吴恩达教你写提示词 ChatGPT prompt engineering

1. 关键提示（prompt）原则

1. 基础

• 大数据模型（LLM）分为两类
  • 基础大模型（Base LLM）：基于大量文本训练数据来预测最可能出现的词，可看做”成语接龙“
  • 调整型大模型（Instruction Tuned LLM）：在基础大模型的基础上，使用人类反馈强化学习（RLHF）来微调、使模型更好的遵循指令

2. 编写明确和具体的提示词

• 明确不代表短，更长的提示实际上提供了更多的清晰度和上下文
• 使用分隔符清楚的隔离输入的不同部分
  • ”“”
  • ’‘’
  • —
  • ：
  • <>
  • XML
• 要求结构化输出
  • HTML、JSON 等
    
• 要求模型检查是否满足条件
  • 根据检测自然语言是否满足条件，比如将首先、其次、然后以及最后等自然语言转化为步骤
    
• 少量样本训练提示（Claude 不能很好的完成、换成 New Bing 。。。）
  • 在 Prompt 中提供成功执行的示例，然后问新的问题、让 ChatGPT 提供对应的回答
    

3. 给模型时间“思考”

• 如果你给模型太复杂的任务，在短时间或者少量词完成它，他可能猜测结果、这可能导致不正确。此时你可以指示模型多花时间解决
• 明确的指示模型做出推理之前推理出自己的解决方案，然后进行对比

4. 模型的限制

• 幻觉：当它尝试回答晦涩主题的问题时，可能会编造听起来合理但实际不正确的内容
• 一个可能得解决策略：要求模型找到相关的引用，然后基于引用回答问题

5. 迭代式提示（prompt）开发过程

1. 想要完成任务的想法（Idea）
2. 编写一个清晰、具体且让系统有足够时间的提示（Prompt）
3. 运行它并查看结构，如果第一次效果不够好
4. 通过找出为什么说明不清晰，或没有足够时间思考
5. 重复上述过程

2. 提示（prompt）一些功能

1. 总结（summarizing）

• 可以总结评论、新闻等文案，生成简短的摘要
  

• 也可以根据实际需求，生成对应部分的摘要
  

2. 推理（inferring）

• 输入文本，执行某种分析任务，可能是：提取标签、提取名称、理解文本情感
  
  

3. 转换（transforming）

• 擅长讲输出转化为不同格式，比如从一种语言翻译成另一种语言，帮助拼写、语法纠正以及编写正则表达式
  • Translate the following English text to Chinese：”“” “”“
  • Proofread and correct the following text and rewrite the corrected version：”“” “”“

4. 扩展（expanding）

• 扩展是将短文本或主题列表转化为更长的文本，例如：电子邮件或某个主题的文章
  • Temperature：被叫做“温度”的关键参数，可视为模型的探索程度或随机性
    • 如果是 0 则趋向于同一个问题多次询问返回相同答案，大于 0 则趋向于同一个问题多次询问返回完全不同的答案
    • 如果需要系统可靠与可预测，应该将其设置为 0
    • 如果需要更有创意的方式输出，应该设置其大于 0

参考：
ChatGPT提示工程师｜AI大神吴恩达教你写提示词｜prompt engineering