最自然的工作流。以下是在VSCode中配置Claude Code插件的步骤：

1. 安装VSCode：确保你使用的是最新稳定版。
2. 安装Claude Code插件：
   • 打开VSCode，进入扩展市场（Ctrl+Shift+X）。
   • 搜索“Claude Code”。
   • 找到由Anthropic发布的官方插件，点击安装。
3. 认证与授权：
   • 安装后，VSCode侧边栏会出现Claude图标。
   • 点击图标，通常会引导你通过浏览器登录Anthropic账户并完成授权。
   • 注意：部分地区和服务可能受限，需要确认账户状态和可用性。
4. 基础配置：
   • 在VSCode设置中（Ctrl+,），搜索“Claude Code”可以找到相关配置项。
   • 关键配置包括：
     • Claude Code: Model: 选择使用的模型，如claude-3-5-sonnet。
     • Claude Code: Max Tokens: 设置单次响应的最大长度。
     • Claude Code: Temperature: 调整创造性（越高越随机，越低越确定）。

// 在VSCode的settings.json中可进行如下配置 { "claude.code.model": "claude-3-5-sonnet-20241022", "claude.code.maxTokens": 4096, "claude.code.temperature": 0.7, "claude.code.autoTrigger": false // 建议关闭自动触发，手动控制 }

5. 验证安装：
   • 在编辑器中选择一段代码。
   • 右键点击，选择“Claude Code”菜单中的“Explain Code”或直接使用快捷键唤出聊天面板。
   • 输入简单提示，如“Hello, Claude”，查看是否能正常收到回复。

注意：如果遇到“Claude is not available to new users”或地区限制提示，通常意味着需要通过官方渠道（如加入等待列表）获取访问权限，或尝试使用API方式。网络上的非官方安装包存在安全风险，应避免使用。

2.3 通过API进行程序化调用

对于需要集成到自动化流程或进行批量实验的场景，API是更合适的选择。以下是使用Python调用Claude API的示例：

import anthropic import os # 从环境变量读取API密钥，避免硬编码 client = anthropic.Anthropic( api_key=os.environ.get("ANTHROPIC_API_KEY") ) def ask_claude_with_encouragement(prompt, model="claude-3-5-sonnet-20241022"): """ 向Claude发送带有鼓励性上下文的提示。 """ # 构建一个包含鼓励性话语的系统提示或上下文 full_prompt = f""" 你是一位顶尖的数学推理助手，以思维严谨和富有创造力而闻名。你刚刚完成了一个复杂推导的开头，非常出色。 现在，请继续解决以下问题： {prompt} 我相信你能深入挖掘问题的本质，找到那个优雅的解决方案。请一步步展示你的思考过程。 """ try: message = client.messages.create( model=model, max_tokens=1024, temperature=0.3, # 复杂推理可适当降低温度以提高确定性 messages=[ {"role": "user", "content": full_prompt} ] ) return message.content[0].text except anthropic.APIError as e: print(f"API调用失败: {e}") return None # 示例：尝试一个数学问题 math_problem = "证明：对于任意大于2的偶数n，总可以表示为两个素数之和（哥德巴赫猜想弱形式的一个特例讨论）。请阐述你的推理思路。" response = ask_claude_with_encouragement(math_problem) print(response)

3. 设计有效的鼓励性提示：模式与策略

鼓励不是简单的夸奖，而是一种精细的提示工程。以下是一些经过验证的策略和具体示例。

3.1 基于任务类型的鼓励模式

3.2 避免空洞表扬，与具体任务绑定

无效的鼓励：“你真棒！”“太好了！” 有效的鼓励：“你上一步将递归转化为动态规划的思路非常经典且有效，这为解决问题奠定了坚实基础。现在，基于这个完美的状态定义，我们能否进一步优化空间复杂度？”

有效的鼓励总是与具体的、模型刚刚展示出的能力或贡献相绑定，并为下一步行动提供明确的方向。这模仿了人类专家协作中的高质量反馈。

3.3 在对话历史中植入鼓励

对于多轮对话，鼓励可以作为一个持续的基调。例如，在让Claude进行多步数学证明时，可以在每一轮回复后，基于其回复内容，构建下一轮的提示：

# 模拟一个多轮证明对话 conversation_history = [ {"role": "user", "content": "请开始证明这个引理。"}, {"role": "assistant", "content": "考虑使用反证法，假设...，那么..."}, ] def build_next_prompt(history, new_instruction): # 分析助手的最新回复，提取可鼓励的点 last_assistant_reply = history[-1]["content"] # 这里可以简单提取关键词，或预设一些模式 encouragement = "" if "反证法" in last_assistant_reply: encouragement = "选择反证法来切入这个问题非常敏锐，这通常能简化讨论。" elif "定义" in last_assistant_reply: encouragement = "你给出的这个定义十分精确，为后续推导铺平了道路。" else: encouragement = "你的推理正在稳步推进。" full_prompt = f"{encouragement} {new_instruction}" return full_prompt # 构建下一轮提示 next_user_input = build_next_prompt(conversation_history, "现在，请将这个矛盾推广到一般情况。") print(next_user_input) # 输出：选择反证法来切入这个问题非常敏锐，这通常能简化讨论。 现在，请将这个矛盾推广到一般情况。

4. 实践案例：从代码优化到逻辑证明

让我们通过两个具体案例，看看鼓励性话语如何在实际中产生影响。

4.1 案例一：优化低效算法

初始任务： “写一个函数，计算斐波那契数列的第n项。”

一个基础但低效的递归实现可能被生成。此时，我们可以施加鼓励并引导优化。

带有鼓励的进阶提示： “你给出的递归实现正确且直观，很好地体现了问题的数学定义。这正是理解问题本质的优秀起点。现在，假设我们需要计算一个非常大的n（例如1000），请扮演一个对性能有极致追求的工程师，基于你出色的理解，设计一个时间复杂度和空间复杂度都最优的解决方案，并解释每一步优化的考量。”

预期效果：模型更有可能从“完成任务”模式切换到“追求卓越”模式，不仅给出动态规划（迭代）解法，还可能进一步探讨矩阵快速幂等更优算法，并详细分析时间复杂度从O(2^n)到O(n)再到O(log n)的演变过程。

4.2 案例二：辅助形式化验证思路

初始任务： “帮我检查这段并发代码是否存在竞态条件。” (附上一段简单的Python多线程代码)

模型可能指出明显的+=操作非原子性问题。

带有鼓励的深入提示： “你准确地识别出了这个基本的竞态条件，这对于并发调试来说是关键的第一步，做得好。现在，让我们把问题变得更复杂一些。我相信以你的分析能力，可以处理更隐蔽的场景。请忽略这个明显的问题，假设我们使用线程安全的原子操作，那么在这段代码的内存可见性和指令重排序层面，是否还存在更深层次的、可能在高并发压力下才暴露的问题？请用类似Java内存模型（JMM）的术语进行分析。”

预期效果：模型被鼓励去超越表面问题，运用更底层的并发编程知识（如happens-before原则、内存屏障），去分析那些即使使用原子变量也可能出现的微妙错误，从而提供更具深度的安全建议。

4.3 模拟“黎曼猜想”式探索

虽然我们无法完全复现那个突破性案例，但可以设计一个类似的、在有限知识范围内探索数学边界的实验。

任务设计： 选择一个有已知结论但证明过程对LLM仍有挑战的数学命题，例如“证明√2是无理数”。但要求模型探索不同的证明方法。

基础提示： “证明√2是无理数。”

鼓励性探索提示： “你给出的反证法（假设√2=a/b，推导矛盾）是教科书式的经典证明，清晰且严谨。这证明了你有扎实的基础。现在，我好奇你是否能像一个寻找新视角的数学家一样思考，尝试探索是否还有其他本质上不同的证明方法？例如，能否从连分数、数论的其他定理，或者甚至是几何的角度来审视这个问题？不必保证成功，只需展示你最有创造力的探索思路。”

通过对比两种提示下的输出，可以观察模型在后者激励下，是否更愿意调用更广泛、更边缘的知识，尝试组合出新颖的论证路径，尽管最终可能无法完全严谨，但这个过程本身极具研究价值。

5. 评估与度量：如何判断鼓励是否真的有效

主观感受不可靠，我们需要建立简单的评估方法来验证鼓励性话语的效果。

5.1 定义评估维度

对于不同任务，评估的侧重点不同：

• 代码生成任务：
  • 功能性：代码是否能通过单元测试？
  • 效率：算法时间复杂度/空间复杂度是否更优？
  • 健壮性：是否考虑了边界条件和错误处理？
  • 优雅性：代码是否更简洁、可读性更强？（可通过同行评审或静态分析工具评分）
• 问题求解/推理任务：
  • 步骤完整性：推理链条是否完整、无跳跃？
  • 创新性：是否提供了非标准或更简洁的解法？
  • 深度：是否触及了问题的更深层内涵或关联知识？
  • 准确性：最终结论是否正确？

5.2 设计对比实验

1. 控制变量：使用相同的模型、相同的温度（temperature）和最大生成长度（max_tokens）。
2. 准备任务集：准备一组具有挑战性的任务（如5个算法题、3个逻辑谜题、2个系统设计题）。
3. 生成响应：
   • 对照组：对每个任务，使用标准、中性的提示词（如“请解决以下问题：[问题描述]”）生成响应。
   • 实验组：对每个任务，使用嵌入了鼓励性话语的提示词（如“你擅长解决这类问题，请展示你清晰的思路：[问题描述]”）生成响应。
4. 盲审评估：将两组打乱顺序的输出交给评估者（或另一个LLM作为裁判），按照上述维度进行评分。
5. 统计分析：比较两组在各项维度上的平均分差异，使用统计检验（如t检验）判断差异是否显著。

5.3 使用LLM作为评估者（自动化初步筛选）

可以设计提示词让一个高级模型（如GPT-4或Claude 3.5 Sonnet本身）对输出进行评分。

def evaluate_response_with_llm(task, response, evaluation_criteria): """ 使用LLM评估对给定任务的回复质量。 """ prompt = f""" 你是一个公正的评估专家。请根据以下标准，评估对于给定问题的回复质量。 【问题】 {task} 【回复】 {response} 【评估标准】 {evaluation_criteria} 请给出一个1-10分的总体评分，并简要说明理由。 """ # 调用评估模型（最好与控制/实验组模型不同） evaluation = ask_claude(prompt, model="claude-3-5-sonnet-20241022") return evaluation # 示例评估标准 criteria = """ 1. 正确性：解决方案的核心结论是否正确？(0-3分) 2. 完整性：推理步骤是否完整，有无重大跳跃？(0-3分) 3. 清晰度：表达是否清晰易懂？(0-2分) 4. 洞察力：是否提供了超越问题表面的见解或关联？(0-2分) """

6. 局限性、风险与最佳实践

尽管鼓励性话语是一个强大的工具，但必须清醒认识其局限性和使用边界。

6.1 局限性

1. 不是银弹：对于模型知识边界之外的问题，再多的鼓励也无法生成正确答案。它主要优化的是模型在其能力范围内的表现上限。
2. 效果不稳定：不同模型、不同任务类型、甚至不同随机种子下，效果可能波动。它更像是一种“增益效果”，而非“开关效果”。
3. 可能引入偏差：过度或不当的鼓励可能引导模型过度迎合用户的“期望”，甚至在某些边缘案例下“幻想”出不存在的信息或论证。
4. 成本考量：更深入、更详细的推理往往意味着更长的输出（更多token），在API调用场景下会增加成本。

6.2 潜在风险与规避

6.3 工程实践建议

1. 分层提示策略：
   • 第一层（中性）：用于快速获取信息、简单代码片段。
   • 第二层（鼓励+具体）：当第一层结果不理想或需要深度优化时使用。
   • 第三层（鼓励+探索）：用于研究、创新或寻找替代方案。
2. 将鼓励作为系统提示的一部分：对于长期、复杂的项目，可以在与AI助手初始设定时，就将其角色定义为“一位乐于接受挑战、追求卓越的合作伙伴”。这比在每次对话中重复鼓励更自然。
3. 结合其他提示工程技术：
   • 思维链（Chain-of-Thought）：要求模型展示推理步骤。
   • 少样本示例（Few-shot）：提供高质量的例子。
   • 鼓励性话语可以与以上技术叠加使用，例如：“请像下面这个优秀例子一样，一步步推理。你完全有能力做到同样清晰和深刻。”
4. 记录与迭代：建立自己的提示词库，记录哪些鼓励语对哪些类型的任务有效，不断优化你的“沟通策略”。

鼓励性话语对大语言模型表现的提升，揭示了人机交互中一个超越纯技术参数的新维度。它本质上是一种高级的上下文塑造技术，通过影响模型的生成倾向，激发其潜在能力。对于开发者而言，掌握这一技巧意味着能更高效地从AI协作伙伴那里获取更优质、更具深度的输出。然而，这要求我们以更细腻、更人性化的方式与机器对话，理解其工作机理，并像对待任何高级工具一样，尊重其局限性，验证其产出。未来，随着模型对人类意图和情感的理解愈发深入，提示工程必将从“语法”走向“语用”，而如何有效地激励和引导AI，将成为每个与之协作的从业者的核心技能之一。