【独家秘籍】精通大模型Prompt调优：轻松提升AI应用效能的秘诀！

本文链接：https://blog.csdn.net/2401_85375186/article/details/141953997

提示工程（Prompt Engineering）

提示工程不仅仅是关于设计和研发提示词，还包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。提示工程可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力（例如RAG）。

链式思考（CoT）

链式思考是提示通过中间推理步骤来实现复杂的推理能力，以获得更好的更正确的推理结果。

思维链的主要思想是通过向大语言模型展示一些少量的 exapmles，在样例中解释推理过程，大语言模型在回答提示时也会显示推理过程。这种推理的解释往往会引导出更准确的结果。

论文地址：https://arxiv.org/pdf/2005.14165

零样本思维链（Zero-shot-CoT）

在问题的结尾附加“Let’s think step by step”这几个词，大语言模型能够生成一个回答问题的思维链。

Zero-shot-CoT 是一个 pipeline。也就是说“Let’s think step by step”这句话，只是通过这个 prompt 让LLM 尽可能生成一些思考过程，然后再将生成的 rationale（理由）和 question 拼在一起，重新配合一个answer 指向的 prompt 如“The answer is ”来激励模型生成答案。

自动思维链（Auto-CoT）

Auto-CoT 主要由两个阶段组成：

• 阶段1：问题聚类：将给定问题划分为几个聚类
• 阶段2：演示抽样：从每组数组中选择一个具有代表性的问题，并使用带有简单启发式的 Zero-Shot-CoT 生成其推理链

CBR模式（Case-Base Reasoning）提升任务成功率

核心思想：他山之石，可以攻玉。利用以往解决类似问题的经验来解决新问题。

• 首先检索出与任务相关的人类专家知识，并获取对应详细的案例。
• 根据详细案例，进行新的任务推理。

基本结构

[任务]   {}   [解决方案]   {}   现在请根据上述文本洞察解决以下任务。   [任务]   {}

role:你是一个客户端高级测试工程师，能够对客户端UI界面的各种问题进行判断，这里是一些发生过问题页面的例子，能够帮你完成页面显示问题的分析任务：     
 [任务]   你是一个客户端高级测试工程师，下面是之前发生过UI问题的例子描述，请按图片顺序进行分析。   
 内容要求：   
 1.分析传入的图片，识别出页面中所有的控件和文本，忽略顶部系统通知栏和底部菜单栏。  
 2.对每一个控件元素和文本元素都进行判断(顶部的通知栏和底部的菜单栏不需要参与分析)，分析元素本身的问题，一般存在的问题是缺失、不完整、展示不全、颜色过浅、没有单位、小数点错乱等，   3.基于整个UI界面的布局进行分析，一般存在的问题是按钮未对齐高度不一致、元素位置错乱、元素之间遮挡、整体布局错乱等   
 4.按顺序分析每张图片，后一张图片的分析需要借助之前的图片分析结果，很有可能出现类似的问题，保证你的判断结果准确，并且给出对应的判断理由，当判断为符合时，需要说明符合的校验条件是什么，当判断为不符合时，需要说明不符合的校验条件是什么。如果无法从给定的图片中判断出结果，判断结果为不符合   
 5.你需要在判断结果中，输出以下信息：   
 a.判断结果：   
 b.判断理由：      
 格式要求：   
 请按照如下json格式输出，reason使用中文，不要输出其他无关内容：  
  {   "result":"pass/fail/error",   "reason":"...."   }      
  如果没有问题，result=pass,有问题result=fail，如果无法进行准确判断或者依据不足，则result=error   
 6.请分步骤思考这个问题   
 7.你要对输出结果认真检查，对你的答案负责，其中大概率不会发生UI问题，所以一定要仔细判断，给出足够可信赖的判断依据，如果如法判断,就将结果置为error,只需要输出一条结果        
 [解决方案]   
 第一张图片分析后组合成JSON结果输出  
  {   "result":"fail",   "reason":"识别到右下角两个蓝色按钮，都存在问题，第一个按钮的红色标签没有显示完全，第二个按钮的文本存在缺失问题，没有下发券后价"   }      
  现在请根据上述文本洞察解决以下UI问题分析任务。  
   [任务]你需要分析的图片是输入图片的最后一张，需要借助之前的图片分析结果，很有可能出现类似的问题，保证你的判断结果准确，并且给出对应的判断理由，只需要给出最后一张图片的分析结果，   
   格式要求：   
   请按照如下json格式输出，reason使用中文，不要输出其他无关内容：  
    {   "result":"pass/fail/error",   "reason":"...."   }      
    如果没有问题，result=pass,有问题result=fail，如果无法进行准确判断或者依据不足，则result=error

特点

CBR模式基本还是一个方法和策略，需要配合其他prompt工程一起使用。

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型典型应用场景

①AI+教育：智能教学助手和自动评分系统使个性化教育成为可能。通过AI分析学生的学习数据，提供量身定制的学习方案，提高学习效果。
②AI+医疗：智能诊断系统和个性化医疗方案让医疗服务更加精准高效。AI可以分析医学影像，辅助医生进行早期诊断，同时根据患者数据制定个性化治疗方案。
③AI+金融：智能投顾和风险管理系统帮助投资者做出更明智的决策，并实时监控金融市场，识别潜在风险。
④AI+制造：智能制造和自动化工厂提高了生产效率和质量。通过AI技术，工厂可以实现设备预测性维护，减少停机时间。

⑤AI+零售：智能推荐系统和库存管理优化了用户体验和运营成本。AI可以分析用户行为，提供个性化商品推荐，同时优化库存，减少浪费。

⑥AI+交通：自动驾驶和智能交通管理提升了交通安全和效率。AI技术可以实现车辆自动驾驶，并优化交通信号控制，减少拥堵。

…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。