通过前面的学习,我们知道用户可以通过提示(Prompt)来指导ChatGPT生成特定主题的文章、提供特定领域的建议、回答特定类型的问题等。
而提示工程(Prompt Engineering,也称为In-Context Prompting)指在不更新模型参数的前提下、通过输入文本等方法来操控大型语言模型(Large Language Model)以指导其行为、引导其生成我们需要的结果的方法。
目前提示工程还处在经验摸索阶段:不同的模型间所需的提升过程方法、以及最终的效果往往会有较大的差异,因此,需要大量实验和启发式的探索。
为了获得最佳的文字产出,正确提示的方法就成了重点。提示工程可以包括以下步骤:
- 确定生成文本的主题或领域;
- 设定生成文本的目标(例如,提供信息、解决问题);
- 列出可能的问题或关键词,以引导ChatGPT生成相关的文本;
- 对生成的文本进行评估和修改,以确保其符合预期的标准。
除了上述正确的步骤,了解 ChatGPT 的功能、限制,也至关重要。如果缺乏合适的引导,我们有可能始终无法产生理想的输出。
在《提问的艺术——让ChatGPT导出高质量答案》BlueFox翻译的这本小册子中,探讨了搭配 ChatGPT 使用的各种提示工程技术,讨论提示的不同类型,以及如何用它们实现特定需求。
下面就开启探索之旅——如何利用“指令提示技术”在 ChatGPT 中进行高质量产出。