大模型提示词工程最佳实践

Prompt

Prompt 是什么？

Prompt 是一种人为构造的输入序列，用于引导 GPT 模型根据先前输入的内容生成相关的输出。简单来说，就是你向模型提供的 “提示词”。

在 ChatGpt 中，我们可以通过设计不同的 prompt，让模型生成与之相关的文本。例如，假设我们想让 ChatGpt 担任英语翻译。我们可以给模型提供以下 prompt：

我希望你能担任英语翻译、拼写校对和修辞改进的角色。
我会用任何语言和你交流，你会识别语言，将其翻译并用更为优美和精炼的英语回答我。
请将我简单的词汇和句子替换成更为优美和高雅的表达方式，确保意思不变，但使其更具文学性。
请仅回答更正和改进的部分，不要写解释。我的第一句话是“how are you ?，请翻译它。

这样，我们就可以期待模型生成一段文本了。

Prompt 如何生成？

prompt 如此重要，我们应该怎么去写一个好的 prompt 呢？github 上有位大佬 Matt Nigh。

https://github.com/mattnigh/ChatGPT3-Free-Prompt-List

CRISPE Prompt Framework，CRISPE 是首字母的缩写，分别代表以下含义：

CR：Capacity and Role（能力与角色），你希望 ChatGPT 扮演怎样的角色。

I：Insight（洞察），背景信息和上下文。

S：Statement（陈述），你希望 ChatGPT 做什么。

P：Personality（个性），你希望 ChatGPT 以什么风格或方式回答你。

E：Experiment（实验），要求 ChatGPT 为你提供多个答案。

github 上的那 prompt 角色大全基本都是 CRISPE 框架。

先定角色，后说背景，再提要求，最后定风格。是否生成多个例子可以看自己喜好。

Prompt 的重要性

合理使用 prompt 可以为 ChatGpt 带来很多好处。以下是一些例子：

• 提高生成准确性：通过正确的 prompt 引导，模型能够更好地理解用户的意图，从而生成更加准确的文本。
• 增强自由度：通过多种不同的 prompt，我们可以让模型生成各种各样的文本，增强了模型的表现力和自由度。
• 提高效率：如果我们已经知道要生成的文本大致内容，通过正确的 prompt 可以让模型更快地生成出我们想要的结果。

Prompt Engineering定义

定义：Prompt Engineering 是设计和优化输入提示（prompt）以获得预期输出的过程。在与大型语言模型（如 GPT-4）交互时，如何构造提示会显著影响模型的回答质量。

例子：

• 简单提示："告诉我关于猫的事情。"
• 优化提示："请详细描述猫的生物学特征、行为习惯以及它们在不同文化中的象征意义。"

通过优化提示，用户可以引导模型生成更详细和有用的回答。

Prompt Engineering 是设计和优化输入提示以获得预期输出的过程。为了在使用大型语言模型（如 GPT-4）时获得最佳结果，以下是一些最佳实践：

Prompt Engineering最佳实践

1. 明确目标

最佳实践：明确你希望模型完成的任务或回答的问题。

示例：

• 目标不明确："告诉我关于气候变化的事情。"
• 目标明确："请简要描述气候变化的主要原因及其对农业的影响。"

2. 提供上下文

最佳实践：为模型提供必要的背景信息或上下文，以帮助其理解任务。

示例：

• 无上下文："解释一下微积分。"
• 有上下文："作为一名高中生，我正在学习微积分。请用简单的语言解释一下微积分的基本概念。"

3. 使用具体的指示

最佳实践：使用明确的指示和要求，避免模糊不清的提示。

示例：

• 模糊指示："写一篇关于技术的文章。"
• 具体指示："请写一篇关于人工智能在医疗领域应用的文章，包含以下几点：应用场景、优势和挑战。"

4. 提供示例

最佳实践：通过提供示例来展示你期望的输出格式或内容。

示例：

• 无示例："生成一个关于产品的报告。"
• 有示例："生成一个关于产品的报告，格式如下：\n\n- 产品名称：\n- 价格：\n- 特点：\n- 优点：\n- 缺点："

5. 使用分步指示

最佳实践：对于复杂任务，分解为多个步骤，逐步引导模型完成。

示例：

• 一步完成："解释并解决这个数学问题：2x + 3 = 7。"
• 分步指示："首先，解释如何解方程。然后，解方程2x + 3 = 7。"

6. 控制输出长度

最佳实践：通过提示控制输出的长度，确保内容简洁或详细。

示例：

• 无长度控制："解释一下量子力学。"
• 有长度控制："用不超过100字解释量子力学的基本概念。"

7. 使用占位符和模板