实战：手把手教你Prompt到底该怎么写

新加坡举办了首届GPT-4提示工程竞赛，Sheila Teo取得了冠军，我们来学习借鉴她采用的三项提示技巧：

1. 使用CO-STAR框架构建提示词
2. 使用分隔符将提示词分段
3. 使用LLM系统提示

1 CO-STAR框架

在写提示语句时考虑如下六个方向：

1. Context上下文：提供任务的上下文信息，这有助于LLM了解正在讨论的具体情景，确保其答复具有相关性。
2. Objective目标：确定你希望LLM执行的任务是什么，明确你的目标有助于LLM把回答的重点放在实现这一具体目标上。
3. Style风格：指明你希望LLM使用的写作风格。这可以是某个名人的写作风格，也可以是某个行业的某个专家，如商业分析专家或首席执行官。这将引导LLM以符合你需求的方式和用词做出回复。
4. Tone语气：语气：确定回复的态度。这可确保LLM的回复与所需的情感或情绪背景产生共鸣。例如，正式的、幽默的、善解人意的等。
5. Audience受众：确定回复的对象，根据受众（如某一领域的专家、初学者、儿童等）量身定制LLM的回复，确保其在所需的语境中是恰当的、可以理解的。
6. Reponse回复：提供回复格式，这可确保LLM按照下游任务所需的准确格式输出。例如，列表、JSON、专业报告等。大多数LLM应用程序都会以编程方式LLM回复进行下游操作，对于这些应用程序来说，JSON输出格式是最理想的。

下面展示一个实际用例：假设你是一名社交媒体经理，你需要帮助起草一篇Facebook帖子来宣传公司的新产品。

没有CO-STAR的提示工程是这样的：

在Facebook上写一篇文章，为我公司的新产品做广告。我的公司名为Alpha，产品名为Beta，是一种新型超快速吹风机。

下面是没有***CO-STAR***的输出结果：

介绍Alpha公司革命性的Beta吹风机！

• 告别冗长乏味的吹发过程！阿尔法隆重推出贝塔型吹风机，这是我们在护发技术方面的最新创新。
• 超快吹干：得益于先进、强劲的电机，Beta可以将你的吹干时间缩短一半。让你更快做好准备，有更多时间做自己喜欢的事情！

使用CO-STAR的提示工程是：

（上下文）我想为我公司的新产品做广告。我的公司名叫Alpha，产品名叫Beta，是一种新型超快吹风机。

（目标）为我创建一个Facebook帖子，目的是让人们点击产品链接购买它。

（风格）效仿戴森等宣传类似产品的成功公司的写作风格。

（语气）有说服力的。

（受众）我公司在Facebook上的受众通常是老一代人。请针对这部分受众通常对美发产品的要求，量身定制你的帖子。

（回复）Facebook上的帖子，简明扼要而又富有感染力。

下面是使用CO-STAR的输出结果：

用Alpha Beta拥抱轻松优雅–智慧一代的超快吹风机。

使用Alpha Beta，重新找回简单有效的护发乐趣。我们的最新创新产品不仅仅是一款吹风机，它还是一个承诺，为那些热爱生活的人提供快速、轻柔、可靠的头发造型。

• 简单直观：告别复杂的小工具。Alpha Beta为舒适和简便而设计，非常适合那些看中直接、无忧技术的人。
• 省心技术：我们知道你的时间非常宝贵。因此，Alpha Beta可以大大缩短吹干时间，让你有更多时间享受生活的乐趣。使用Alpha Beta，让每一天都成为美好的一天。体验精致与简约的完美融合。

2 使用分隔符将提示词分段

分隔符可以是任何通常不会同时出现的特殊字符序列，所选特殊字符的数量和类型并不重要，只要它们足够独特，能让LLM将其理解为内容分隔符而非普通标点符号即可。例如：

你是一名专业的政策解读人员，你需要阅读一篇英文政策文档，然后使用中文按照<<<模板>>>总结填写差旅政策文档中的相关信息。
###
POLICY
以下是一篇英文差旅政策文档：
{'政策文章内容'}
请你根据以上政策，按照以下模板将政策进行总结并使用中文填写：
###
OUTPUTS
<<<{'模板'}>>>
###

以上示例在序言中说明了LLM需要填写<<<模板>>>中的内容，整体文本用分隔符###进行分节，分节标题POLICY（政策）和OUTPUTS（输出）用大写字母区分。

还有一种常用的方法是将分隔符用作XML标签，XML标签是用角括号括起来的带有开头和结尾的标签。和就是一个例子。这种方法很有效，因为LLM已经接受过大量XML网页内容的训练，并学会了理解其格式。下面是同样的提示，但结构上使用XML标签作为分隔符：

你是一名专业的政策解读人员，你需要阅读一篇英文政策文档，然后使用中文按照<<<模板>>>总结填写差旅政策文档中的相关信息。
以下是一篇英文差旅政策文档：
<POLICY>
{'政策文章内容'}
</POLICY>
请你根据以上政策，按照以下模板将政策进行总结并使用中文填写：
<POLICY_SUMMARY>
{'模板'}
</POLICY_SUMMARY>

其中使用了名词政策、总结政策。因此，我们用作分隔符的XML标签是、<POLICY_SUMMARY>，确保LLM理解你的指令与用作分隔符的XML标签之间的关系。

3 使用LLM系统提示

系统提示是一种附加提示，你可以在其中提供有关LLM行为方式的指令。它被认为是附加的，因为它不属于你对LLM的正常提示（即用户提示）。

那既然我也可以在与LLM的新聊天中使用提示说明，为什么还要在系统提示中说明呢？因为如果系统提示自带指令，那么这些系统提示就会与聊天中的每个新提示一起被自动考虑，就能确保LLM在聊天过程中一直可以接收这些提示，无论聊天时间多长。

系统提示中的说明通常包括以下几类：

• 任务定义：这样LLM就能在整个聊天过程中始终记住要做什么。
• 输出格式：以便LLM始终记住应该如何回复。
• 安全护栏：这样LLM就能始终记住它应该如何不回复。安全护栏是LLM管理中的新兴领域，指的是LLM允许在其中运行的配置范围。

比如RAG的系统提示模版：

你将使用给定的一段文本回答问题，文本内容在<text>标签中，问题在<question>标签中。
你需要使用JSON对象进行回复：{'问题'：'答案'}。
如果文本中没有足够的信息来回答问题，请不要编造信息，并将答案填写为'未找到资料'。
你只能回答与「插入范围」相关的问题。切勿回答任何与年龄、性别和宗教信仰等人口统计信息相关的问题。

在用户提示中，我们使用XML标签作为分隔符，以便有条理地向LLM提供所需的2条信息：

<text>
{'插入文本'}
</text>

<question>
{'插入问题'}
</question>

XML标签文本和问题中使用的名词，与系统提示中使用的名词相对应，这样LLM就能理解标签与系统提示指令之间的关系。系统提示应给出总体任务指令，而每个用户提示应提供你需要任务执行的具体细节。在本例中，这些具体内容就是文本和问题。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

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。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。