目錄
一、基本介紹
語言模型生成文本的基本特點
提示工程 prompt engineering
提示工程的優勢
使用注意事項
① 安全問題 ? ? ? ?
② 可信度問題
③ 時效性與專業性 ? ? ? ?
二、應用場景
能 ?≠ ?適合
應用場景 —— 百科知識
應用場景 —— 寫文案
應用場景 —— 解釋 / 編寫一段代碼
應用場景 —— 簡歷生成
應用場景 —— Excel應用
應用場景 —— 模擬面試
應用場景 —— 文章相關性打分
三、使用技巧
1.模型相關參數的設置
2.中英文prompt
3.不明確的prompt會引發猜測
?編輯
4.prompt結構示例
示例：?
?編輯
其他模板示例：
① Role-Task-Format (角色-任務-格式)
② Task-Action-Goal (任務-動作-目標)
③?Before-After-Bridge (之前-之后-橋梁)
④?Context-Action-Result-Example (環境-行動-結果-例子)
技巧
一個人很少能贏，但總有贏的時候
????????????????????????????????????????????????——25.3.26
一、基本介紹
????????語言模型 ?Language Model：根據上文，計算下一個字的概率分布
? ? ? ? 大模型也是同樣的原理：不斷依照概率選取下一個字，迭代生成文本
語言模型生成文本的基本特點
1.黑盒
2.相似的表達，不一定有相似的回復（隨機采樣策略）
3.完全相同的輸入，也可以有不同的結果（隨機采樣策略）
輸入的文本，也被稱為提示詞 prompt
提示工程 prompt engineering
????????提示工程（Prompt Engineering）是一門較新的學科，關注提示詞開發和優化，幫助用戶將大語言模型（Large Language Model, LLM）用于各場景和研究領域。 掌握了提示工程相關技能將有助于用戶更好地了解大型語言模型的能力和局限性。
????????研究人員可利用提示工程來提升大語言模型處理復雜任務場景的能力，如問答和算術推理能力。開發人員可通過提示工程設計、研發強大的工程技術，實現和大語言模型或其他生態工具的高效接軌。
????????提示工程不僅僅是關于設計和研發提示詞。它包含了與大語言模型交互和研發的各種技能和技術。提示工程在實現和大語言模型交互、對接，以及理解大語言模型能力方面都起著重要作用。用戶可以通過提示工程來提高大語言模型的安全性，也可以賦能大語言模型，比如借助專業領域知識和外部工具來增強大語言模型能力。
提示工程的優勢
? ? ? ? 如果任務定義的好的話，可以直接使用模型進行預測，而不需要傳統機器學習那樣訓練
????????模型不做針對性訓練，僅設計針對性的prompt
? ? ? ? 沒有標注成本，快速投入使用
? ? ? ? 應用范圍廣泛
使用注意事項
① 安全問題 ? ? ? ?
目前網上的許多類chatgpt項目是以接口方式提供服務，輸入問題都會被發送到對方服務器，需要注意數據安全
② 可信度問題
語言模型的生成結果本身具備一定隨機性
語言模型可以生成完全錯誤，但看起來通順的文本
③ 時效性與專業性 ? ? ? ?
脫離網絡的語言模型受制于訓練數據的時效性，在細分專業領域的回答受數據質量和數量限制?
二、應用場景
? ? ? ? 可以認為與文本（文字、代碼、字符）生成有關的，人類已有公開在線資料講述過的任務，ChatGPT都能做
能 ?≠ ?適合
適合使用提示工程來完成的場景： ① 自己完全能夠完成，但是很花時間 ② 自己沒有完整思路，但完全能夠判斷結果的正確性 ③ 純創意型場景（沒有正確性要求）
不建議的場景： ① 獲取自己不熟悉的領域的信息，或實時性信息 ② 數字計算型任務 ③ 處理分析很大量的數據
應用場景 —— 百科知識
應用場景 —— 寫文案
應用場景 —— 解釋 / 編寫一段代碼
應用場景 —— 簡歷生成
應用場景 —— Excel應用
應用場景 —— 模擬面試
應用場景 —— 文章相關性打分
三、使用技巧
1.模型相關參數的設置
2.中英文prompt
? ? ? ? 由于ChatGPT是英文訓練語料為主，一般來說使用英文會強于中文，但是區別沒有想象的那么大，如無特殊需求，中文一般可以滿足需求，不必強行配合翻譯軟件使用
? ? ? ? 國內的大模型一般使用中文提示詞問答效果較好
3.不明確的prompt會引發猜測
4.prompt結構示例
一個prompt中指令詞和輸入至少會存在一項，背景和輸出要求則可能均不存在
示例：?
其他模板示例：
① Role-Task-Format (角色-任務-格式)
- 角色：指定大模型的角色，比如“你是一個市場營銷專家”。
- 任務：明確任務，例如“你需要制定一個推廣策略，為運動品牌推廣新的健身服裝”。
- 格式：指定輸出格式，如“你的輸出應包括品牌核心信息、視覺元素設計、以及定位目標用戶的策略等”。
② Task-Action-Goal (任務-動作-目標)
- 任務：確定模型的任務，如“評估團隊成員的表現”。
- 動作：描述執行的動作，例如“分析每個團隊成員的優勢和劣勢”。
- 目標：設定明確的目標，如“提升團隊的整體表現，使客戶滿意度提高”
③?Before-After-Bridge (之前-之后-橋梁)
- 之前：描述當前狀態，如“我們目前在搜索引擎結果頁的排名是第50位”。
- 之后：明確期望結果，如“我們希望在三個月內進入前10名”。
- 橋梁：描述實現目標所需的步驟，如“制定和執行一個全面的搜索引擎優化策略”。
④?Context-Action-Result-Example (環境-行動-結果-例子)
- 環境：提供問題或活動的背景信息，例如“為了提升品牌形象，推廣我們的環保材料制成的新鞋”。
- 行動：描述要執行的具體行動，如“通過社交媒體進行一系列營銷策劃，重點突出鞋子的環保材料”。
- 結果：預期結果，如“提高消費者對品牌的認識，并增加銷量”。 - 例子: 提供類似的成功案例，如“從知名鞋類品牌與環保公司合作的例子尋找靈感。”
技巧
① 設定自己的角色
② 設定ChatGPT的角色
③ 詳細、明確的描述
④ 提供背景信息
⑤ 思維順序引導
⑥ 在提示詞中合理使用分隔符
⑦ 給模型一些拒識出口
⑧ 要求模型結構化輸出
⑨ 拆解任務步驟
⑩ 利用一些法則
? 讓AI自己提問
? 提供示例 Few shot
??加入思維鏈 Few shot with Chain-of-Thought
