Bootstrap

四、Prompt工程——简单应用


一、提示工程(Prompt Engineering)

提示工程也叫指令工程。

我们所说的Prompt就是指令,就是发给大模型的信息,比如给ChatGPT发送“写一个Shell脚本,实现docker的自动安装”“讲一个故事”“概括本文章的内容”等等,ChatGPT根据我们的指令进行回答

Prompt看似简单,但是想要通过他发挥出大模型的价值,或者说跟传统业务结合去实现一些功能,并非易事。现在已经出现了专门的岗位《Prompt工程师》,专门设计和优化Prompt。Prompt就像是AGI时代的编程语言。

二、Prompt基本法则

  • 尝试提示的多种表述以获得最佳结果:不同的Prompt会有不同的结果
  • 使用清晰简短的提示,避免不必要的词语:减少使用“最好”等程度词
  • 减少不精确的描述:少用不确定的词语,用“一句”取代“几句”
  • 说明具体要求,减少否定词语:用“使用两句话概括”取代“不要概括内容太多”
  • 不同的大模型对于相同Prompt的回答可能相差很远,需要持续调优

三、Prompt 调优

  • 角色: 根据不同的场景给大模型设置不同的角色,比如“你现在是一位具有十年工作经验的运维工程师,现在我要xxx(具体要求)”,这样往往可以得到更专业的回答
  • 指示: 对任务进行描述,特别是对于比较复杂的任务,要尽可能描述简单、清晰
  • 上下文: 给出与任务相关的其它背景信息(尤其在多轮交互中)
  • 例子: 必要时可以给出例子,学术中称为 one-shot learning, few-shot learning 或 in-context learning;实践证明其对输出正确性有帮助
  • 输入: 任务的输入信息;在提示词中明确的标识出输入
  • 输出: 输出的格式描述,以便后继模块自动解析模型的输出结果,比如(JSON、XML)

四、简单的例子

文本总结

在这里插入图片描述

文本判断

在这里插入图片描述

文本提取

在这里插入图片描述

文本转化——翻译

在这里插入图片描述

文本转化——语气

在这里插入图片描述

更多

更多的关于提示词工程的样例和法则学习,参考:https://www.learnprompt.pro/zh-Hans/docs/prompt-engineering/Role-Playing-Prompting/

结语

最后,引用数格科技AI网站上的一句话:“面对AI焦虑,你没必要跟汽车赛跑,而是应该考个驾照!

;