AI大模型系列4：编写高质量提示（prompt）的小技巧

最新推荐文章于 2024-06-06 10:19:16 发布

菜鸟Python码农

最新推荐文章于 2024-06-06 10:19:16 发布

阅读量1k

点赞数 18

文章标签：人工智能 prompt github langchain 开发语言 LLM 大模型

本文链接：https://blog.csdn.net/huang9604/article/details/138719169

版权

编写高质量提示（prompt）的小技巧

引言

在前一篇《AI魔法师，提示工程的力量》文章中，已经对提示和提示工程的基本概念及其两者之间的关系做了简单的介绍，对提示和提示工程有了一个基本的认识。然而，要让这些AI大模型真正发挥其潜力，关键在于如何设计出有效的提示（prompt）。本文旨在介绍其基本概念、原理和流程，并通过大量实例展示如何制作出高质量、高效的提示。让我们一起解锁人工智能的无限潜力，让科技更好地服务于人类。

制作流程

首先回顾一下我们向AI大模型发送提示的全过程：首先在我们的大脑中产生一个需求，然后我们将大脑中的需求通过编码生成AI大模型能读懂的提示（prompt）发送给AI大模型，最后才是等待AI大模型反馈答案。

为了在编码生成AI大模型能够读懂的提示，我们又需要经过拆解需求、模板化和流程化。换言之就是将复杂的需求简单化、简单的需求标准化和标准的需求流程化。

拆解需求

这是一个从整体到局部、从宏观到微观和从抽象到具体的思考过程，主要涉及需求的分拆和合并，可以借用动态规划的基本思路来指导完成分拆和合并的过程。首先将复杂需求划分为若干个子需求，每个子需求相对于整体需求来说都要简单一些并且相对独立；然后通过分析和处理这些子需求，逐步明确整个需求，最后再将已经解决处理的子需求重新合并最终澄清整个需求。

将复杂的需求拆分从而求得简单化，但是简单化并不是简化需求，相反它是通过更深入的理解和分析，进而使得复杂的需求变得具体和清晰。

假如我们需要AI大模型写一篇小说，那么第一件事就是需要将这个需求进行拆分为设置故事背景、确定中心思想、设计角色及人物关系和故事情节等子需求。只要将上述这些子需求一一分析清楚之后，再合并起来就是需要发送给AI大模型的提示了。

模板化

一个大的需求被拆分成一个一个独立的小需求后，就可以使用类似模板方法设计模式制定统一的处理规则和标准的处理方法，以提高解决需求的效率和质量。模板化是一种管理策略，可以减少需求中的误解和错误，并确保相同的需求可以得到相同的处理。实现模板化基于两个前提，一是子需求是可预见的，二是子需求可以通过应用某种确定的方法得到解决。

这个过程就好比厨师做菜，每一道菜都有标准的配方，就算是一流的大厨也是在现有的配方上进行创新，所以每次这一道菜做出来的味道都是极其相似的。

流程化

流程化就是将一组相关的任务按照一定的顺序和规则进行组织，形成一个标准的工作流程。流程化的好处在于可以确保每个问题都按照预定的方式和顺序得到解决，减少了因个体差异和随机性引起的不确定性。

简言之就是将复杂的工作拆解成固定的工作流程，然后将这个流水线应用于所有类似的需求上。这样一来我们就可以从复杂繁琐的工作中解放出来，只需要关注简单的子需求即可，至于如何串联工作就无需关心了。依赖流程化设计的提示工程，可以让AI大模型生成可靠且质量稳定的答案。

基础技巧

上述我们了解了一个好提示的制作流程，在具体实现的细节上还可以使用下述技巧进一步优化提示，让AI大模型给出更加准确的答案。

分割指令和上下文

我们编写的提示中有一部分是分析需求得来的指令，还有一部分是帮助AI大模型了解详情的上下文。为了让其更好的区分和理解，我们可以使用“###”或者其它任何可以分割文本的分隔符来讲指令和上下文分隔开。

markdown
复制代码
请根据下面的“砸缸的步骤”，写一篇叙事文，描述今天早上小明是如何砸缸把朋友就出来的。
砸缸的步骤：
###
1、寻找合适的石块；
2、拿起石块；
3、瞄准水缸砸下去。
###

巧用Markdown语言

我们编写的提示中有隐藏着一些重点，但是AI大模型有时候会忽略这些重点，此时就可以使用Markdown语言总的**"****"来对其加粗提醒大家注意这里是重点不要忽略，同样也可以要求大模型对生成答案里重点的部分进行加粗。如下所示对“议论文”进行重点标注。

markdown
复制代码
请根据下面的“砸缸的步骤”，写一篇**议论文**，描述今天早上小明是如何砸缸把朋友就出来的。
砸缸的步骤：
###
1、寻找合适的石块；
2、拿起石块；
3、瞄准水缸砸下去。
###

同样我们也可以要求AI大模型使用Markdown语言来生成答案，这里关于Markdown语言的好处不做过多的阐述（不妨试着去问问自己的大模型助手）。

markdown
复制代码
请根据下面的“砸缸的步骤”，写一篇**议论文**，描述今天早上小明是如何砸缸把朋友就出来的，
要求使用**Markdown**输出。
砸缸的步骤：
###
1、寻找合适的石块；
2、拿起石块；
3、瞄准水缸砸下去。
###

尽然有序

我们编写的提示不只是给机器阅读，同时也需要给人类阅读，所以我们在编写提示的时可以使用一些有序列表和无需列表来增强其可读性。

markdown
复制代码
请根据下面的“砸缸的步骤”，写一篇**议论文**，描述今天早上小明是如何砸缸把朋友就出来的。
砸缸的步骤：
###
1、寻找合适的石块；
2、拿起石块；
3、瞄准水缸砸下去。
###
要求：
- 使用**Markdown**输出；
- 使用夸张生动的语言风格以突出戏剧性；
- 增加小明心里活动的描述；
- 字数控制在800字以内。

一图解千惑

我们常说没图没真相，想要一图解千惑，想要图文并茂，可以在指令中加入生成图片的要求：第一种使用图片接口，例如使用Unsplash平台的搜索接口；第二种使用图片的链接，让其直接链入到答案中；第三种直接使用大模型生成图片的能力。

markdown
复制代码
请根据下面的“砸缸的步骤”，写一篇**议论文**，描述今天早上小明是如何砸缸把朋友就出来的。
砸缸的步骤：
###
1、寻找合适的石块；
2、拿起石块；
3、瞄准水缸砸下去。
###
要求：
- ![配图] (https://source.unsplash.com/1600x900/?<砸缸救人>) ;
- ![](图片的链接地址);
- 配图，以砸缸救人为主题;
- 使用夸张生动的语言风格以突出戏剧性；
- 字数控制在500字以内。

不要Say No

我们在编写提示时尽量告诉大模型遇到某种情况应该做什么，而不要告诉大模型不要做什么。

一问到底

如果当前大模型给出的答案不尽人意，我们可以在当前会话中继续对其补充提问直到满意为止。

联网功能

大模型的训练语料有新有旧，在某些领域可能会存在过时等情况，那么我们就可以要求其使用联网功能到互联网中去寻找答案，然后总结给出我们期望的答案。

markdown
复制代码
请作为一位旅游博主，为我制定一份详细的**重庆三日游攻略**。
要求包括：
1、每日详细的行程安排，包括主要景点、活动时间和预计费用。
2、从小红书和马蜂窝上查询并汇总高赞和高评论的笔记和游记，重点包括美食推荐、景点特色和隐藏的打卡地点。
3、提供至少三家不同价位的住宿建议，包括价格、位置、设施评价等信息。
4、给出五个最佳的拍照打卡地点，包括拍摄技巧和最佳拍摄时间。
5、提供一份关于重庆当地文化和习俗的简要介绍，以及旅行中可能遇到的常见问题和应对策略。 
6、请确保攻略内容新颖、实用，并且信息准确可靠。

小结

在上述各章节中通过分析提示工程的制作流程，包括拆解需求、模板化和流程化，在此基础上同时揭示了如何设计出高质量、高效的提示。此外，还介绍了多种实用的提示技巧，如分割指令和上下文、使用Markdown语言、有序列表等，以帮助大家编写出更好的提示。希望本文能为你的AI探索之旅提供启发，让科技更好地服务于人类的发展。

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