一、介绍

提示工程（Prompt Engineering）是创建有效提示以引导语言模型生成所需输出的艺术与科学。随着语言模型的不断发展，学会有效地与它们交互变得至关重要。本指南旨在为用户提供有关如何设计和优化提示的实用建议，以便从语言模型中获取最佳结果。

二、提示的组成部分

1. 指令

这是明确告知语言模型你希望它执行的任务的部分。例如，“请总结以下文本”就是一个指令，它告诉模型要进行文本总结的任务。

指令应该清晰、具体，避免模糊或歧义，以便模型准确理解任务要求。

2. 上下文

提供与任务相关的背景信息，帮助语言模型更好地理解指令。

上下文可以是问题的背景、特定的场景描述或相关的历史信息等。

例如，如果要求模型回答关于某个特定历史事件的问题，可以提供一些关于该事件的背景信息作为上下文。

3. 输入数据

如果任务需要特定的输入数据，将其包含在提示中。

输入数据可以是文本、数字、列表等各种形式的数据。

例如，在要求模型进行文本翻译时，提供要翻译的文本作为输入数据。

4. 输出格式

指定你期望语言模型生成的输出格式。

输出格式可以是特定的文本结构、特定的语言风格、特定的回答格式等。

例如，要求模型以列表形式回答问题，或者要求输出的文本具有特定的字数限制等。

三、设计有效的提示

1. 明确具体

确保提示清晰、具体地传达了你希望语言模型执行的任务。避免使用模糊或歧义的语言，让模型能够准确理解任务要求。

例如，“写一篇关于动物的文章”比较模糊，可以改为“写一篇 500 字左右关于大熊猫的科普文章”，这样更加明确具体。

2. 提供上下文

如果可能，提供与任务相关的背景信息，以便语言模型更好地理解指令。

上下文可以帮助模型更准确地回答问题或生成更符合要求的文本。

例如，在询问关于某个历史事件的问题时，可以提供事件发生的时间、地点、相关人物等背景信息。

3. 使用简洁的语言

避免冗长复杂的句子，使用简洁明了的语言表达你的要求。

简洁的提示可以让模型更容易理解任务，提高生成结果的质量和效率。

例如，“请用简单的语言解释量子力学的基本概念”比“请用非常复杂和冗长的语言来详细地解释一下量子力学的基本概念到底是什么”更加简洁有效。

4. 指定输出格式

明确告诉语言模型你期望的输出格式，这有助于它生成更符合你需求的结果。

可以指定输出的文本结构、语言风格、字数限制等。

例如，“以诗歌的形式回答问题”或者“输出的答案不超过 100 个字”。

5. 进行实验和迭代

尝试不同的提示，观察语言模型的输出，并根据结果进行调整和改进。

提示工程是一个不断尝试和优化的过程，通过实验可以找到最适合特定任务的提示。

例如，对于同一个问题，可以尝试不同的指令、上下文和输出格式，比较模型的输出结果，选择最佳的提示。

四、高级提示技术

1. 零样本

在没有任何示例的情况下，仅通过指令让语言模型执行任务。

这种方法适用于一些通用的任务，如文本生成、问答等。

例如，“请描述一下未来的城市生活”就是一个零-shot 提示，没有提供任何示例，直接让模型进行描述。

2. 少量样本

提供少量的示例，帮助语言模型更好地理解任务和输出格式。

示例可以是输入 - 输出对，也可以是仅包含输出的示例。

少-shot 提示可以提高模型的性能，特别是对于一些复杂的任务或新的领域。

例如，要求模型进行文本分类，可以提供几个已分类的文本示例，让模型学习分类的模式。

3. 思维链提示

引导语言模型逐步思考问题，通过一系列中间步骤生成最终答案。这种方法可以提高答案的准确性和可解释性。

例如，当提出一个复杂的数学问题时，可以在提示中逐步引导模型进行分析，如“首先，确定问题中的关键信息。然后，思考可能的解题方法。最后，给出答案并解释你的思路。”

4. 自我一致性提示

让语言模型生成多个答案，并选择其中最一致的一个。这种方法可以减少随机性，提高结果的可靠性。

例如，可以要求模型对一个问题生成多个不同的答案，然后比较这些答案的一致性，选择最符合逻辑和最一致的答案。

五、应用场景

1. 文本生成

如文章写作、故事创作、对话生成等。可以通过明确的指令和特定的输出格式要求，让语言模型生成高质量的文本内容。

例如，“以科幻小说的风格写一个关于太空冒险的故事，故事中要有勇敢的宇航员、神秘的外星生物和惊险的情节。”

2. 问答系统

回答各种问题，提供准确的信息。通过提供清晰的问题和适当的上下文，语言模型可以给出详细的答案。

例如，“世界上面积最大的国家是哪个？请给出详细的介绍。”

3. 语言翻译

将一种语言翻译成另一种语言。明确输入的文本和期望的输出语言，语言模型可以进行准确的翻译。

例如，“请将‘Hello, world!’翻译成中文。”

4. 摘要生成

对长篇文本进行摘要提取。给出要总结的文本内容，并指定摘要的长度或格式要求。

例如，“请对以下新闻文章进行摘要，不超过 100 个字。”

5. 情感分析

分析文本的情感倾向。提供要分析的文本，让语言模型判断其情感是积极、消极还是中性。

例如，“分析这段评论的情感倾向：‘这个产品非常好用，我很满意。’”

6. 代码生成

根据自然语言描述生成代码。描述所需的功能或问题，语言模型可以生成相应的代码片段。

例如，“用 Python 写一个函数，实现两个数的加法。”

六、结论

提示工程是与语言模型进行有效交互的关键。通过设计清晰、具体的提示，并运用高级技术，可以从语言模型中获得更好的结果。不同的任务和应用场景需要不同的提示策略，因此需要不断尝试和改进提示，以适应各种需求。随着语言模型的不断发展，提示工程也将变得越来越重要，为用户提供更强大、更智能的交互体验。

资料

https://platform.openai.com/docs/guides/prompt-engineering