🚀 在 VS Code 中！

AI 工具包中的 Prompt 工程

AI 工具包中的 Prompt 生成器简化了 Prompt 工程工作流程。它可以生成入门 Prompt，帮助您在每次运行时迭代和优化，通过 Prompt 链接和结构化输出分解复杂任务，并提供对代码的轻松访问，以便通过 API 无缝集成大型语言模型 (LLM)。

Getting started with prompt builder

创建、编辑和测试 Prompt

要访问 Prompt 生成器，请使用以下任一选项

  • 在 AI 工具包视图中，选择Prompt 生成器
  • 从模型目录中的模型卡片中选择在 Prompt 生成器中试用

要在 Prompt 生成器中测试 Prompt，请按照以下步骤操作

  1. 在模型中，从下拉列表中选择一个模型，或选择浏览模型以从模型目录中添加另一个模型。

    select a model

  2. 输入用户 Prompt，并可选择输入系统 Prompt。

    用户 Prompt 是您要发送到模型的输入。可选的系统 Prompt 用于提供带有相关上下文的指令，以指导模型响应。

    提示

    如果您不知道如何输入这些 Prompt，您可以以自然语言描述您的项目想法，并让 AI 驱动的功能为您生成 Prompt 以进行实验。 generate prompts with natural language

  3. 选择运行以将 Prompt 发送到所选模型。

  4. （可选）选择添加 Prompt以向对话添加更多用户和助手 Prompt，或选择将响应用作助手 Prompt作为您发送到模型的历史记录和上下文，以进一步指导模型的行为。

  5. 重复上述步骤，通过观察模型响应并更改 Prompt 来迭代您的 Prompt。

结构化输出

结构化输出支持可帮助您设计 Prompt，以结构化、可预测的格式交付输出。

Use structured output

要在 Prompt 生成器中测试 Prompt，请按照以下步骤操作

  1. 在响应区域中选择格式下拉列表，然后选择 json_schema。

  2. 选择准备架构，然后选择选择本地文件以使用您自己的架构，或选择使用示例以使用预定义的架构。

    如果您继续使用示例，则可以从下拉列表中选择一个架构。

  3. 选择运行以将 Prompt 发送到所选模型。

  4. 您还可以通过选择编辑来编辑架构。

    edit schema

将 Prompt 工程集成到您的应用程序中

在试验模型和 Prompt 后，您可以立即开始使用自动生成的 Python 代码进行编码。

view code

要查看 Python 代码，请按照以下步骤操作

  1. 选择查看代码。

  2. 对于 GitHub 上托管的模型，选择您要使用的推理 SDK。

    AI 工具包使用提供商的客户端 SDK 为您选择的模型生成代码。对于 GitHub 托管的模型，您可以选择要使用的推理 SDK：Azure AI Inference SDK 或来自模型提供商的 SDK，例如 OpenAI SDK 或 Mistral API。

  3. 生成的代码片段显示在一个新编辑器中，您可以在其中将其复制到您的应用程序中。

    要使用模型进行身份验证，您通常需要来自提供商的 API 密钥。要访问 GitHub 托管的模型，请在您的 GitHub 设置中生成个人访问令牌 (PAT)。

后续步骤

04/09/2025