大模型Prompt提问技巧汇总

---

0. 前言

在平时工作中，如果时常接触 ChatGPT 或者其他大模型，在与大模型沟通、提问时有一些技巧方法，将这种技巧方法提炼出来就是 “Prompt Engineering”。

所谓 “Prompt” 是指一段文本输入，用于引导模型生成相应的文本输出。Prompt 可以看作是给模型的一个初始条件或者指提问，模型会基于这个 Prompt 来生成连贯的、相关的后续文本。

下面主要介绍一些常用的 Prompt 提问技巧，不同的 Prompt 提问适用不同的场景，总有适合你的提问场景。

1. 直接提问的Prompt

• 描述：简单明了的问题或命令。
• 适用：最适合获得简洁、真实的信息或直接的答案。
• 用例：适用于快速查询、事实核查和简单任务。

例子：

问：“法国的首都是哪里？”
回答：“法国的首都是巴黎。”

2. 有上下文的Prompt

• 描述：提供背景信息或上下文来指导回答。
• 适用：对于更详细和准确的答案很有用，特别是对于复杂的主题。
• 用例：非常适合教育内容、解释和详细描述。

例子：

问：“解释光合作用的过程，就像你在教一个高中生一样。”
回答：“光合作用是绿色植物利用阳光制造自己食物的过程……”

3. 角色扮演的Prompt

• 描述：为 AI 分配一个特定的角色或角色，以生成更量身定制的回答。
• 适用：对创意写作、模拟对话和互动场景有效。
• 用例：适用于创意任务、客户服务模拟和讲故事。

例子：

问：“你是一名导游。描述一下在巴黎的一天。”
回答：“欢迎来到巴黎！今天，我们将首先参观埃菲尔铁塔，在那里你可以……”

4. 逐步提示的Prompt

• 描述：为了清晰起见，将复杂的任务分解为更小、可管理的步骤。
• 适用：非常适合教学内容、问题解决和过程解释。
• 用例：适用于教程、指南和程序内容。

例子：

问：“逐步解释如何烘焙巧克力蛋糕。”
回复：“第一步：将烤箱预热至350°F。第二步：混合干配料……”

5. 有条件的Prompt

• 描述：使用条件语句根据特定标准指导回答。
• 适用：有助于生成针对不同场景或条件的回答。
• 用例：非常适合个性化建议、决策过程和场景规划。

例子：

问：“如果我想减肥，我可以做些什么饮食改变？”
回答：“如果你想减肥，你可以考虑减少含糖食物的摄入……”

6. 迭代的Prompt

• 描述：通过多次迭代来细化提问，以提高回答质量。
• 适用：有效地细化复杂查询，并在迭代过程中提高响应准确性。
• 用例：最适合深入研究、迭代学习和微调复杂查询。

例子：

初始问：“跟我说说机器学习。”
接着问：“解释机器学习的基本原理及其在医疗保健中的应用。”
最后问：“描述机器学习算法如何提高医疗保健中的诊断准确性。”

7. 给一个例子的Prompt（One-Shot）

• 描述：提供一个例子来教模型如何回答。
• 适用：适用于模型需要从单个示例中学习的任务。
• 用例：适用于语言翻译、简单的文本转换和需要最少示例的任务。

例子：

问：“将以下句子翻译成法语：‘Good morning’ 。
    例如提问：‘Hello, how are you?，返回：“Bonjour, comment ça va?”’”
回答：“Bonjour.”

8. 给多个例子的Prompt（Few-Shot）

• 描述：提供几个例子来指导模型的回答。
• 适用：对于需要额外背景或示例的复杂任务，比给一个示例的 Prompt 更有效。
• 用例：适用于细微差别的任务、更复杂的语言翻译以及从多个示例生成模式。

例子：

问：“根据以下示例：
‘Hello, how are you?’ — ‘Bonjour, comment ça va?’
‘Good morning’ — ‘Bonjour’ 
将 ‘Good night’翻译成法语”
回答：“Bonne nuit.”

9. 无示例的Prompt（Zero-Shot）

• 描述：要求模型在不提供示例的情况下执行任务。
• 适用：当示例不可用或推广到看不见的任务时很有用。
• 用例：适用于一般问题、广泛任务，并利用模型的预训练知识。

例子：

问：“‘Good evening’ 的法语翻译是什么？”
回复：“Bonsoir.”

10. 思维链的Prompt（COT，Chain-Of-Thought）

• 描述：鼓励模型逐步解释其推理过程。
• 适用：增强模型处理复杂推理和多步骤问题的能力。
• 用例：适用于解决问题、逻辑推理和教育内容。

例子：

问：“序列2、4、8、16中的下一个数字是什么？解释你的推理。”
回复：“每次序列都是加倍的。2加倍是4，4加倍是8，8加倍是16。因此，下一个数字应该是16的两倍，即32。”

11. 自我一致性的Prompt

• 描述：为同一提示生成多个响应，并选择最一致的答案。
• 适用：通过平均多个输出来提高响应的可靠性。
• 用例：非常适合确保高风险情况下的准确答案、一致性检查和验证。

例子：

问: “What is the capital of Japan?”
回答： “Tokyo”, “Tokyo”, “Kyoto”.
最终回答： “Tokyo” （被选为最一致的答案）。

12. 保存中间步骤的Prompt

• 描述：在得出最终答案之前，使用“草稿”写下中间步骤或想法。（有点类似COT，但更适合算术等问题）
• 适用：通过将复杂任务分解为更小、更易于管理的部分来增强处理复杂任务的能力。
• 用例：适用于复杂的算术、多步骤问题解决和详细解释。

例子：

问：“求解345+678。展示你的中间计算步骤”
回答：“首先，添加单位：5+8=13。记下3，并将1结转。接下来，将十位数相加：4+7+1=12。记下2，并将1结转。最后，将数百相加：3+6+1=10。记下0，并将1结转。答案是1023。”

13. 指示进一步提问的Prompt

• 描述：指示模型如何生成 Prompt 以供进一步提问。
• 适用：有助于创建一个迭代式提问和更深入探索的框架。
• 用例：适用于研究、面试准备和探索性任务。

例子：

问：“提出三个问题，帮助理解气候变化对海洋生物的影响。”
回答：“1.海水温度上升如何影响海洋物种多样性？2.海洋酸化对珊瑚礁有什么影响？3.海平面的变化如何影响沿海生态系统？”

14. 连续Prompt链

• 描述：按顺序组合多个提示，在每个回答的基础上构建一个全面的输出。
• 适用：通过将回答链接在一起，实现复杂的工作流程。
• 用例：可用于创建全面的叙述、多步骤流程和详细的解释。

例子：

问1：“描述全球变暖的原因。”
回答1：“全球变暖主要是由温室效应引起的，温室效应是由大气中二氧化碳、甲烷和一氧化二氮等温室气体的积累造成的。”
问2：“温室气体的主要来源是什么？”
回答2：“主要来源包括化石燃料燃烧、森林砍伐、工业过程和农业活动。”
问3：“全球变暖对极地冰盖有什么影响？”
回答3：“全球变暖导致极地冰盖融化，导致海平面上升、极地物种栖息地丧失和洋流变化。”

15. 基于人工智能创建的Prompt

• 描述：使用人工智能或 ChatGPT 本身来根据预期结果制定有效的 Prompt。
• 适用：通过利用人工智能为各种场景生成最佳 Prompt，包括图像生成、内容创建和复杂的问题解决，节省了大量时间并提高了准确性。
• 用例：这种技术对于生成复杂场景、头脑风暴创意和自动化日常 Prompt 创建任务特别有用。例如，它可以在营销中用于创建详细而引人入胜的广告文案，在教育中用于制定全面的学习指南，或者在创意产业中用于概述详细的图像或故事场景。

例子：

问：“帮助我创建一个 Prompt，以生成日落时未来城市景观的图像。”
回答：“在日落时创建一个未来主义城市景观的图像，高耸的摩天大楼、飞行的汽车和充满活力的霓虹灯在玻璃建筑上反射。天空应该是橙色、粉色和紫色的混合体。”

---

欢迎关注本人，我是喜欢搞事的程序猿； 一起进步，一起学习；

欢迎关注知乎/CSDN：SmallerFL

也欢迎关注我的wx公众号（精选高质量文章）：一个比特定乾坤