大语言模型入门（二）——提示词

一、什么是提示词

        大语言模型（LLM）的提示词（Prompt）是与模型交互的关键，它影响着模型的输出结果。提示词（Prompt）和提示工程（Prompt Engineering）密切相关。什么又是提示工程？提示工程是一种技术和策略的集合，它涉及到设计、优化和使用提示词来引导大语言模型（LLM）的行为和输出。其中，提示词是提示工程中的一个关键组成部分，它是直接输入到模型中的文本，用于指导模型生成特定的响应或执行特定的任务。

二、为什么要有提示词

        一开始，我们与大模型的交互过程中，大模型并没有任何预设条件，也就是说这时候它输出的回答是随机的，是基于大规模预训练得出的概率进行推理的，这种情况可能会导致大模型输出的结果不及人类预期。提示词提供了明确的指令和上下文，帮助模型理解任务的具体需求，这使得模型能够更精确地定位输出的方向和内容。比如你告诉大模型从现在开始它是一个物理老师，那么一定程度上会引导大模型在推理的过程中考虑“物理”这一对话上下文的概率影响，从而引导它从物理学的角度回答问题，从而使得答案更具备专业性（这个过程也是一个“黑盒子”）。

三、提示词的影响

1、角色提示

        这里，我们直接问Kimi“什么是量子力学”，Kimi的回答如下：

        现在我们给出提示词，告诉Kimi让它充当一个量子力学专家来为我解释量子力学：

        可以看见，给出提示词之后，Kimi的回答更为详细且专业。没给出提示词的响应略显生硬，而指定角色提示之后，Kimi的响应更为人性化，更像一个真正的专家了，这就是提示词的作用。

2、任务提示

        这里我们直接让大模型帮我们识别城市实体并且输出：

        同样地，我们使用明确的提示指令，且指定模型角色：

        显然，直接让大模型识别实体的过程中，大模型漏识别了“贵阳”这个城市。但是当我们指定角色，并且让模型生成我们想要的输出格式之后，大模型就完美地答对了问题。

四、总结

        一个清晰、明确的提示词模板可以告诉大模型它需要充当什么角色，或者是告诉大模型具体要做的任务。这样一来，大模型生成的结果将更可控、更符合预期。下一篇博文将会介绍如何编写专业的Prompt从而让大模型更听话，我们下期再见！