【LLM大模型】解锁LLM的金钥匙（Prompt Engneering）

AI-智能

于 2024-07-31 15:45:56 发布

阅读量585

点赞数 2

文章标签： prompt langchain LLM ai大模型人工智能大模型大语言模型

本文链接：https://blog.csdn.net/2401_82469710/article/details/140824784

版权

前言：

最近在学习AIGC时，总是会碰到一个关键词就是prompt，起初我还不以为意，这不就是我要向chatGPT问的话吗，让它帮我写点文章啥的，没什么好看的，是个人都会用。不知道小伙伴你，是不是也这么想呢？或许我们都还没有真正利用到大模型的开发效率，没有真正得到Prompt Engneering给我们带来的巨大好处，所以就让我们一起来学习、了解一下吧。

什么是prompt 和 Prompt Engineering

说了这么久，还没有解释一下什么是prompt呢，所以就浅浅的解释一下：

Prompt（提示）在人工智能和自然语言处理领域中，通常指的是用来引导或激发AI模型生成特定响应的一段文本或指令。它作为与AI模型交互的桥梁，帮助模型理解用户需求、上下文或期望的输出类型。例如，在使用一个文本生成模型时，用户可能会输入一个prompt：“请描述一下未来城市的交通系统”，模型则会基于这个提示生成相关的描述性文本。

Prompt Engineering（提示工程）则是指一种技术实践，专注于设计、优化和调整这些prompts，以提高AI模型的输出质量和效率。通过调整细微差别以及用户需求，进而创造性地构造prompt，引导AI模型产生更加准确、有创意或符合特定场景的回应。Prompt Engineering 的目标就是通过精心构造输入，最大化模型的表现，同时解决模型的局限性，如偏差、误解、或不切题的回复。简而言之，Prompt Engineering是提升AI应用效果的关键技能之一，尤其是在自然语言生成、问答系统和对话系统等场景下。

效率高的智能体，往往需要质量高的prompt

所以在编辑prompt的时候，遵循这么一些模式可以让我们收到的回复更加准确：

总结的prompt设计模式

把时间花在设计prompt上 (好的问题比答案也许更重要)
提供清晰、明确的提示，长提示效果好
给它一些例子，few shot 展示LLM的学习能力

Prompt设计精髓在于精心构思问题，因为优质提问直接引领卓越答案。关键技巧涉及构造清晰、详尽的指令，长Prompt往往能更精确地框定范围，引导AI理解复杂需求。融入“少样本学习”(Few-shot)，即提供典型示例，不仅展示过往成功案例，还诱发AI模型展现其强大的学习与生成潜力。

下面是一段：

javascript
 代码解读
复制代码
//node 里面的模块化里的关键字，引入模块
// 从本地node_modules 引入openai模块，OpenAI
require('dotenv').config();
const OpenAI = require('openai')
//环境变量
// console.log(process.env,'-----')
const client = new OpenAI({
          apiKey: process.env.OPENAI_API_KEY,
          baseURL: 'https://api.chatanywhere.tech/v1'
})
const getChatResponse = async function(model,prompt){
          const response = await client.chat.completions.create({
                    model: model,
                    messages: [
                        {
                            role: 'user',  
                            content: prompt
                        }
                    ]
          })
          return response.choices[0].message.content
}
async function mian(){
          let text= `
          请描述一下未来城市的交通系统
          `
          //llm 的 npl 总结能力
          // 转译符号 `\
          let prompt1 = `
          ${text}，20字以内    
          `
          let prompt2 = `
          任务：将给定的英文句子转换为Pig Latin（一种英语游戏用语）。
          
          示例1：
          输入："Hello World"
          Pig Latin 输出："Ellohay Orldway"

          示例2：
          输入："Good Morning"
          Pig Latin 输出："Oodgay Orningmay"

          现在，请执行：
          输入："The quick brown fox"
          `
          const  content1 = await getChatResponse('gpt-3.5-turbo',prompt1)
          const  content2 = await getChatResponse('gpt-3.5-turbo',prompt2)
          console.log(content1);
          console.log('--------------------分割线-----------------------');
          console.log(content2);
}
mian();

从代码可以看到这里的两个不同的prompt不同的风格： 如果我们给出prompt1一些限制和要求，它就会给你总结内容，拿到更加准确无误的答案。 在这里插入图片描述

但是当我们取消限制后它就会得到一大堆内容。在这里插入图片描述

就好比prompt2，给出了具体的例子让LLM去学习，然后给出了它的简短答案。可见你的prompt给出的细节越多，就越能让大模型了解我们的需求，并帮我们完成它。

如果有小伙伴运行不了，请查看是否下载了openai包，以及dotenv包，不会的可以看我上一章的内容。

总结

总结来说，Prompt是与AI模型沟通的“问题”或“指引”，而Prompt Engineering则是研究如何提出更好的问题，以促使AI给出更理想答案的过程和技术。

大家可以试试别的好玩的prompt，就像上面代码内的prompt2内容一样，通过你的引导，让大模型去生成更加有趣的内容吧！

如何系统的去学习AI大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ，朋友们如果有需要全套《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。

在这里插入图片描述

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
  - L1.4.1 知识大模型
  - L1.4.2 生产大模型
  - L1.4.3 模型工程方法论
  - L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
  - L2.1.1 OpenAI API接口
  - L2.1.2 Python接口接入
  - L2.1.3 BOT工具类框架
  - L2.1.4 代码示例
- L2.2 Prompt框架
  - L2.2.1 什么是Prompt
  - L2.2.2 Prompt框架应用现状
  - L2.2.3 基于GPTAS的Prompt框架
  - L2.2.4 Prompt框架与Thought
  - L2.2.5 Prompt框架与提示词
- L2.3 流水线工程
  - L2.3.1 流水线工程的概念
  - L2.3.2 流水线工程的优点
  - L2.3.3 流水线工程的应用
- L2.4 总结与展望

阶段3：AI大模型应用架构实践

目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
  - L3.1.1 Agent模型框架的设计理念
  - L3.1.2 Agent模型框架的核心组件
  - L3.1.3 Agent模型框架的实现细节
- L3.2 MetaGPT
  - L3.2.1 MetaGPT的基本概念
  - L3.2.2 MetaGPT的工作原理
  - L3.2.3 MetaGPT的应用场景
- L3.3 ChatGLM
  - L3.3.1 ChatGLM的特点
  - L3.3.2 ChatGLM的开发环境
  - L3.3.3 ChatGLM的使用示例
- L3.4 LLAMA
  - L3.4.1 LLAMA的特点
  - L3.4.2 LLAMA的开发环境
  - L3.4.3 LLAMA的使用示例
- L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景

学习计划：

阶段1：1-2个月，建立AI大模型的基础知识体系。
阶段2：2-3个月，专注于API应用开发能力的提升。
阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

全套《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

AI-智能

关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
【LLM大模型】解锁LLM的金钥匙（Prompt Engneering）

最近在学习AIGC时，总是会碰到一个关键词就是prompt，起初我还不以为意，这不就是我要向chatGPT问的话吗，让它帮我写点文章啥的，没什么好看的，是个人都会用。
复制链接

扫一扫