什么是提示词工程(prompt engineering)？为什么需要提示词工程？

“提示词工程，是一种不需要更新模型权重和参数来引导模型输出特定结果的方法”

大模型之所以叫大模型，不但是因为其参数量大，还有训练与运营成本高。因此，从企业运营成本来说，使用大模型能用提示词解决就坚决不微调(fine-tunning)，能微调解决就坚持不重新训练或设计。

那么提示词是什么？为什么需要提示词？有什么作用？

01、什么是提示词工程(prompt engineering)?

简单来说，提示词工程是一种不需要调整大模型参数或权重，就可以获取某种结果的方法。

提示词的作用和应用场景都非常广泛，不论是文本生成，还是问答系统，亦或者其它场景。

同一个LLM，提示词不一样生成的内容也会不一样，甚至会有很大的差别。

所以，从这个角度来说，提示词工程是一种更好地使用大模型的方法。

学好提示词，能够让你更好、地使用和操作大模型，并且得到更好的结果。

当然，从技术的角度来理解，提示词工程是一种过渡的技术，原因是因为大模型还无法做到像人类一样的语言理解能力，因此才需要提示词工程作为辅助手段，让大模型能够更好地理解人类的问题。

前面说了提示词的概念和作用，但如果只是说提示词工程的概念，可能很多人都觉得云里雾里，觉得它很高大上。

但事实上提示词工程说复杂也复杂，说简单也简单；网络上虽然有各种提示词模板，但事实上我我们随便问的一句问题都可以算作提示词工程。

比如在大模型的聊天输入框中，和它打招呼说哈喽；这个也可以算作提示词工程。

提示词工程的作用是为了让大模型给出更加准确的输出，而提示词的表现形式可以是任何形式，可以是一个问题，一段对话，一段描述等任何文本形式。

而从语言学的角度来说，一个问题描述的详细与否，主要就是问题的背景，上下文，以及各种限定语，这就是提示词工程的本质。

因此，提示词工程也叫做上下文提示。

比如说，在大模型中输入一句“哈喽”，其实也算提示词工程的一部分，只不过这个提示词很简单和没有提示词没什么区别。

部分功能就是使用提示词工程优化的，大模型人工智能小程序，感兴趣的可以点击查看：

而比较好的提示词是什么样的？

比如说，给大模型的输入中说：“给我介绍一下提示词工程”。

这时大模型给的结果可能会很宽泛；但如果这样问：“从大模型的使用角度，帮我介绍一下提示词工程，并且给出几个简单的使用场景，以及示例；还有怎么才能写出一个更好的提示词”。

这样大模型给出的输出结果就会好得多；如果你能用更加详细的描述来问大模型，你会得到更好的结果。

02、怎么才能写出一个更好的提示词？

一个好的提示词应该包含以下几个部分：

任务

任务序列是由动词引导的，例如generate, drive, write等，而且需要明确任务目标

上下文

背景上下文极具挑战性， 一般要描述什么是用户的背景信息，成功的结果希望是什么样子，以及他们处于怎样的环境中

示例

基本上，对所有主要语言模型进行的研究表明，在提示中包含例子都将产生更高质量的答案。

角色

这是你希望人工智能所扮演的角色。想象一下你有一个问题，想咨询专家来解决这些疑问。例如，你在找工作的时候可以让大模型扮演一个面试官；在买车的时候，让大模型扮演一个具有多年经验的汽车销售等。

格式

想象一下实现的目标，可以是个人或团体的目标，比如找到工作、成为一位优秀的演讲者等。

所有这些都是零散的想法，但借助人工智能的帮助，可以将它们整理成一个特定的格式，比如一个表格。我们也可以希望得到电子邮件、要点、代码块等格式。这些格式对我们的工作也很有用，例如段落和标记。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

本文转自 https://mp.weixin.qq.com/s/gpmlKVA9Cqfn9_b925vqhg，如有侵权，请联系删除。