Prompt的科学范式（上篇）

相信很多人在用LLM做下游任务时，能够感受到prompt不同写法的重要性。同样的一段文本，不同的 prompt写法可能会得到完全不同的结果。因此，了解和掌握prompt写法是非常必要的。

本文将从prompt的定义和作用以及演进和写作的科学范式两个方面为大家详细介绍prompt。

1 prompt的定义和作用

提示(Prompt)是指一段用于引导模型理解问题的文本，通常位于问题的开头或结尾。它用于为模型提供上下文和任务要求，以帮助模型更好地理解和回答问题。

例如：你想让chatGPT写出一篇文章，文章的题目是“我有一个朋友叫张三”，那么prompt就可以写成：

请以"我有一个朋友叫张三"为开头，写一篇关于张三的文章，不少于500字。

请以"我有一个朋友叫张三"为开头，写一篇关于张三的文章，不少于500字。

将上述prompt输入给大模型，大模型就会输出你想要的结果，如：

上述流程如下：

上述prompt：“请以"我有一个朋友叫张三"为开头，写一篇关于张三的文章，不少于500字”，是一种最简单随意的写法，对于简单任务也能产生可以接受的结果，但是我们想要利用大模型对复杂的下游任务进行赋能，prompt的写法对于效果的保证就显得至关重要了。

2 prompt的演进以及科学写作范式

由于AI幻觉的问题，大模型的输出并不能保证准确；然后很多应用对于程序的准确输出都有严格的要求，这就导致大模型在实际业务落地过程中并没有想象中的顺利，为了尽可能的保证模型输出的准确性，研究者从prompt的编写方式上进行探索，产生了一系列有意思的研究成果；本文将对prompt的演进和科学写作范式进行梳理，接下来的内容将按下图所示进行展开。

本文是《Prompt的科学范式》上篇，将介绍Input-output prompt以及CoT的prompt写作技巧。

2.1 input-output

2.1.1 zero-shot prompt

zero-shot顾名思义就是零样本，就是在prompt中不加任何和任务相关的示例。

现在的大型语言模型（如GPT-3.5）经过微调后，能够遵循指令，并且在大量