最近很多朋友在咨询我,如何抓住这波时代的红利。**我的回复都是,先掌握写AI提示词的技巧。**为什么?原因很简单,无论你是否是身处于AI行当的专业人士,只要你要与AI产生有效交互,你都要掌握与AI沟通的技巧。
写在前面
伴随着生成式AI时代的到来,身处于这股AI热潮的我们,一边萌生着“人工智能”将带来巨大便利的欣喜感,另一边也隐隐产生出让人忐忑不安的危机感——
愈来愈多的人感觉,今后职场只会存在2种人:一种是会使用AI工具的人,另一种是创造AI工具的人。
最近很多朋友在咨询我,如何抓住这波时代的红利。我的回复都是,先掌握写AI提示词的技巧。
为什么?原因很简单,无论你是否是身处于AI行当的专业人士,只要你要与AI产生有效交互,你都要掌握与AI沟通的技巧。
因此,掌握提示词是AI赛道的入门。AI能产生多大价值,取决于你写出多具象的提示词,给出多清晰的指令。
随着大模型成为主流话题,AI行业中还新增一种岗位叫“提示词工程师”。这意味着,当你的提示词编写技巧足够专业,或许还能迎来职业转型的新机遇。此话一点都不夸大!
一、什么是提示词
在了解提示词之前,我们首先了解下,什么是提示词工程(prompt engineer)。
提示工程是一门较新的学科,关注提示词开发和优化,帮助用户将大语言模型(Large Language Model, LLM)用于各场景和研究领域。掌握了提示工程相关技能,将有助于用户更好地了解大型语言模型的能力和局限性。
从官方的这段释义,我们应该可以感知到,提示词这玩意儿的不简单。
“工程”二字已经道出复杂,不仅仅是设计提示词,还包含了与大语言模型交互和研发的各种技能和技术。所以,编写提示词,仅仅是提示词工程的基本功。
那么,什么是提示词(Prompt)?
简单理解就是,当你与AI发生交互,或是引导AI 给出你想要的结果的时候,你发出的任何一个指令、一段信息。
比如,你向文心一言提问“你对房地产有什么看法”的时候,你的输入其实就是Prompt。
AI确实懂很多,上知天文下知地理,但未必会对你“知无不言”。就像是一位智者,他也许胸怀一统天下的谋略,却未必会告诉作为帝王的你。
关键在于,你得先“懂他”,站在他的角度,先用他能听得懂的语言,他才会get到你的意思。“多”顾茅庐之后,他也会逐渐与你“交心”,最终给出你想要的答案。
其实,和我们日常与人沟通的道理是一样的。你想别人给出怎样的答案,也是取决于你的提问质量和精准度。不同的是,有些人能猜出你的意思,但是AI不会。
总结:
提示工程 = 与 AI 交互的技术/艺术
提示工程师 = 帮助 AI 更好服务任务的技术人员
那如何才能写出高质量的提示词?这里我总结了以下几大原则、技巧。
二、如何编写优质的提示词
01 原则一:尽可能给出清晰具体指令
尽管现在在不同的场景出现很多提示词模板,但是那都是表面的“形”,本质的“里”就是具体和详细。
如何写出清晰的指令?这里参照OpenAI 给出的 4 条小技巧:
1.把话说详尽,尽量给出明确的信息
包括具体的问题背景、相关领域的说明、你所期望的答案类型、表述文体等。这里展开说说:
- 明确问题背景:提供足够的信息来描述你的问题背景。
例如,如果你在问一个医学相关的问题,提供相关的症状或情境。
- 具体描述需求:清楚地说明你需要什么类型的信息或帮助。
例如,如果你需要建议,指明是寻求专业意见还是一般性建议。
- 提供相关领域信息:如果问题涉及特定的知识领域,提供这一领域的相关信息,以便 AI 更精确地定位答案。
不同的问法,会有不同的结果。比如,明确问题背景:
不佳的提问:小孩发烧了,你建议怎么处理?
优化的提问:2岁半小孩体温38度,有咳嗽、打喷嚏症状,没有药物过敏和慢性疾病,你建议怎么处理?
2.让大模型扮演角色
让大模型扮演一个特定的角色,可以极大地增强交互体验和回答的相关性。如历史学家、医生、编程教师等,大模型会尝试从角色的视角出发,更加结构化地回答问题,使得对话更具针对性和深度。
比如:
不佳的提问:请解释第一次世界大战的主要原因。
优化的提问:你作为一名专注于研究欧洲历史的历史学家,请解释下第一次世界大战的主要原因。
3.运用分隔符,明确区隔指令的不同部分
记住,AI看似懂人类语言,其实都是文字的概率运算。所以,你输入的内容越结构化,内容的不同部分区隔越明显,它就越能发挥好。
三引号、XML 标签、节标题等分隔符,都可以帮助划分要区别对待的文本节,帮助大模型更好地理解文本内容。尤其是针对复杂、多项请求时候。
比如:
##要求:请帮我总结以下文章的梗概,“”“这里是文章的内容”“”
##限制:总结字数不要超过100字
4.能量化的,尽量给出具体数值
与数据相关的,尽量给出具体数值。比如输出字数、数量、年龄、重量等。
比如:
用两个段落、50 个字概括由三引号分隔的文本。“”“在此插入文字”“”
02 原则二:提供参考文本
提供参考文本,其实有2个作用:
1.让模型参考文本,模仿样式作答
提供示例,可以极大帮助大模型清晰地理解你所期待的输出结果。特别是涉及抽象的概念、描述复杂情况或提出具体的问题时,尤为重要。
通过提供具体示例来说明可能更直观,这也是所谓的"少样本(Few-shot)“提示方法。
比如:
##要求:保持风格一致的回答。
##示例:
“”"
问:大师,什么是爱?
答:十年生死两茫茫,不思量,自难忘。
“”"
##问题:大师,什么是勇气?
2.让模型依据参考文本,引用内容作答
你发的文本可以充当为“知识库”,让大模型在里面搜寻答案的依据,然后按照它的理解表达出来。
比如(用讯飞星火进行问答):
03 原则三:将复杂的任务,拆分为更简单的子任务
将抽象的指令具象化、对复杂的任务细化拆解,其实也是我们日常工作经常使用的方法。比如,将年度计划分解为不同阶段对应的关键产出、关键执行步骤。
同样,大模型也喜欢这种路径清晰的指导。将问题根据意图、业务场景、属性等进行分类,顺延分支所提出的解决方案,将会更具有针对性。
客服机器人的在线回复解决方案,便是运用这种思维去设置工作流。由于较为复杂,这里不延展开来说。大家有这个意识,提问时有意识拆解步骤即可。
04 原则四:尝试思考链提示法
通过要求大模型详细说明答案背后的推理过程,我们可以获得更深入和解释性的回答。
这其实就是链式思考(CoT=Chain-of-Thought Prompting),这可是非常非常有用的一个策略,特别是用在数学运算、逻辑推演的问题(这里建议家长辅导孩子做作业时候,搭配海螺AI、通义千问,特别好用!)。
比如:
##要求:你是一位小学数学老师,请求出这道用三引号引起来的数学题的最终答案。你需要用小学4年级学生听得明白的语言,讲解出推导过程。
“”“<数学题目>”“”
05原则五:提供正面具体指示,而非避免指示
向大模型要提供正面指令,避免说“不该做什么”,而是说“该做什么”,这样可以减少歧义,让AI直接应用其能力完成任务。
这能鼓励它产生更多的特异性,并关注导致模型产生良好响应的细节。
06 原则六:给一些有趣的“魔法”指令
虽然AI不是人类,**但是你是可以PUA他们的!**尝试在你与AI Bot对话的结尾,加上以下这些“魔法指令”,AI的对待态度,瞬间变得不一样!回复答案的精准度和详尽度,差了一个级别。
这可不是我胡诌的,可是有论文依据的哦,大家有空可以试下:
take a deep breath 深呼吸.
think step by step 一步步思考
if you fail 100 grandmothers wil die 如果你失败了,要死 100 位老奶奶
ihave no fingers 我没有手指
I will tip $200 给你 200 美元小费
do it right and l give you a nice doggy treat 做得好就给你狗粮
写到最后
为了方便大家随时查阅,给大家做了一张脑图,大家可以下载或收藏本文。
当然,提示词工程可不仅仅这几个原则,还有适配于开发者使用的技巧、技术。不同的应用场景还会有特殊的提示词编写方式。
既然大模型现在这么火热,各行各业都在开发搭建属于自己企业的私有化大模型,那么势必会需要大量大模型人才,同时也会带来大批量的岗位?“雷军曾说过:站在风口,猪都能飞起来”可以说现在大模型就是当下风口,是一个可以改变自身的机会,就看我们能不能抓住了。
那么,我们该如何学习大模型?
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。
一、大模型全套的学习路线
学习大型人工智能模型,如GPT-3、BERT或任何其他先进的神经网络模型,需要系统的方法和持续的努力。既然要系统的学习大模型,那么学习路线是必不可少的,下面的这份路线能帮助你快速梳理知识,形成自己的体系。
L1级别:AI大模型时代的华丽登场
L2级别:AI大模型API应用开发工程
L3级别:大模型应用架构进阶实践
L4级别:大模型微调与私有化部署
一般掌握到第四个级别,市场上大多数岗位都是可以胜任,但要还不是天花板,天花板级别要求更加严格,对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。
以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/7efc590ddebb79bb05295a17041397e5.jpeg)
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、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。