序言
什么是 Prompt Engineering
提示词工程（Prompt Engineering），也被称为高下文提示（In-Context Prompting），指的是通过构造化文本等办法来完善提示词，勾引 LLM 输出我们期望的结果。通过提示词工程可以在不更新模型权重的情形下，让 LLM 完身分歧类型的任务。面对同样一个问题，为 LLM 设置不同的提示词，能够得到不同的回答结果。我们可以通过对 Prompt 的优化提升 LLM 的回答精度。
例如：
什么是 AI Gateway
AI Gateway 的定义是 AI Native 的 API Gateway，是基于 API Gateway 的能⼒来满⾜ AI Native 的需求。例如：
将传统的 QPS 限流扩展到 Token 限流。将传统的负载均衡/重试/fallback 能力延伸，支持对接多个大模型厂商 API，提高整体稳定性。扩展可不雅观测能力，支持不同模型之间效果的比拟 A/B Test，以及对话高下⽂链路 Tracing 等。Higress (https://github.com/alibaba/higress) 是阿⾥云开源的⼀款 AI Gateway，为开拓者供应了一站式的 AI 插件集和增强后端模型调度处理能力，使得 AI 与网关的集成更加便捷和高效。官方供应了丰富的插件库，涵盖 AI、流量管理、安全防护等常用功能，知足 90% 以上的业务场景需求。此外还支持 Wasm 插件扩展，支持多措辞编写 Wasm 插件，插件更新采取热插拔机制对流量无损。
本文紧张基于 Higress 的 Wasm 插件机制，利用 Go 进行插件的整体开拓和能力增强。详细可以参考：https://higress.io/docs/latest/plugins/custom/
Geo-IP 插件与 AI 提示词润色插件的结合与利用
插件参数配置
配置 Geo-IP 插件
启用 Geo-IP 插件（目前仅支持 IPv4），并配置：
BashipProtocal: "ipv4"
配置 AI 提示词润色插件
启用 AI 提示词润色插件，在配置的 content 中通过变量，注入地理位置信息：
Bashprepend:- content: "提问用户当前的地理位置信息是，国家：${geo-country}，省份：${geo-province}, 城市：${geo-city}" role: "system"append:- content: "每次回答完问题，考试测验进行反问" role: "user"
插件效果
示例要求⼀：
Bashcurl 'http://<这里换成网关公网IP>/api/openai/v1/chat/completions' \-H 'Accept: application/json, text/event-stream' \-H 'Content-Type: application/json' \--data-raw '{ "model":"qwen-long", "frequency_penalty":0, "max_tokens":800, "stream":false, "presence_penalty":0, "temperature":0.7, "top_p":0.95, "messages":[{"role":"user","content":"附近有什么旅游景点？"}] }'
示例相应一：
Bash{..."content": "附近热门的旅游景点有故宫、天安门广场、恭王府等。您对哪个景点更感兴趣呢？"...}
示例要求二：
Bashcurl 'http://<这里换成网关公网IP>/api/openai/v1/chat/completions' \-H 'Accept: application/json, text/event-stream' \-H 'Content-Type: application/json' \--data-raw '{ "model":"qwen-long", "frequency_penalty":0, "max_tokens":800, "stream":false, "presence_penalty":0, "temperature":0.7, "top_p":0.95, "messages":[{"role":"user","content":"怎么去喷鼻香港?"}] }'
示例相应二：
Bash{..."content": "从您所在的位置（北京市）前往喷鼻香港，您可以选择乘坐飞机、火车或者长途汽车等多种交通办法。\n\n1. 飞机：从北京都城国际机场出发，有多家航空公司供应直飞喷鼻香港的做事。\n2. 高铁：北京西站有直达喷鼻香港西九龙站的高速列车。\n3. 长途汽车：虽然不是主流办法，但也有部分长途汽车线路连接两地。\n\n您操持什么时候出发呢？不同的出行日期可能会有不同的票务情形和价格。"...}
示例要求三：
Bashcurl 'http://<这里换成网关公网IP>/api/openai/v1/chat/completions' \-H 'Accept: application/json, text/event-stream' \-H 'Content-Type: application/json' \--data-raw '{ "model":"qwen-long", "frequency_penalty":0, "max_tokens":800, "stream":false, "presence_penalty":0, "temperature":0.7, "top_p":0.95, "messages":[{"role":"user","content":"特色小吃有哪些?"}] }'
示例相应三：
Bash{..."content": "我可以帮您大概先容一下北京的一些特色小吃：\n\n1. 豆汁儿配焦圈：北京的传统小吃之一，豆汁儿口感独特，搭配焦圈食用。\n2. 炸酱面：北京非常有名的面条吃法，面条常日拌上特制的炸酱以及各种蔬菜丝。\n3. 卤煮火烧：以猪内脏和豆腐干为紧张质料，炖煮而成，汤味醇厚，是老北京的传统食品。\n4. 炒肝：一种类似卤煮的小吃，但是紧张用猪肝和大肠，加上蒜泥等调味品。\n5. 艾窝窝：糯米制成的甜食，外皮软糯，里面包裹着红豆沙或其他甜馅。\n6. 糖葫芦：串起来的山楂果，表面裹上一层糖浆，酸甜适口，很受欢迎。\n\n您对哪一种小吃比较感兴趣呢？或者您想理解更多有关这些小吃的信息吗？"...}
1. Geo-IP 插件基于用户 IP 获取用户干系的地理位置信息，如：国家、省份、城市等。
2. 基于 Higress 的 Property 机制实现跨插件间的数据通报，将 Geo-IP 插件获取的地理位置信息通报给 AI 提示词润色插件。
3. AI 提示词插件基于用户配置的提示词模板、用户输入，以及地理位置信息，天生增强后的用户要求发送给 LLM。
Geo-IP 插件实现
用户 IP 的获取：
当要求进入 onHttpRequestHeader( ) 函数时，如果用户是直接连接 Higress，就取 remote_address 作为用户 IP。如果用户通过代理做事访问 Higress，要求里包含要求头 X-forwarded-for，就解析 XFF 头取第一个 IP 地址作为原始用户 IP。
离线 IP 地址定位库内存优化：
Geo IP 插件内置离线 IP 地址定位库，数据来源：https://gitee.com/lionsoul/ip2region
由于默认供应的文件格式为：起始 IP 地址|结束 IP 地址|国家|区域|省份|城市|ISP，直接对数据进行存储存在较大的内存开销。因此首先对原始数据进行处理，将原始数据拆分为多个：IP 地址/子网掩码|国家|区域|省份|城市|ISP 的格式。然后基于加工后的数据格式，可以通过基数树（Radix Tree）的数据构造在内存中进行存储，终极在降落内存占用的同时，担保了 IP 地址的查找效率。
地理位置信息的通报：
起初希望通过 setContext 进行信息的通报。后来在和 Higress Maintainer 的沟通中理解到 Context 没有办法跨插件通报信息。须要通过 setProperty 设置到 metadata 中，其他插件通过 getProperty 获取。在此感谢 johnlanni 的热心解答和帮助。
AI 提示词润色插件增强实现
用户配置：
prepend:- role: system content: "提问用户当前的地理位置信息是，国家：${geo-country}，省份：${geo-province}, 城市：${geo-city}"
利用以上配置发起要求：
curl http://localhost/test \-H "content-type: application/json" \-d '{ "model":"gpt-3.5-turbo", "messages": [ { "role": "user", "content":"来日诰日景象怎么样" } ]}'
经由插件处理后，实际要求为：
curl http://localhost/test \-H "content-type: application/json" \-d '{ "model": "gpt-3.5-turbo", "messages": [ { "role": "system", "content": "提问用户当前的地理位置信息是，国家：中国，省份：浙江, 城市：杭州" }, { "role": "user", "content": "来日诰日景象怎么样" } ]}'
在设置提示词时，一样平常将提示词设置为 user 或 system 类型：
user：user 角色，代表当前用户。当用户向 LLM 提问或与其交互时，输入的内容都标记为 user。system：system 角色，代表系统级的或关照。用于存放提问的干系背景信息或一些预置规则。比如，我们在一个“写小红书文案”的场景中与 LLM 对话。那么“写小红书文案”这个场景中就会提前预置一些规则（比如字数哀求、emoji 图像等等）。这些规则便是 system。总结本⽂对 Prompt 的利用办法进行了大略先容，让大家理解到 Prompt 对付 LLM 的主要性。并考试测验在 Prompt 中结合用户 Geo IP 信息，实现 LLM 的个性化回答，提升问答的准确度。希望对你有帮助！
插件的实现已经提交 PR 给 Higress 开源社区，可以到这里查看完全的代码实现：
Geo-IP 插件实现：https://github.com/alibaba/higress/pull/1172
AI 提示词润色插件增强实现：
https://github.com/alibaba/higress/pull/1228
也欢迎⼤家提出宝贵建议，可以直接在上⾯ PR 中评论，或者在 Higress 社区互换群（钉钉群号：30735012403）⾥⼀起沟通。