關(guān)于大模型的使用——提示詞工程原創(chuàng)

發(fā)布于 2024-11-14 10:27

瀏覽

0收藏

?“ 學會寫提示詞，就類似于學會使用電腦的鼠標和鍵盤，這是學習和使用大模型必備的技能之一。而提示詞工程就是讓你學會怎么和大模型說話 ”

最近斷斷續(xù)續(xù)一直有人通過后臺留言或加微信的方式，來咨詢大模型的應(yīng)用問題；比如，怎么用大模型優(yōu)化文本，或者怎么才能從大模型得到更好的回答等問題。

這些零零散散的問題，其實歸根結(jié)底都屬于大模型的應(yīng)用問題，而大模型的應(yīng)用目前最常用，也是最重要的手段就是提示詞工程。簡單來說，就是怎么更好的問大模型問題或者說讓大模型更好的理解我們的意圖，然后給出更好的輸出。

所以，要想學會使用大模型，最簡單也是最直接的辦法就是學習提示詞工程。

提示詞工程

在之前的文章中也簡單介紹過提示詞工程，提示詞工程這玩意說起來挺高大上，但實際上就是一門基于經(jīng)驗的科學。這玩意就像我們大部分人的表達能力一樣，有些人三兩句話就能說清楚一個問題；而有些人噼里啪啦一大堆你都不知道他想表達什么。

所以，所謂的提示詞工程就是我們對大模型的表達能力，能夠用簡短直接的語言，讓大模型理解我們想要什么，想做什么。

關(guān)于大模型的使用——提示詞工程-AI.x社區(qū)

提示工程（Prompt Engingering），也被稱為上下文提示（In-Context Prompting），指的是通過結(jié)構(gòu)化文本等方式來完善提示詞，引導LLM輸出我們期望的結(jié)果。

以上就是網(wǎng)上對提示詞工程的定義，雖然有些文章對提示詞的定義有一些出入，但大體上就是這個意思。

很多人看到提示詞工程這幾個字，就會覺得這是一個高大上的玩意；然后也不知道從哪下手，就從網(wǎng)上找一些亂七八糟的課程去學習怎么寫提示詞。

雖然說這些課程并不是完全沒用，但不得不說很多人還是把提示詞工程想的太復雜了。

從用戶的角度來說，大模型就是一個黑盒，你給大模型一個輸入，然后大模型根據(jù)自己的理解給出一個輸出。

而這個輸入就是提示詞，不論你輸入的是一句簡單的話，比如你吃飯了沒；還是一個非常專業(yè)的問題，比如，從理論，技術(shù)，應(yīng)用場景和發(fā)展現(xiàn)狀等多個角度介紹一下大模型；它們都屬于提示詞的范疇。

而提示詞工程，就是研究怎么用最簡單，最符合大模型“思維”方式的語言邏輯，來讓大模型理解問題并回答問題。

所以，現(xiàn)在再來講什么是提示詞？

你隨便對大模型說的一句話，一個字它就是提示詞，只不過你這句話說的可能不怎么好，大模型理解的也不好。

所以，現(xiàn)在理解什么是提示詞工程了吧？

提示詞工程，就是根據(jù)一些經(jīng)驗，用一些大模型更好理解的語言來把你說的話給優(yōu)化一下；這玩意就類似于給文章潤色，雖然你的文章內(nèi)容很堅實，但文筆可能寫得太差，別人看不下去。

提示詞工程，就是讓你學會怎么和大模型說話。

經(jīng)過一段時間的研究，網(wǎng)上已經(jīng)給出了一些標準的提示詞模板和范式；比如zero-shot prompting(零樣本提示)，few-shot prompting(少樣本提示)。

關(guān)于大模型的使用——提示詞工程-AI.x社區(qū)

其實說白了就是，零樣本提示是直接問問題，而少樣本提示是先舉個例子；這樣才能讓問題更生動，更容易理解。

還有一些提示詞框架，比如ICIO，CRISPE，BROKE等；不同的提示詞框架適合不同的應(yīng)用場景，比如說ICIO適合那種有著明確目的任務(wù)；而CRISPE適合角色扮演的任務(wù)；而BROKE又適合那種有著明確目的，又有適當角色并且能夠持續(xù)優(yōu)化的任務(wù)。

??Instruction (任務(wù))：你希望 AI 去做的任務(wù)，比如翻譯或者寫一段文字
??Context (背景)：給 AI 更多的背景信息，引導模型做出更貼合需求的回復，比如你要他寫的這段文字用在什么場景的、達到什么目的的
??Input Data (輸入數(shù)據(jù))：告訴 AI 你這次你要他處理的數(shù)據(jù)。比如你要他翻譯那么你每次要他翻譯的句子就是「輸入數(shù)據(jù)」
??Output Indicator (輸出格式)：告訴 AI 他輸出的時候要用什么格式、風格、類型，如果你無所謂它輸出時候的格式，也可以不寫