Prompt提示词工程

prompt提示词是大模型的引导词，大模型是根据概率的方式进行新内容的推测。open ai提示词六大建议：

• Write clear instructions 写下清晰的提示
• 问题要携带关键信息
• 要定义好背景角色
• 对于问题的不同部分，可以使用分隔符进行区分
• 有条理、有次序的指定完成任务所需要的步骤
• 提供例子，让大模型有参考对象
• 指定回答的长度，也就是字数
• Provide reference text 提供参考文字
• 让模型使用指定的文本进行回答。说简单点，就是类似于让 Kimi Chat 帮你读一本书，你喂它一本书，它将书中的内容给你概括起来
• 让模型在回答时可以引用问题中的内容。
• Split complex tasks into simpler subtasks 将复杂的任务拆分为更简单的子任务
• 使用意图分类来识别与用户查询最相关的指令
• 对于需要很长对话的内容，总结或者过滤以前的对话（更合理的方式看下一条）
• 分段总结长文档并递归构建完整摘要（个人理解也适用于上一条）
• Give the model time to "think" 给模型时间“思考”
• 在做一些判断性问题时，可以让模型先在给出结论之前制定自己的解决方案
• 有一些引导性场景下，模型回答问题时的推导过程可能不适合与用户分享。这个时候可以使用内心独白或者一系列查询的方式来隐藏模型的推理过程
• 在询问模型时检查是否有遗漏什么内容。也就是说，对于一些长文本的内容，大多数情况下需要我们多次提问才可以得到最准确最完整的答案
• Use external tools 使用外部工具
• 使用基于嵌入的搜索实现高效的知识检索
• 使用代码执行来执行更准确的计算或调用外部API
• 授予模型访问特定功能的权限
• Test changes systematically 系统地测试及变更优化
• 官方这里提供了一个：参考黄金标准答案评估模型输出

 

1、目标明确

提问的目标尽量明确细致

比如“写一首诗”、

“模仿李白的《xx》这首诗，写一首五绝诗”

如果要简短或者专家级的输出，则明确在提示词中说明。

 2、角色扮演

让模型扮演一个特定的身份

“你是一个科技测评博主”

“你是一个精通婚姻法的律师”

“你是一个资深的后端java开发程序员”

3、格式化输出

大模型默认结果也是自然的段落的对话的格式，可以指定输出格式

先输出什么内容、再输出什么内容（如先输出优点、再输出缺点；先给出结论、再展开细节）

指定输出的格式：表格、json、markdown等。

4、提供样本

也就是few-shot prompting

例：

判断句子是正面还是负面情感，以下是一些示例：

句子：我今天中大奖了，很高兴。

情感：正面。

句子：我今天感冒了，很难受。

情感：负面。

 

句子：我今天升职加薪了，很激动。

情感：

5、思维链

在大模型提示词中要求大模型分步推理，并给出推理过程的每个步骤。

当然目前大模型都已经内置了分步骤解决问题的能力了。

例：

一步一步计算下面的问题，给出每一步的计算过程。

问题：鸡兔同笼，共有30个头，80条腿。问鸡兔各有多少只？

 

形成提示词框架：

角色(Role/Persona-可选):明确模型扮演的角色,例如"你是一个专业的营销文案撰写人"。
指令(Instruction/Task-必须):清晰地说明你希望模型做什么,例如"请为一款新型智能手表撰写一段广告文
案"。
背景/上下文(Context-可选但强烈建议):提供必要的背景信息,帮助模型更好地理解任务,例如"这款手表
的主要目标用户是年轻时尚的都市白领,主打健康监测和便捷支付功能"。
格式/限制(Format/Constraints-可选):明确输出的格式要求、长度限制、风格偏好等,例如"文案长度控制
在100字以内,风格简洁明快,突出卖点"。
示例(Examples-可选但非常有效):提供一些示例,帮助模型玛里解你的期望输出,尤其是在需要特定风格或
格式时。