解锁LLM的金钥匙（Prompt Engneering）

最新推荐文章于 2024-09-10 18:33:32 发布

AI领航者

最新推荐文章于 2024-09-10 18:33:32 发布

阅读量428

点赞数 3

文章标签： prompt 人工智能 ai llm

本文链接：https://blog.csdn.net/2401_85324918/article/details/140791906

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：

//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。