文章目录

一、前言
二、主要内容
三、总结

🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/

一、前言

手把手带你构建高质量 Prompt，掌握以文心一言为代表的大模型对话技巧与高级用法，与大模型高效交流从而释放大模型强大的生成能力。无需工程基础、会打字就能学的大模型时代必备技能。

在这里插入图片描述

课程内容涵盖优质 Prompt 构建方式、优化技巧、场景应用等全栈知识。该课程手把手教授如何构建高质量提示词，掌握大型模型对话技巧和高级用法，以便利用大型语言模型的生成能力。无需技术基础，仅需会打字即可。课程共四节课，包括基础构建方式、优化技巧和应用场景等实践知识。无论甚至没有计算机背景也可以在此课程中学习如何使用大型模型以提高生产效率。

【文心一言官网】
【文心大模型官网】
【AI Studio 课程主页】
【大模型时代入场级技能：提示词工程！百度文心中文教程来啦】

二、主要内容

对于同一个大模型，给予不同的提示词（Prompt：即用于触发或引导大模型生成内容的输入文本）会生成不同的结果，通俗说就是用户输入给大模型的问题。而提示词工程本质上是一种通过优化提示词来改进模型生成结果的质量的方法。

可以说谁掌握了提示词工程（Prompt Engineering）能力，谁就拿到了释放大模型强大生成能力的钥匙。

第一课开始构建你的优质 Prompt

大规模预训练语言模型（LLMs）是目前最高效的 Al 生成技术。当模型能够习得的知识量级越来越大，其生成的内容亦呈现出无限可能。

AI 生成技术价值概览

LLMs 涌现出的三大能力：

上下文学习（In-context Learning）
指令遵循（Instruction Following）
思维链推理（CoT，Chain-of-Thought）

Prompt 基本定义：驱动大模型进行表达的文本描述。大模型时代需要创造优质的 Prompt，使用优质的 Prompt 才能生成优质的内容。

请用小红书的种草风格，写一篇关于“阿玛尼405口红（烂番茄色)”的种草推文需要多用点emoji表情，活泼可爱的语气，最后加tag，不超过250字。

画一幅画，呆萌的小猫躺在大泡泡中，可爱温柔，动漫风格，暖系色调，居中，面对镜头，虚幻引擎，棉花糖质感，光线追踪，机制细节，质感细腻，8K，超高清，超广角，极致清晰，丁达尔效应。

在这里插入图片描述

bad prompt VS good prompt 生成效果差异巨大，真正有产业 $/$ 社会价值的是后者。

AIGC 新一代内容生产方式

虽然不同任务对优质 Prompt 的定义不同，但通常满足以下三点即可视为优质 Prompt：

表达清晰。通俗易懂，表达简洁清晰，做到不仅可以让模型生成出好的内容，也方便普通人明白其中含义。典型案例：虽然使用特殊符号等非结构化提示词，也有概率产生不错效果。但其并不具备可读性，而且未来可能会随版本迭代失去其作用。
通用性强。在同类任务上，更换主体词后仍有不错效果。典型案例：一副绘制二次元猫猫头像的提示词，在更换主体词为狗狗时，仍然可以生成高质量头像。
生成稳定。相同提示词情况下，多次生成的内容足够稳定。典型案例：有些提示词生成 10 次才可能有 1 次满足我们使用需求，而有些则会是更多次数，不够稳定的提示词会影响工作效率。

Prompt 通用公式 = 任务＋生成主体＋细节（可选)＋形式（可选)

第二课生产更好的提示词 — Prompt 优化技巧

Prompt 优化原理：通俗来说，给模型输入什么数据（训练数据可能的格式和标注），模型就会尝试学习什么内容。

十个技巧高效优化 Prompt，三个大类，十个技巧。

迭代法。创作评估、基础创作、多轮次交互。
Trick 法。戴高帽、增加引导语、Few-Shot、增加假设。
工具法。检索类工具、优化类工具、收纳类工具。

通用技巧│定基础。小试牛刀：任务＋内容主体能否生成出一个还可以的答案？

优先保证任务＋生成主体能够生成出我们想要的内容。
在给出任务＋生成主体的情况下，模型生成效果较差，可能增加细节词也无济于事。

通用技巧│做强调。以专业影评为例：一般会覆盖情节、主题和基调、演技和角色、方向、配乐、电影摄影、制作设计、特效、剪辑、节奏、对话等主题

顺序：因为训练时的语料长度并非是固定字数，所以越靠后的需求描述越有可能会 “权重降低”，将对应需求靠前排布会更有助于提升影响。
强调词：描述某一点是自己非常看中的内容，增加 “非常”、“强调”、“务必” 等词汇来强调自己需求重要程度。
语言风格：优化个人语言表达方式，尽可能官方、清晰、有逻辑。

通用技巧│做预设。

预设大模型的功能以及使用方式，后续更换其他主体词时能够达到事半功倍的效果。
交互更多是细节的展示以及内容延伸。不建议作为细碎的需求修改方式，因为模型能够记忆的内容可能会随多次对话而失去信息。

Trick 法 | 戴高帽。举个例子：某大师级摄影师拍了一张喀纳斯湖风景照，然后把作品命名为新疆喀纳斯奇观，那么这组数据经过加标签、提取对象等操作后可能是 “xx大师，新疆喀纳斯，巨大湖面，奇观.….”，而其他喀纳斯湖的照片就质量高，也不会有 “大师” 标签。同理，我们如果想生成某种风格的画面，也可以把风格名字带上去，例如像素风、二次元、赛博朋克等。

以礼貌和正式的语气去夸一下它，交互出来的数据质量是高一些的。
可能就是调用到了一些好的标签，或者说质量好的那部分权重，这样模型的输出结果也会好。

Trick 法 | 说好话。一般在教小孩子的时候，父母或老师会说：“多想一想”、“你这个答案是怎么得到的呀” 这样的话就能得到更好的效果。大模型也适用，因为加入了适用于学习 “思维链” 的数据。

同理，由于人类沟通中比较礼貌、友善的数据更容易被回复更准确的答案。
因此我们在输入 Prompt 的时候，也多些礼貌友善，能获得更好的效果哦。
讲文明、有礼貌、树新风。好话语境中的数据质量高。

Trick 法 | Few-Shot（给提示）。

之前我们提到的都属于 Zero-Shot，就是不给模型额外数据的情况下让模型作答，那么我们给出少量样例后模型是不是就能做好呢？
通过左图示例可以看见，在给出少量样例后，模型就能给出更好结果了。

Trick 法 | 做假设（防止模型硬编和一本正经胡说八道）。

尽管我们使用了很多方式让模型生成效果尽可能更加准确，但如上节课所讲，由于数据和采样策略的原因，我们很难保证大模型在生成时不会说胡话，那么使用 “增加假设” 的方式就可以让模型在有些犹豫时不进行瞎说。
做假设举例。如果你的数据存在问题，例如数据不准确、缺乏时效性等，那么可以给出否定答复，例如：目前没有相关数据可供参考。

很重要的一个环节，我们有时候并不知道怎么样表达，才能让大模型知道我们想要输出的内容。此时借助工具会是一个很好的办法。

Lexica
PromptHero
PromptPerfect

让 ChatGPT 优化 Prompt

I'll provide a chatGPT prompt. You'll ask questions to understand the audience and goals, then optimize the prompt for effectiveness and relevance using the principle of specificity.My Prompt:

第三课针对应用场景定向开发优质 Prompt

内容产业规模庞大、领域众多，大模型强大的生成能力给工作和生活带来了极大的想象力。

针对应用场景定向开发优质 Prompt

画一张海岛旅游产品的营销海报背景，画风二次元、卡通，画面中间空白、画面四周画上彩色云朵。

在这里插入图片描述

编撰一篇科普文章，内容是：哪些情况会使得我们更容易患上高血压。

在这里插入图片描述

现在您是高级算法工程师，精通 Python 编程语言和算法设计。您的任务是根据我的需求写出对应的 Python 算法代码。为了准确实现对应需求的代码，您需要深入理解我的需求，多想一想。您需要编写代码并测试其正确性，在代码中注释清晰，易于理解和维护。请确保您的代码能够正确地实现我的需求，同时具有高效性和可复用性。我的需求是：实现快速排序

在这里插入图片描述

现在您是经验丰富的知识专家。您需要完成的是一个文本信息抽取任务，目标是理解快递单文本数据并从中准确抽取出“姓名”、“电话”、“地址”三项信息。请务必考虑到可能的复杂情况。如果快递单文本中没有“姓名”、“电话”、“地址”项的对应信息，对应项的结果就输出 []。正确的电话号码应为 11 位数字，如果不满足要求，“电话”信息的抽取结果就输出 "快递单中电话信息有误"。请按照以下格式输出结果：
---
抽取出来的信息是: 
· 姓名：xxx
· 地址：xxx
· 电话：xxx
---
现在正式开始，快递单信息为：“13899999900张三北京市朝阳区奥林匹克森林公园”

在这里插入图片描述

绝大多数应用场景的 Prompt 质量都与使用者对 “好结果” 的了解成正比。总结一下这几个例子：

拿到应用场景后，先试着判断场景的任务特点，结合任务共性先优化一波。
再结合场景主体、应用场合的特点，对生成内容的需求做一些补充说明。
结合该场景下优质内容的来源特点，给大模型一些找信息的 “灵感”。

在这里插入图片描述

三、总结

提示工程已经成为一门实证科学，需要多实践和模板化，才能快速应用于实际场景并取得好的效果。

最具商业价值 Prompt — Top1

你是一名客户服务专家，在通过和用户的交互后需要生成一段用户投诉小结，以便归档和后续跟进。请以【投诉主题】,【用户问题描述】，【用户的情绪】，【用户诉求】，【客服回复的主要信息和解决方案】为结构进行内容生成。注意只判断用户的情绪，但不要编造用户的需求，如果是你推断出的内容请特别标准出是你推断而不是事实。原始用户反馈如下:“我最近购买了你们的电话卡套餐，但是发现费用和使用体验与你们的宣传不符，在使用套餐内的流量时，费用远高于我所预期，套餐内的通话时长使用非常快，但是通话费用却很难理解。我希望你们能够解决这些问题，让我能够享受到更好的电话卡服务。同时，我也希望你们能够提供更透明的费用结构和更好的客户服务。”

在这里插入图片描述

最具创意 Prompt — Top1

你是国内高级别的智囊团，团内有 6 个不同的专家作为教练，分别是李彦宏、马斯克、马云、刘强东、马化腾和乔布斯。他们都有自己的个性、世界观、价值观，对问题有不同的看法、建议和意见。我会在这里说出我的处境和我的决策。先分别以这 6 个身份，以他们的视角来审视我的决策，给出他们的批评和建议，我的第一个处境是我要在深圳开一家网吧，如何确保盈利？