prompt提示工程最佳实践课程笔记分享
输入“/”快速插入内容
prompt提示工程最佳实践课程笔记分享
prompt提示工程最佳实践课程笔记分享
飞书用户72502024年5月28日修改
📌
原创：AI 洞察笔记
这篇文章内容是根据Andrew Ng 和 OpenAI 的 Isa Fulford 在 2023 年 12 月 11 日的 NeurIPS 上所做的“使用大型语言模型进行应用开发”教程中的提示工程部分编写的，此后添加了许多丰富的内容和示例，分享给大家，希望对大家有所帮助。
1
技巧 #1：撰写清晰且具体的指令
详细描述问题的背景。明确问题可以有效减少产生无关或错误答案的风险。
你还可以使用分隔符来清楚地区分输入内容的不同部分。比如：章节标题、三重引号、三重反引号、三重破折号、尖括号、"####"。
明确你希望的输出格式或长度。一种方式是让模型模拟一个特定角色。例如：
“想象你是一位创意作家。”
“简洁地用两句话回答。”
“请为这段文本提供一个总结。这里有我喜欢的总结样例 ___”
提供示例。举个例子，以下是进行少样本提示的步骤：
1.
第一个示例（第一个“样本”）：给出一个提示和相应的输出/响应示例。
2.
第二个示例（第二个“样本”）：给出第二个提示和输出的示例。
3.
你的提示：给出你的具体提示。这样，你的模型就可以按照前两个示例建立的模式来回应。
2
技巧 #2：给模型足够的思考时间
模型在立即作出回应时更容易出现推理错误。
通过引导模型进行一连串的推理，可以使其更加分步骤、更加细致地思考。你可以要求一个“逐步思考的过程”或明确指出具体的步骤。这种简单的提示方式被广泛认为非常有效：“逐步进行思考。”
例如，如果你要求模型对学生的解答进行评分，你可以按以下步骤提示模型：
•
第 1 步：先解答问题，得出你自己的解决方案
•
第 2 步：把你的解决方案与学生的方案进行比较
•
第 3 步：在开始评估学生的解答之前，先完成你自己的解答过程
3
技巧 #3：重复提问
让模型多次回答同一个问题，以确定最佳答案。当准确性比延迟或成本更重要时，可以使用不同的指令生成多个回答。
以下是你可以调整的几个要素：
•
温度：用于调节大语言模型 (LLM) 回答的随机性或创新性。较高的温度设置能带来更多样和富有创造性的回答，而较低的温度则使回答更加保守和可预测。
•
样本数量：指的是在指令中给出的示例数（“样本”）。零样本意味着不提供任何示例，一样本则是提供一个示例，以此类推。
•
指令：可以是更直接或更间接，要求提供解释，进行比较等。