提示工程入門

學習目標

在本課程中，我們將學習提示工程。

相關知識點

• 提示工程

學習內容

1 提示工程

提示工程是一門新興學科，專注于設計和優化提示詞以高效利用語言模型完成多樣化任務。掌握提示工程能幫助開發者更深入理解大語言模型(LLM)的能力邊界。研究人員通過提示工程提升模型在問答、數學推理等復雜任務的表現，開發者則借此構建更強大的LLM應用接口。

1.1 基礎提示詞

簡單提示即可獲得基礎輸出，但結果質量與信息量正相關。以下示例展示提示詞的演進：

初始提示:

天空是

輸出:

藍色的晴天時天空呈現藍色，陰天則可能變為灰色或白色

優化后提示

請補全句子：
天空是

輸出

如此美麗 today

通過明確指令，我們實現了提示工程的核心目標——設計最優指令使模型精準執行任務。現代LLM已能勝任文本摘要、數學推導、代碼生成等高級任務。

1.2 關鍵模型參數

通過API調用LLM時，需重點配置以下參數：

Temperature

• 低值：確定性高，始終選擇最高概率詞元

• 高值：隨機性強，激發創意輸出
  應用場景：事實類問答建議0.2-0.5，詩歌創作可設0.7-1.0

Top_p

• 核采樣技術，控制輸出多樣性

• 與temperature擇一調整即可

1.3 標準提示結構

基礎問答格式：

Q: <問題>?
A: 

小樣本提示(few-shot)示例：

Q: 如何泡綠茶？
A: 80℃水溫沖泡2-3分鐘Q: 如何泡紅茶？
A: 90℃水溫沖泡3-5分鐘Q: 如何泡烏龍茶？
A:

分類任務示例：

"太棒了！" // 正面
"糟透了" // 負面
"這部電影絕了！" // 正面
"演出太差勁了！" //

輸出: 負面

1.3 提示詞構成要素

完整提示可能包含：

• 指令：明確任務要求

• 上下文：輔助理解的背景信息

• 輸入數據：待處理內容

• 輸出指示：指定響應格式

1.4 設計原則

從簡開始

建議使用OpenAI Playground等工具逐步迭代：

• 基礎提示驗證可行性
• 逐步添加上下文和約束
• 記錄各版本效果

指令設計

• 使用明確動詞：“編寫”、“分類”、"總結"等
• 推薦指令前置并用分隔符強調：

### 指令 ###
將下文翻譯為法語：文本："你好！"

保持具體

• 詳細描述預期輸出樣式
• 提供示例效果顯著
• 注意提示詞長度限制

信息抽取示例：

從下文提取地名，格式：地點: <逗號分隔列表>輸入："...神經免疫學家Henrique Veiga-Fernandes在里斯本Champalimaud未知中心表示..."

輸出: 地點: Champalimaud未知中心, 里斯本

避免模糊

低效提示：

簡要解釋提示工程，不要過于描述性

高效提示：

用2-3句話向高中生解釋提示工程概念

正向引導

低效提示：

電影推薦機器人，不要詢問興趣，不要收集個人信息
用戶：根據我的興趣推薦電影
機器人：您喜歡什么類型電影？（錯誤示范）

高效提示：

電影推薦機器人需直接推薦全球熱門影片，禁止詢問用戶偏好。若無推薦選項則回復"今日無推薦"。
用戶：根據我的興趣推薦電影
機器人：當前全球熱門影片有：《阿凡達》《流浪地球》...(正確示范)

---

# 大語言模型提示工程與應用
1. 提示工程入門指南
2. 提示詞基礎使用方式
3. 大語言模型進階提示工程技術
4. LLMs文本生成與數據標注實踐：情感分析與葡萄酒品鑒
5. ChatGPT提示工程技術指南
6. 大語言模型對抗性提示安全防御指南
7. 提示工程：提升模型準確性與減少偏見的方法
8. 前沿提示工程技術探索