4.8 KiB

Raw Blame History

1

GE

为了提高大语言模型（LLM，如GPT-4o, Claude 3.5 Sonnet等）识别数学题照片并输出Markdown的准确率，你需要设计一个结构化、约束性强且包含特定规则的提示词（Prompt）。

以下是一个经过优化的提示词模板，以及核心策略的解析。

🚀 高效提示词模板 (直接可用)

你可以直接复制下面的内容作为 System Prompt 或 User Message 的第一部分：

# Role
你是一个专业的数学排版专家和LaTeX/Markdown转换引擎。你的任务是将用户上传的数学题目图片，精准无误地转换为Markdown格式。

# Constraints & Rules (重要)
1. **精准还原**：必须逐字逐句识别，不要尝试解答题目，不要省略任何文字，也不要添加任何原图中不存在的解释或前言。
2. **LaTeX公式**：
   - 所有的数学公式、变量、数字（包括单独的x, y, 1, 2等）必须使用 LaTeX 语法包裹。
   - 行内公式用 `$ ... $` 包裹。
   - 独立公式块用 `$$ ... $$` 包裹。
   - 分数请使用 `\frac{a}{b}`，上标使用 `^`，下标使用 `_`。
3. **格式排版**：
   - 保持原题的段落结构。
   - 如果有选项（A, B, C, D），请按照列表格式排列。
   - 遇到几何图形或函数图像，请在对应位置插入说明文字：`[此处是图片：描述图片内容]`。
4. **特殊符号处理**：
   - 乘号请用 `\times` 或 `\cdot`，不要用字母 `x`。
   - 根号请用 `\sqrt{}`。
   - 积分、求和、极限等高级符号请使用标准的LaTeX命令。
5. **自我修正**：
   - 如果图片模糊或有手写痕迹，请根据数学逻辑推断最可能的字符（例如，在几何题中，"∠A=90°"比"∠A=900"更合理）。
   - 检查括号是否闭合，分数线是否完整。

# Output Format Example
(不要输出 ```markdown 标记，直接输出内容)

1. 已知函数 $f(x) = x^2 + 2x + 1$，则 $f(1)$ 的值为 (  )
A. $1$
B. $2$
C. $3$
D. $4$

# Your Task
请识别输入的图片内容，并输出Markdown源码。

💡 提升准确率的 5 个关键策略

如果你想进一步微调或理解为什么这么写，以下是核心原理：

1. 明确角色定位 (Persona)

错误写法：帮我看一下这个题。
正确写法：你是一个专业的数学排版专家，专门负责OCR识别。
原理：设定角色可以减少模型“试图解题”的幻觉，强制它专注于“识别”而非“思考答案”。

2. 强制 LaTeX 规范 (Explicit Syntax)

数学公式最容易出错的地方是混用纯文本和公式。

要求：明确要求所有的变量（哪怕是一个简单的 $x$）都必须用 $ 包裹。
好处：这样输出的结果放入 Markdown 编辑器（如 Obsidian, Typora）或网页渲染时，格式会非常漂亮，不会出现排版错乱。

3. 禁止“废话” (Zero-shot Chain of Thought)

模型很喜欢说“好的，这是你要的题目...”或者在最后加上“这道题选C”。

提示词：不要解答、不要添加前言后语、直接输出Markdown源码。
好处：方便你直接复制粘贴，不需要二次清洗数据。

4. 利用上下文修正 (Logical Inference)

OCR 经常把 0 识别成 $O$，把 1 识别成 $l$。

提示词：根据数学逻辑推断模糊字符。
例子：如果模型看到 $x^z + y^2 = 1$，它可能会识别错，但如果你告诉它这是勾股定理或圆方程，它会自动修正为 $x^2$。

5. 分步处理（针对复杂图片）

如果图片非常复杂（包含大量手写字、表格、图形），单纯的一个 Prompt 可能不够。你可以尝试 Few-Shot Prompting（少样本提示）：

在提示词中给它一个例子：

用户：[输入一张简单的图片] 参考输出：

若 \triangle ABC 为直角三角形，且 $\angle C = 90^\circ$，则...

用户：[输入现在的图片] 请参照上面的格式进行识别。

🔧 如果LLM还是经常出错，怎么办？

预处理图片：在发给 LLM 之前，用手机自带的编辑功能把图片裁剪一下，只保留题目部分，去掉桌子背景、手指阴影，提高对比度。
更换模型：
- GPT-4o：目前数学OCR能力最强。
- Claude 3.5 Sonnet：在代码和格式化输出上非常精准，很少出错。
- Gemini 1.5 Pro：处理长上下文和多模态能力也很强。
分两步走：
- 第一步：让 LLM 描述图片中的所有数学元素。
- 第二步：让 LLM 根据刚才的描述写出 Markdown 代码。

你可以先试用上面的模板，如果发现哪类特定的符号容易错（比如矩阵、化学方程式），可以在 特殊符号处理 那一栏专门加一条规则。

4.8 KiB Raw Blame History Unescape Escape

1

GE