中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

用戶在使用大模型產(chǎn)品的過(guò)程中，需要通過(guò)輸入精準(zhǔn)的prompt，來(lái)得到自己想要的答案。那么，在使用大模型的時(shí)候，我們要怎么寫(xiě)prompt，才可以更高效地獲得想要的答案？這篇文章里，作者便做了梳理和總結(jié)，或許會(huì)對(duì)想了解大模型的同學(xué)有所啟發(fā)。

前言

一直有在持續(xù)研究大語(yǔ)言模型，給身邊的朋友推薦了很多國(guó)內(nèi)外的GPT產(chǎn)品，大多數(shù)朋友體驗(yàn)完的感受就是“AI也就這樣吧～”，這可能也是Chat GPT在今年第二、三季度的日活開(kāi)始下滑的原因之一。

目前的市面上大部分的大模型訓(xùn)練數(shù)據(jù)量級(jí)少則都在百億級(jí)別，多則在萬(wàn)億級(jí)別，GPT的回答質(zhì)量高低一方面取決于模型本身的數(shù)據(jù)和對(duì)自然語(yǔ)言的理解，另一方面取決于我們輸入的提示內(nèi)容（prompt）是否足夠精準(zhǔn)和具體。

在今年五月份的一篇文章也有提到過(guò)如何使用GPT類產(chǎn)品，那么今天就從更專業(yè)的角度，再給大家詳細(xì)科普一下究竟如何寫(xiě)prompt，可以更高效得到你想要的答案？

一、基礎(chǔ)概念

在開(kāi)始寫(xiě) prompt之前，我們先了解關(guān)于prompt的這些基本概念：

1. Prompt定義

Prompt（提示）是一段文字、一句話或一個(gè)問(wèn)題，它被用來(lái)引導(dǎo)人工智能模型生成文本或執(zhí)行特定的任務(wù)。它是用戶與模型之間進(jìn)行交互的起點(diǎn)，用于明確用戶的需求和意圖。

2. prompt作用

Prompt的主要作用是引導(dǎo)模型進(jìn)行文本生成或其他自然語(yǔ)言處理任務(wù)。

模型會(huì)根據(jù)提示理解用戶的要求，并生成相應(yīng)的文本作為響應(yīng)。

3. 示例

一個(gè)常見(jiàn)的示例是，如果你想要讓模型翻譯一段文字成另一種語(yǔ)言，你可以使用以下提示：“請(qǐng)將下面的英文文本翻譯成法語(yǔ)?！痹谶@個(gè)提示中，明確了任務(wù)（翻譯）和要翻譯的語(yǔ)言（英文到法語(yǔ)）。

4. 任務(wù)導(dǎo)向

Prompt可以是任務(wù)導(dǎo)向的，它明確要求模型執(zhí)行特定的任務(wù)，如翻譯、回答問(wèn)題、生成文章等。任務(wù)導(dǎo)向的提示通常包含清晰的指令。

5. 開(kāi)放性提示

除了任務(wù)導(dǎo)向的提示，還可以使用開(kāi)放性提示，讓模型自由生成文本，例如：“請(qǐng)寫(xiě)一篇關(guān)于夏季的文章?！边@種提示不會(huì)明確規(guī)定具體的任務(wù)，模型需要自行決定生成什么內(nèi)容。

6. 上下文（背景）

在多輪對(duì)話或復(fù)雜任務(wù)中，提示可以包含上下文信息，以確保模型理解問(wèn)題的背景和條件。上下文可以幫助模型更好地生成相關(guān)的響應(yīng)。

二、不同類型prompt示例

1. 任務(wù)導(dǎo)向型

生成一首詩(shī)歌，主題是秋天。翻譯以下西班牙文句子成英文：“El sol brilla en el cielo.”回答問(wèn)題：“誰(shuí)是莎士比亞？”創(chuàng)建一則新聞標(biāo)題，涵蓋太空探索的最新進(jìn)展。

2. 開(kāi)放型

請(qǐng)寫(xiě)一封感謝信，內(nèi)容自由。描述一個(gè)你最喜歡的旅行目的地。編寫(xiě)一篇文章，討論氣候變化對(duì)環(huán)境的影響。請(qǐng)寫(xiě)一個(gè)故事，以“一只迷路的小狗”為主題。

3. 上下文

在以下對(duì)話中，作為第三輪的回應(yīng)，繼續(xù)對(duì)話：對(duì)話前兩輪：用戶：明天天氣怎么樣？模型：明天預(yù)計(jì)會(huì)有陣雨，最高溫度25°C。用戶：那我應(yīng)該穿什么？你是一名餐廳服務(wù)員，一位客人對(duì)你的建議提出了投訴，請(qǐng)回應(yīng)。

4. 提示設(shè)計(jì)

對(duì)比下面兩個(gè)提示，哪一個(gè)更適合獲取模型的長(zhǎng)篇文章回應(yīng)？提示1：請(qǐng)寫(xiě)一篇關(guān)于太陽(yáng)系的文章。提示2：請(qǐng)用詳細(xì)的文字描述太陽(yáng)系中每個(gè)行星的特點(diǎn)和軌道。

5. 復(fù)雜任務(wù)型

你是一位虛擬助手，一位用戶要求你協(xié)助安排一次商務(wù)旅行，包括預(yù)訂機(jī)票、酒店和制定行程安排。請(qǐng)?zhí)峁┮粋€(gè)適當(dāng)?shù)幕貞?yīng)。你是一名編程導(dǎo)師，一位學(xué)生向你提問(wèn)如何編寫(xiě)一個(gè)簡(jiǎn)單的網(wǎng)頁(yè)應(yīng)用程序。請(qǐng)解釋并提供指導(dǎo)。

看了上面的5種類型的prompt示例，大家有沒(méi)有一點(diǎn)找到一些規(guī)律，分別對(duì)應(yīng)在不同的使用場(chǎng)景中。比如你不知道自己的prompt哪個(gè)更優(yōu)或者不會(huì)寫(xiě)prompt也可以讓GPT幫助你，使用提示設(shè)計(jì)。

復(fù)雜任務(wù)型是我們比較高頻使用到的prompt類型，它是由特定場(chǎng)景的角色設(shè)定+上下文+任務(wù)組成的。掌握這個(gè)prompt結(jié)構(gòu)，可以讓prompt充當(dāng)任何角色幫助你高質(zhì)量輸出內(nèi)容。

三、prompt設(shè)計(jì)

1. prompt設(shè)計(jì)原則

1）清晰和明確

提示應(yīng)當(dāng)表達(dá)清晰和明確的指令或任務(wù)，使模型明白你想要什么。避免模糊不清或含糊的表述，以免引導(dǎo)模型產(chǎn)生不準(zhǔn)確的響應(yīng)。不佳示例：請(qǐng)寫(xiě)一篇文章。優(yōu)化示例：請(qǐng)寫(xiě)一篇關(guān)于氣候變化對(duì)極地冰融化的影響的文章。

2）具體性

提示應(yīng)盡可能具體，以減少模型的猜測(cè)和誤解。提供必要的上下文信息，以便模型理解問(wèn)題的背景和條件。不佳示例：請(qǐng)翻譯這句話。優(yōu)化示例：請(qǐng)將以下英文句子翻譯成法語(yǔ)：“The sun is shining in the sky.”

2）任務(wù)導(dǎo)向

如果你希望模型執(zhí)行特定任務(wù)，明確提供任務(wù)導(dǎo)向的提示，包括明確的動(dòng)作動(dòng)詞或指令。不佳示例：關(guān)于自然界的一些信息。優(yōu)化示例：請(qǐng)列舉五種生活在雨林中的動(dòng)植物。

3）不帶偏見(jiàn)

避免在提示中包含可能引導(dǎo)模型產(chǎn)生偏見(jiàn)或不公平內(nèi)容的語(yǔ)言。確保提示設(shè)計(jì)中的語(yǔ)言中性和尊重。

2. 編寫(xiě)高質(zhì)量prompt

• 仔細(xì)考慮任務(wù)：在編寫(xiě)提示時(shí)，首先明確任務(wù)和目標(biāo)。問(wèn)自己你想要模型做什么，以及你期望得到什么樣的響應(yīng)。
• 使用明確的語(yǔ)言：使用清晰、直接和明確的語(yǔ)言。不要留下歧義或多義性，以確保模型理解你的意圖。
• 提供上下文：如果需要，提供必要的上下文信息，以幫助模型更好地理解問(wèn)題。
• 避免過(guò)于復(fù)雜的提示：過(guò)于復(fù)雜或含糊不清的提示可能會(huì)導(dǎo)致模型產(chǎn)生混亂的響應(yīng)。保持提示簡(jiǎn)潔而具體。

提示設(shè)計(jì)1（簡(jiǎn)潔而具體）：“將以下英文句子翻譯成法文：‘Hello, how are you?’”

提示設(shè)計(jì)2（過(guò)于復(fù)雜和模糊）：“請(qǐng)將這個(gè)句子從英文轉(zhuǎn)化為法文，并考慮其中的問(wèn)候和詢問(wèn)對(duì)方的情感，以及可能的回應(yīng)。”

在這個(gè)例子中，提示設(shè)計(jì)1非常簡(jiǎn)潔而具體。它明確了任務(wù)，即將給定的英文句子翻譯成法文。這樣的提示很清晰，模型可以直接理解任務(wù)并提供正確的翻譯。

相比之下，提示設(shè)計(jì)2過(guò)于復(fù)雜和模糊。它包含了許多不相關(guān)的信息，例如情感和可能的回應(yīng)，這可能會(huì)讓模型感到困惑，并導(dǎo)致不準(zhǔn)確的翻譯或混亂的響應(yīng)。

3. 避免常見(jiàn)prompt設(shè)計(jì)錯(cuò)誤

1）不要假設(shè)模型知道你的意圖：不要期望模型能夠猜測(cè)你的意圖。確保你的提示能夠明確傳達(dá)你的需求。

2）避免含糊不清的問(wèn)題：避免使用模糊或開(kāi)放性的問(wèn)題，除非你明確希望獲得開(kāi)放性的響應(yīng)。任務(wù)導(dǎo)向的提示通常更有效。

3）謹(jǐn)慎使用負(fù)面指令：避免使用否定語(yǔ)言，因?yàn)樗赡軐?dǎo)致混淆或產(chǎn)生不期望的結(jié)果。

不清晰的提示：“不要忘記不按照這個(gè)方法做?！边@個(gè)提示使用了多個(gè)否定性詞匯（“不要”和“不按照”），這使得它的意思變得不明確。用戶可能會(huì)疑惑，到底是要按照這個(gè)方法做還是不要按照這個(gè)方法做，因?yàn)榉穸ㄐ栽~匯相互抵消，導(dǎo)致混淆。

更清晰的提示：“請(qǐng)按照這個(gè)方法操作。”在這個(gè)提示中，去掉了否定性詞匯，指令變得明確和清晰。用戶明白他們應(yīng)該按照給定的方法進(jìn)行操作，而不需要猜測(cè)是否需要做相反的事情。

4）考慮多個(gè)提示：如果你不滿意模型的響應(yīng)，不要猶豫嘗試不同的提示。不同的提示可能會(huì)產(chǎn)生不同的效果。

四、如何優(yōu)化prompt

1. 優(yōu)化提示以獲得更好的結(jié)果

• 明確目標(biāo)：在設(shè)計(jì)提示之前，明確你的任務(wù)目標(biāo)是什么。確定你希望模型生成什么樣的文本或完成什么任務(wù)。
• 考慮上下文：如果是多輪對(duì)話或需要依賴先前信息的任務(wù)，確保提示包含足夠的上下文信息，以便模型理解問(wèn)題的背景。
• 清晰明了：提示應(yīng)該清晰、明了，具體說(shuō)明你的需求或任務(wù)。避免使用模糊或多義性的語(yǔ)言。
• 任務(wù)導(dǎo)向性：如果需要模型執(zhí)行特定任務(wù)，使用任務(wù)導(dǎo)向性的提示，明確任務(wù)和行動(dòng)動(dòng)詞。
• 實(shí)驗(yàn)和反饋：在設(shè)計(jì)提示后，進(jìn)行實(shí)驗(yàn)，觀察模型的響應(yīng)，并收集用戶反饋。這有助于確定提示的有效性和效果。

2. 不斷迭代和實(shí)驗(yàn)以改進(jìn)提示的方法

1）嘗試不同的提示：不要害怕嘗試不同的提示，尤其是在初始嘗試沒(méi)有達(dá)到預(yù)期效果時(shí)。通過(guò)多次嘗試，你可以發(fā)現(xiàn)哪些提示對(duì)模型性能更有效。

2）收集反饋：收集用戶和領(lǐng)域?qū)＜业姆答?。他們的反饋可以提供有關(guān)提示效果的有用信息，并指導(dǎo)下一步的改進(jìn)。

3）使用探索性問(wèn)題：提出一系列探索性問(wèn)題，以測(cè)試模型在不同條件下的響應(yīng)。這有助于了解提示的效果。

例子：假設(shè)你正在開(kāi)發(fā)一個(gè)智能客服聊天機(jī)器人，其任務(wù)是回答關(guān)于產(chǎn)品的問(wèn)題。你已經(jīng)設(shè)計(jì)了一些提示，用于引導(dǎo)模型回答用戶的問(wèn)題?，F(xiàn)在，你希望測(cè)試這些提示的效果。

探索性問(wèn)題：

• 問(wèn)題類型1：“產(chǎn)品的尺寸是多少？”
• 問(wèn)題類型2：“這個(gè)產(chǎn)品有哪些顏色可供選擇？”
• 問(wèn)題類型3：“這個(gè)產(chǎn)品的價(jià)格是多少？”
• 問(wèn)題類型4：“產(chǎn)品在哪里生產(chǎn)？”
• 問(wèn)題類型5：“這個(gè)產(chǎn)品的評(píng)價(jià)如何？”

在這個(gè)示例中，你提出了一系列不同類型的問(wèn)題，涵蓋了尺寸、顏色、價(jià)格、制造地點(diǎn)和評(píng)價(jià)等方面。這些問(wèn)題代表了不同的查詢類型，有些可能需要模型回答一個(gè)具體的數(shù)值，而有些可能需要模型提供一些描述性信息。

通過(guò)觀察模型在回答這些不同類型問(wèn)題時(shí)的表現(xiàn)，你可以了解哪些提示對(duì)不同任務(wù)更有效，哪些可能需要進(jìn)一步改進(jìn)或優(yōu)化。這種方法有助于你更全面地了解提示的效果，以便在實(shí)際應(yīng)用中更好地滿足用戶的需求。

4）引入多樣性：嘗試在提示中引入一些多樣性，以測(cè)試模型的靈活性和適應(yīng)能力。不要一成不變地使用相同類型的提示。

3. 根據(jù)模型的反饋進(jìn)行調(diào)整

• 分析生成文本：仔細(xì)分析模型生成的文本，確定是否滿足了預(yù)期的標(biāo)準(zhǔn)。檢查文本的準(zhǔn)確性、流暢性和相關(guān)性。
• 識(shí)別問(wèn)題：如果模型的響應(yīng)不符合預(yù)期，嘗試確定問(wèn)題所在?？赡苁翘崾驹O(shè)計(jì)、上下文不足或任務(wù)定義的問(wèn)題。
• 調(diào)整提示：根據(jù)分析的結(jié)果，對(duì)prompt進(jìn)行調(diào)整?？梢愿鞔_地描述任務(wù)，提供更多上下文信息，或者改進(jìn)提示的語(yǔ)言。
• 重新實(shí)驗(yàn)：重新運(yùn)行實(shí)驗(yàn)，觀察模型的新響應(yīng)。不斷調(diào)整和測(cè)試，直到獲得期望的結(jié)果。

通過(guò)不斷迭代、實(shí)驗(yàn)和根據(jù)模型的反饋進(jìn)行調(diào)整，你可以優(yōu)化提示，以獲得更好的模型性能和生成文本的質(zhì)量。這是一個(gè)持續(xù)改進(jìn)的過(guò)程，可以幫助你充分利用自然語(yǔ)言處理模型的潛力。

五、prompt設(shè)計(jì)考慮倫理和法律

• 避免偏見(jiàn)和不公平性：提示設(shè)計(jì)應(yīng)避免包含偏見(jiàn)或不公平內(nèi)容，不應(yīng)歧視任何特定群體，不應(yīng)促使模型生成歧視性或有害的文本。
• 不誤導(dǎo)用戶：提示不應(yīng)具有誤導(dǎo)性。它們應(yīng)當(dāng)清晰明了，不應(yīng)故意誤導(dǎo)用戶，而應(yīng)當(dāng)以用戶的最佳利益為優(yōu)先考慮。
• 維護(hù)隱私：在多輪對(duì)話中，不應(yīng)泄露用戶的敏感信息或違反隱私。提示設(shè)計(jì)應(yīng)保護(hù)用戶的個(gè)人信息，符合數(shù)據(jù)隱私法規(guī)。
• 確保安全性：提示不應(yīng)鼓勵(lì)危險(xiǎn)、非法或有害的行為。它們應(yīng)當(dāng)有助于維護(hù)網(wǎng)絡(luò)和個(gè)人安全。
• 法律遵從性：提示設(shè)計(jì)應(yīng)符合適用的法律法規(guī)，包括數(shù)據(jù)隱私、版權(quán)和消費(fèi)者權(quán)益法規(guī)。

六、一些大模型AI產(chǎn)品如何設(shè)計(jì)prompt

1. 文心一言

用戶和模型直接進(jìn)行對(duì)話交互，文心一言在對(duì)話框提供了一些prompt示例和一言百寶箱，不難看出提供的prompt結(jié)構(gòu)基本都遵循前面提到的角色、任務(wù)、上下文、要求（對(duì)任務(wù)的補(bǔ)充）。例如：

任務(wù)：為電影[消失的她]寫(xiě)一則無(wú)劇透的影視評(píng)論任何?要求：為杭州亞運(yùn)會(huì)賦詩(shī)一首，要求表達(dá)出對(duì)杭州亞運(yùn)會(huì)的美好期待和祝福。

角色+任務(wù)+要求：請(qǐng)作為一名媒體編輯，寫(xiě)一個(gè)[九九重陽(yáng)節(jié)全民開(kāi)啟登山活動(dòng)]的新聞報(bào)道的標(biāo)題，要求主題明確、結(jié)構(gòu)合理、節(jié)奏鮮明、風(fēng)格獨(dú)特。

上下文+任務(wù)：想象一下你置身于一個(gè)魔法世界，你的魔法能力是可以隨心所欲地創(chuàng)造出任何東西?，F(xiàn)在，請(qǐng)寫(xiě)一篇關(guān)于你如何使用這個(gè)魔法能力的故事。

2. 訊飛星火

同樣是用戶與模型直接進(jìn)行對(duì)話交互，星火在個(gè)人用戶側(cè)的投入相對(duì)更多，不僅僅有文心一言的場(chǎng)景百寶箱，還有各類AI助手，并且還支持個(gè)人用戶上傳數(shù)據(jù)自定義AI助手，大大提升了大模型的可玩性及個(gè)性化程度。

訊飛的prompt基本都是這種復(fù)雜任務(wù)型的，角色設(shè)定（場(chǎng)景）+上下文+任務(wù)+要求。例如：

我希望你是一位手工達(dá)人，現(xiàn)在需要制作一個(gè)[手工紙杯女孩]主題的手工，需要用到[環(huán)保類材料，例如生活中常見(jiàn)的廢品]材料，請(qǐng)?zhí)峁┦止ぶ谱鞯慕坛獭?/p>

七、prompt學(xué)習(xí)

1. 在線教程和課程

prompt個(gè)人分享文章：https://hubeiqiao.notion.site/ChatGPT-c13f60d4adc14eb0ae73a58dca3a54af

油管的prompt視頻：https://www.youtube.com/watch?v=dOxUroR57xs

國(guó)外付費(fèi)的ChatGPT課程–初級(jí)：https://www.edx.org/learn/artificial-intelligence/edx-introduction-to-chatgpt

2. 論文

prompt一些論文研究：https://learnprompting.org/docs/intro

3. 博客和網(wǎng)站

文心一言的官方課程：https://yiyan.baidu.com/learn

https://github.com/dair-ai/Prompt-Engineering-Guide

https://github.com/openai/openai-cookbook/

AI新聞社區(qū)：https://news.bensbites.co/

國(guó)內(nèi)大神個(gè)人博客：https://learningprompt.wiki/zh-Hans/docs/recommend/information-worth-reading

Azure 官方prompt教程：https://learn.microsoft.com/zh-cn/azure/ai-services/openai/concepts/prompt-engineering

推薦小白先看文心一言的官方課程https://yiyan.baidu.com/learn，一共8節(jié)，深入淺出的帶你玩轉(zhuǎn)AI大模型。其次是prompt一些論文研究，了解大模型的原理有助于你寫(xiě)出更好的prompt。其他的感興趣可以多多了解。

八、總結(jié)

作為一個(gè)AIGC產(chǎn)品經(jīng)理，我認(rèn)為他的核心價(jià)值有兩點(diǎn)：

1. 場(chǎng)景切入

精準(zhǔn)的需求場(chǎng)景切入：產(chǎn)品經(jīng)理需要腦洞大開(kāi)，找準(zhǔn)用戶需求，結(jié)合AI滿足用戶在這一場(chǎng)景下的需求。

2. 低成本使用

低成本的讓普通用戶用起來(lái)：許多人都聽(tīng)過(guò)chat GPT和Midjourney，但由于目前有一定的使用門(mén)檻，很少有人真正的使用過(guò)它們，會(huì)用的人更是少之又少，那么AIGC產(chǎn)品經(jīng)理的價(jià)值就體現(xiàn)在，如何巧妙設(shè)計(jì)prompt和交互，讓普通人不改變現(xiàn)有的提問(wèn)習(xí)慣下就能更高效更精準(zhǔn)的進(jìn)行內(nèi)容創(chuàng)作。