得益于 ChatGPT 和其他大型语言模型，提示词工程学（Prompt Engineering）像风一样已迅速成为我们生活的一部分。这是一个全新的非常受欢迎的领域。也就是说，现在是提高您的技能并在提示词工程学方面变得更好的最佳时机。
如果您想知道提示词工程学（Prompt Engineering）到底是什么，我们就来问问 ChatGPT！
根据谷歌趋势数据，提示词工程学（Prompt Engineering）的搜索热度在过去几个月达到了顶峰。搜索提示词工程学（Prompt Engineering）的用户对“课程”、“学习”和“薪资”等后续主题感兴趣，该词的查询数量出现了突破。
提示词工程学（Prompt Engineering）入门
提示词工程学（Prompt Engineering）在充分利用大型语言模型 (LLM) 方面发挥着重要作用。如果提示写得好，答案就会变得更加准确、相关和有用。
以下是编写提示时的一些常识指南：
· 清楚地传达对模型的期望并提供具体说明。
· 包括所有必要的信息并指定您希望响应采用的格式或样式。
· 包含示例可以帮助模型理解所需的响应结构。
还有一些重要的注意事项需要记住：
· 回复可能包含错误
· 对同一提示的反应可能会有所不同
· 模型的知识基于收集训练数据的时间（例如ChatGPT的知识截止日期是2021年9月）
现在，我们将介绍您在与LLM大语言模型互动时可以遵循的4种非常重要的提示模式。
1.角色模式
使用角色模式，您可以要求 ChatGPT 以特定的身份、角色或者身份扮演某个特定的人、角色或对象来生成回答act as a specific Persona and perform a specific task.
2. 问题细节拆分模式
使用问题细节拆分模式，您可以请求 ChatGPT 根据问题拆分细化成后续问题提问，然后根据后续问题的回答来解决最初的问题。generate follow-up questions and use the answers for those questions to accurately answer the initial question.
3. 模板模式
我们可以提供一个模板并指示 ChatGPT 按照模板生成响应。为了进行演示，我将提供百度百科页面上有关唐朝的几个段落。使用这些段落，ChatGPT 将按照模板生成3个问题和答案。
4. 样本提示Zero-shot prompting
LLM可以遵循指示，且能够从提示词中学习模式并遵循响应其中的模式。这就是样本学习，我们可以训练模型如何对以前未遇到过事件进行分类学习。让我们以大众点评评论数据集为例，并要求模型确定特定评论的情绪。
