Prompt Engineering实战 AI老兵的15条经验与建议

Author: Jason豪 

1. 编写提示时应清晰准确地传达信息。能够明确描述任务和概念至关重要。
2. 要愿意快速迭代，连续多次向模型发送提示并检测结果。优秀的提示工程师能够持续对已待优化prompt反复改进。
3. 在设计提示时要考虑边界情况和不寻常的场景。思考你的提示在非典型情况下可能会如何失效。
4. 用不完美的、现实的用户输入测试你的提示。不要假设用户会提供格式完美或语法正确的查询。
5. 仔细阅读和分析模型输出。密切关注模型是否按预期执行指令。
6. 摒弃假设，清晰传达完成任务所需的全部信息。系统地分解任务，确保所有必要的细节都包括在内。
7. 在编写提示时考虑模型的“心智理论”。思考模型可能如何以不同于预期的方式解读你的指令。
8. 使用版本控制并跟踪实验结果。将提示视为代码，在管理和迭代方面进行处理。
9. 让模型识别指令中的不清楚或模糊的部分，参与到提示指令的优化流程中。这有助于改进和完善你的提示。
10. 精确描述任务但不过分复杂化。力求清晰的任务描述，避免构建不必要的抽象。
11. 在处理边界情况时，平衡典型案例和边界案例。虽然处理边界情况很重要，但不要忽略主要用例。
12. 考虑提示如何整合到更大的系统中。考虑数据来源、延迟和整体系统设计等因素。
13. 提示工程不仅仅依赖写作技巧；提示工程需要清晰的沟通和系统思维的结合。优秀的作家不一定是优秀的提示工程师，反之亦然。
14. 与客户合作时，帮助他们理解用户输入的实际情况。引导他们考虑现实世界的使用模式，而不是理想化的场景。
15. 广泛地查看数据和模型输出。熟悉模型对不同类型的提示和输入的响应方式。