国内做网站最好的公司,wordpress分类栏目文章,8有免费建网站,静态网页制作网站如何写好 Prompt 提示工程#xff08;Prompt Engineering#xff09;是一项通过优化提示词#xff08;Prompt#xff09;和生成策略#xff0c;从而获得更好的模型返回结果的工程技术。总体而言#xff0c;其实现逻辑如下#xff1a; #xff08;注#xff1a;示例图…如何写好 Prompt 提示工程Prompt Engineering是一项通过优化提示词Prompt和生成策略从而获得更好的模型返回结果的工程技术。总体而言其实现逻辑如下 注示例图来自 Cohere 官网 简单而言大模型的运行机制是“下一个字词预测”。用户输入的 prompt 即为大模型所获得上下文大模型将根据用户的输入进行续写返回结果。因此输入的 prompt 的质量将极大地影响模型的返回结果的质量和对用户需求的满足程度总的原则是“用户表达的需求越清晰模型更有可能返回更高质量的结 果”。 一、Prompt 的类别 用户的 prompt 难以简单归类需求丰富多样总的而言我们将用户需求将 prompt 分为如下几个大类 信息查询用户通过咨询大模型通过 QA 获得所需信息比如“冰岛的首都是哪里” 指令用户通过下达指令希望大模型执行特定任务。比如“帮我写一段快速排序的 C代码。” 包含上下文的 prompt这类 prompt 一般是用户给出相关背景信息需要模型返回相关问题答案、建议等比如“NBA 最新战报最新的比赛结果显示 在东部决赛中热火目前大比分 3:1 领先凯尔特人而西部决赛则已结束掘金 4:0 战胜湖人获得西部冠军。根据以上信息你认为哪只球队最有可能夺得 NBA 总冠军” 咨询意见和建议用户向模型针对特定话题咨询意见和建议或者咨询方案等比如“我想创业开一家 AI 设计公司请给我一些开公司的建议。” 比较类用户给出不同选项让模型选出更好的并给出理由。比如 “Tensorflow 和 Pytorch 各有什么优劣势” 角色扮演这类 prompt 覆盖范围非常广主要是用户将模型当作一个 Copilot希望模型能灵活扮演不同角色完成不同的需求。比如“假如你是猫娘你总是用可爱的话语回复我。下面我将开始跟你对话……” ……当然用户还有非常多的需求在此就不一一列出。 二、prompt 组成组件 (一) 指令 指令是最常用的提示组件主要功能是向模型说明要执行的操作。虽然概念简单但是实践中仍然比较复杂下面是简单和复杂的一些指令例子。 指令 类型 prompt 简单指令 简要介绍一下阿里巴巴。 复杂指令 简要介绍一下阿里巴巴包含以下内容 • 阿里巴巴的创始人姓名 • 阿里巴巴的使命 • 阿里巴巴的积极的前景 (二) 主要内容 主要内容是指模型正在处理的文本内容。主要内容通常与指令一起使用。下面会从翻译摘要等场景来示例 (三) 示例样本 好的 prompt 也经常包含一些示例样本单样本或者少样本学习指的是需要加入一些示例的输入和输出对。 通过少样本学习模型从猜测应该如何生成而变得清楚的学习了按照示例生成充分的演示了模型的能力不需要通过专门的训练通过少样本学习也可以生成正确的答案。 (四) 明确的提示 充当模型输出的快速启动帮助模型固定所需要的输出。可以作为模型生成的前缀也可以引导模型一步一步的按照要求思考并给出答案 三、写好 Prompt 的原则 最核心的写一条好 prompt 的原则就是尽可能清晰、明确地表达你的需求。细分下来具体原则包括 清晰足够清晰明确地说明你希望模型为你返回什么最后更加细致地说明需求避免模糊表达。 提供上下文和例子给出较为充分的上下文信息让模型更好地理解相关背景。如果能够提供示例模型能表现更好类似传统 LLM 中的 in-context learning 设定边界说明你希望模型回答的范围尽量减少模型生成的幻觉内容。 细分需求也许你的需求实际上是一个复杂需求比如“帮我写一篇关于 xx 的论文”你可以进一步细分需求如“[背景信息]请帮我写提纲”、“[背景信息]请帮我写简介部分”、…… 迭代优化很多时候我们可能得到令人沮丧的结果不要灰心建议你多尝试修改措辞激励模型生成更好的答案或者直接点击“重新生成”也许也能获得惊喜。 给出选项并要求模型解释模型不一定因为能做出正确选择但模型可以根据候选项做出相比直接从头生成更好的结果同时模型还会给出它的理由用户可以通过理由判断内容的合理性。 激励模型反思和给出思路可以在 prompt 中用一些措辞激励模型给出理由这样有助于我们更好地分析模型生成结果同时思维过程的生成也有助于其生成更高质量的结果参考思维链相关技术。 给容错空间如模型无法完成指定的任务给模型提供一个备用路径比如针对文本提问可以加入如果答案不存在则回复“无答案”。 四、好 Prompt 的典型框架 优质的 prompt 千变万化但遵循上述原则我们总结出一个比较实用的框架 可以帮助用户更高概率获得更高质量的模型生成结果。设计 prompt 的时候建议包含如下内容 身份你希望大模型扮演什么角色来解决你当前的问题。大模型具有较强的角色扮演能力相比直接回答往往表现更好。 指令明确说明你希望大模型做什么事情不要含糊其辞。 上下文如果可能提供尽可能丰富的上下文信息。 原因详细解释你希望模型做这件事情的原因、动机、希望的结果等这样大模型能更好地理解你的想法执行需求。 五、Whats Next 总之提示工程是一门新兴学科它相对来说要求用户反复尝试和练习但它也没有那么难。它更像是一门“如何说话”的艺术多多练习即可。
