大模型提示工程指南¶

大模型提示工程指南¶

1 概念¶
提示工程（Prompt Engineering），也称为 In-Context Prompting，是指在不更新模型权重的情况下如何与 大模型交互以引导其行为以获得所需结果的方法。
在人工智能领域，Prompt指的是用户给大型语言模型发出的指令。例如，“「讲个笑话」”、“「用Python编个贪吃蛇游戏」”、“「写封情书」"等。虽然看似简单，但实际上，Prompt的设计对于模型的结果影响很大。因此如何设计prompt，进而与模型更好的交互，是研究人员必备的必不可少的技能（提示工程）。
提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力。
2 提示工程的原则¶
基于OpenAI官网文档，我们提炼出了5条大原则：
清晰的指令
文本参考
复杂任务拆分简单子任务
给模型"思考"的时间
借助外部工具
接下来，我们将对每一种具体的原则进行原理讲解以及举例实时，以帮助我们在日常工作准确的使用LLM。
2.1 清晰的指令¶
任何Prompt技巧，都不如清晰的表达你的需求。这就类似人与人沟通，如果话说不明白，不可能让别人理解你的思想。因此，写出清晰的指令，是核心。
那么如何写出清晰的指令呢？下面罗列几个小技巧：
2.1.1 详细的描述¶
当我们进行模型的提问时，不要描述的太笼统，而是尽量多的提供重要的详细信息或上下文.
eg: 不要直接说，“帮我写一封情书”；而是说：“用一些温柔的话语写一封情书，来表达我对你的仰慕和思念。最后，我要求书写字体数要不低于500个字”

2.1.2 让模型充当某个角色¶
当我们使用大模型时，可以让模型充当一个角色，这样模型会更专业更明确的对你的问题进行回复.
Eg：我需要你充当一个AI算法面试官的角色，要求你自主的对我进行AI面试过程中常考的面试题，你可以一次说一个问题，然后我回答完，你再出第二道题

2.1.3 使用分隔符标明输入的不同部分¶
中括号、XML标签、三引号等分隔符可以帮助划分