AI大模型系列3：AI魔法师，提示工程的力量-CSDN博客

本文链接：https://blog.csdn.net/huang9604/article/details/138719063

AI魔法师，提示工程的力量

引言

一位画家站在一张空白画布面前，他消费着想象和挥洒着色彩绘制了一张绚丽的画卷。现在我们站在AI大模型的画布面前，巧妙地编织一系列提示（prompt），挥舞着哈利波特的魔杖，AI大模型随即给出准确合适的答案。这便是提示工程魔法的初次展露，一场智慧与创意碰撞的火花，开启了探索AI大模型的大门。

提示（prompt）

在人工智能、自然语言处理（NLP）和机器学习领域，提示是一个相当重要的概念。通常用于描述提供给算法或者模型的输入数据，以触发算法生成特定的输出或者执行特定的任务。聚焦于人工智能AI大模型领域，提示指的就是用户向人工智能提供的输入信息，这些信息常常包含关键词、引导词、上下文、问题和指令列表，其目的就是为了引导AI大模型生成与用户期望相符的内容。提示可以概括为以下三个概念：

输入信号：人机角色的转变，在传统的编程中，prompt通常指的是程序发出的询问用户输入的信号。但在人工智能领域，prompt更多指的是提供给模型的信息或问题，以激发模型生成回答或执行任务。
上下文信息：更多的信息，在机器学习模型中特别是语言模型，提示不仅仅是简单的输入，它还包括了上下文信息，这些信息帮助AI大模型准确理解用户需求。
指导模型行为：通过精心设计的prompt，可以引导模型产生更准确、更相关或更符合要求的输出。例如，在文本生成任务中，prompt可以是一个问题、一个主题或一个句子开头，模型会根据这个prompt生成接下来的内容。

像ChatGPT和智谱清言这样的AI大模型都是以聊天为核心，通过模拟人类交流的方式与用户进行互动。互动时，它致力于理解用户需求并给出恰当回应。在AI大模型和用户的交互过程中，提示就像一根脐带一样连接着人机。所以一个通过精心设计的提示可以让AI大模型更准确地理解和捕捉用户的需求，进而提供更准确和更有价值的答案。

就好像去路边吃面条给点餐员说，“一碗小面，少放辣椒，多放青菜，不吃香菜”，这个就是给后厨师傅的提示。如果只是说“一碗小面”，那么后厨师傅没有得到更多的提示，就会按照自己的想法来下面条。如下向智谱清言提问讲解有限状态机为例（智谱清言回答没有截取完整）：

提示工程（Prompt Engineering）

提示工程是一种在人工智能领域，特别是在自然语言处理（NLP）和机器学习领域中使用的技术。其目标通过精心设计和优化输入的提示来引导AI大模型生成高质量、准确和有针对性的答案，最终提高AI大模型的性能和应用效果。

提示工程不仅仅是编写一个好的问题或指令，还涉及到对模型响应的预测、实验设计、效果评估及持续改进的过程。它涵盖了对模型工作原理的理解、领域知识的应用、以及创造性地利用语言来激发模型潜力的策略。

本质

简单来讲，提示工程就是在提示基础上进行一系列策略性、创造性和技术性的活动。某一天你的好朋友突然对你讲，“在回家的路上遇到一只松狮，好可爱”。如果你并不知道松狮是狗的一种类型，那么你肯定会感到惊讶“大街上遇到狮子不应该逃命吗？怎么还可爱了”。

这个对话过程中提到的“松狮”可以理解为在语言传播过程中编码的过程，借《AI大模型系列：文明基石，文字与数字的起源与演变（点击传送）》中图例，我们的信息在传播的过程中会经过编码和解码，同理我们在与AI大模型交流的过程同样也会经过编码和解码，我们编解码是通过语法规则（可参考《AI大模型系列：自然语言处理，从规则到统计的演变（点击传送）》），而AI大模型则是通过提示工程来完成此项工作。

综上，提示工程让我们优化了“把思想变成符号”的过程，从而使得人机间能够更有效地传输信息，同时可以帮助处理和减少信息传播过程中产生的“噪声”。

使用技巧

指令与问题设计：提示工程通常包括明确的指令或问题，这是与模型交流的核心。设计时需考虑清晰度、简洁性和领域特定性，确保模型能理解并聚焦于所需任务。
上下文相关：提供与任务相关的上下文信息，可以帮助AI大模型更好地理解任务的要求，并生成更合适的输出。上下文信息可以是领域特定的背景知识、相关的示例或指导性的指示。
利用先验知识：在设计提示时，融入模型预训练阶段的先验知识，以引导模型生成特定领域的内容。
迭代和优化：提示工程是一个迭代过程，需要不断分析不同提示输出的答案，然后对其做出优化迭代，进而使其更有效地引导模型工作。
多样性和创造性：设计提示时可以从不同的角度和方式切入，进而激发模型的多样性和创造性。

两者关系

在AI大模型中提示和提示工程有着密切的联系，提示是与AI大模型直接互动的基本单位，而提示工程则是围绕这些提示进行的一系列策略性、创造性和技术性的活动，旨在通过优化提示本身，改善模型的输出质量、准确性和适用性。

简而言之，提示是基础的交互元素，而提示工程是提升这些交互效果的艺术和科学。

示例

让智谱清言生成一个短视频脚本

复制代码
👧提问：
你是一名社交媒体策划专家，擅长创作有吸引力的短视频内容。 请根据以下要求提供一个抖音爆款脚本：
视频主题：推荐生活实用工具
内容：推荐几款实用收纳小工具
要求：
1、脚本应该简洁明了，以适应短视频的格式。
2、脚本应该详细介绍产品的特点和使用体验，以吸引观众的注意。
3、脚本应该包含互动元素，如提问、分享自己的使用体验等，以增加观众的参与度。

复制代码
🤖回答：
【视频开头】
画面：快节奏剪辑，展示杂乱无章的房间和桌面。
旁白：“家人们，你们的家里是不是也常常乱糟糟的？今天我要给大家推荐几款实用的收纳小工具，让我们的家变得井井有条！”
【场景一】
画面：展示第一款产品——多功能魔术贴收纳带。
旁白：“首先，让我们看看这款多功能魔术贴收纳带。它不仅可以轻松固定你的耳机线、数据线，还能固定在桌边，让你的桌面告别凌乱。”
互动元素：出现文字提示：“你有没有类似的困扰呢？在评论区留言分享吧！”
【场景二】
画面：展示第二款产品——桌面收纳盒。
旁白：“接下来，这款桌面收纳盒简直是桌面杂乱星人的福音！它小巧轻便，可以存放各种小物件，让你的桌面瞬间变得整洁。”
互动元素：出现文字提示：“你希望这个收纳盒能帮你解决什么问题？在评论区告诉我们吧！”
【场景三】
画面：展示第三款产品——抽屉分隔板。
旁白：“最后，这款抽屉分隔板简直是抽屉收纳的神器！它可以自由组合，让你的抽屉空间得到最大化的利用，再也不用担心找不到东西了。”
互动元素：出现文字提示：“你家里的抽屉是怎样的呢？晒一晒你的抽屉收纳成果吧！”
【视频结尾】
画面：快节奏剪辑，展示使用这些收纳工具后的整洁房间和桌面。
旁白：“好啦，以上就是我为大家推荐的几款实用收纳小工具。快来尝试一下吧，让我们的生活变得更加井井有条！记得关注我，下期视频更精彩！”
互动元素：出现文字提示：“你还有哪些实用的收纳工具推荐？在评论区分享吧！”

小结

本文深入探讨了提示工程的概念、本质、使用技巧，以及提示与提示工程之间的关系。
首先，定义了提示的概念，即用户向AI模型提供的输入信息，以激发模型生成回答或执行任务。
然后，介绍了提示工程的概念，它是指通过设计高质量的提示来引导AI模型生成高质量、准确和有针对性的输出的技术。本文通过示例阐述了提示工程的使用技巧，包括设计明确的指令、提供上下文信息、利用模型先验知识、进行迭代优化等。
最后，讨论了提示与提示工程之间的关系，提示是基础，而提示工程是提升这些交互效果的艺术和科学。

如何系统的去学习大模型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。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

在这里插入图片描述

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