提示词工程与应用实践

Marty James

已于 2024-06-06 15:19:37 修改

阅读量784

点赞数 27

文章标签：人工智能

于 2024-06-05 15:45:32 首次发布

本文链接：https://blog.csdn.net/qq_40264712/article/details/139474198

版权

4.2 生成式AI-用例构建与初始提示词构建

一、什么是提示词工程

提示是指输入到大型语言模型中用于触发响应的信息，可以理解为知道说明。其中包括：

任务背景
数据
对话/操作历史
指令
示例
或者是其他内容

二、提示词工程常用技术

2.1 基础技术

2.1.1 零样本提示

Human：请帮我将下面内容翻译成英文：“你吃饭了吗？

Assistant：...

2.1.2 单样本提示

Human：”我想从洛杉矶飞往迈阿密“

Assistant：机场代码[LAX, MIA]

Human:”我想从达拉斯飞往旧金山“

Assistant：机场代码[

2.1.3 少样本提示

Human：”我非常讨厌手机没有点“

Assistant：情感（负面）

Human：”今天很开心“

Assistant：情感（正面）

Human：”这是一个文章的链接“

Assistant：情感（中性）

Human：{{您的输入}}

Assistant：情感（

2.2 进阶方法

2.2.1 思维链（CoT）

通过中间推理步骤实现步骤实现复杂推理
引入示例来改进推理任务的结果
提供模型输入过程透明度

2.2.2 检索增强生成（RAG）

丰富内部知识库中提示的上下文
使用提示定位减少幻觉所带来的影响
最使用于封闭式回答和聊天机器人的用例

三、LLM与提示词指南

3.1 如何得到好的提示

在为评估测试构建测试用例时，尽量综合考虑多有的特殊用例。常见的特殊用例包括：

信息不总所导致的答案质量不佳
用户输入不当（拼写错误、有害内容、偏离主题的请求、无意义的内容等）
用户输入过于复杂
用户未输入

3.2 使用明确直接的语言

LLM对于明确直接的指令响应最佳，如果不太确定，可以使用这条用于判断指令是否明确的黄金法则：

向同事展示您的指示，看看他们是否能按照指令给出您想要的答案。

人类：写一首有关机器人的俳句

助手：一下时有关机器人的俳句

金属身体活动

电路计算着任务

机器模仿生命



人类：写一首有关机器人的俳句。不要导言，直接给出诗句

助手：

金属身体活动

电路计算着任务

机器模仿生命

3.3 使用示例

示例是帮助LLM表现出理想行为的最简单有效的工具

提供给LLM的示例必须包含边缘用例
一般情况下，更多的示例=以延时和Token数的代价换取更可靠的响应

人类：我会给你提供一些引文，请你给出该引文的作者。

以下为示例：

<example>

引文：

”当理性不得不一次又一次地面对不可能的事情时，除了顺从，别无他法。”- N.K Jemisin《第五季》 作者：N.K.Jemisin

</example>

引文：“一些人类认为，智慧物种在扩散到外太空之前就已经灭绝了。如果他们是对的，那么寂静的夜空就是沉寂的墓地。”- Ted Chiang《呼吸》 作者：

助手：Ted Chiang

3.4 为LLM留出思考的时间

有助于排查LLM的逻辑错误，了解提示指令没有表述清除的地方。

人类：[提示的其他内容]回答前请使用<thinking></thinking>XML标签给出问题的思考过程。接着使用<answer></answer>XML标签给出答案。

助手：<thinking>[...思考过程]</thinking>

<answer>[回答]</answer>

3.5 分配角色（或角色提示）

LLM有时需要了解所需扮演的角色背景。分配角色可以从以下两个方面提示LLM的响应：

提高LLM在某些情境（如解决数据问题）下的准确性
使得LLM的言行举止更贴近角色

人类：解决这个复杂的逻辑问题。{{PUZZLE}}

助手：[错误响应]



人类：你是一个专业的逻辑机器人，专门用来解决复杂的逻辑问题。请解决这个复杂的逻辑问题。{{PUZZLE}}

助手：[正确响应]

3.6 使用XML标签划分各个部分

LLM很难理解没有条理的提示。正如章节标题及其他标题可以帮助人类梳理信息，XML标签<> </>也可以帮助LLM理解提示的结构。

人类：你好，Lebron。请在早上6点到达，我定在了这个时间。修改这封电子邮件，让语气更礼貌些。

助手：亲爱的Lebron，希望你能收到这个消息...



人类：你好，Lebron。<email>请在早上6点到达，我定在了这个时间。</email>修改这封电子邮件，让语气更礼貌些。

助手：团队成员早上好，希望你们度过了一个轻松的周末...

3.7 给出输出格式，站在LLM的角度进行回答

可以通过以下方式让LLM以预期给是进行回答：

明确给出你期望的输出格式
站在LLM的角度进行回答，给出LLM响应的开头部分（“助手：”之后的内容）

人类：写一首有关{{ANIMAL}}的俳句。使用JSON格式，键分别为"first_line"、"second_line"、"third_line"。

助手：{"first_line":"睡在太阳下","second_line":"蓬松的皮毛温暖柔和","third_line":"慵懒的小猫在做白日梦"}