Prompt提示工程(入门）

这篇文章是我根据最近遇到的prompt这个词，结合讯飞学习平台和一位数据科学家 Sheila Teo 夺得 GPT-4 提示工程（Prompt Engineering）竞赛冠军写的名为《我如何赢得了新加坡 GPT-4 提示工程赛》的博客文章整理出来的关于prompt的自我见解。

首先这是人工智能给出的prompt介绍。

prompt顾名思义有提示的用处，在人工智能大模型语言交互中有一个好的prompt可以使自己做出来的交互系统更加贴切用户的问题，那么怎么写出一个好的prompt呢。

结合Sheila Teo发布的博客分享我给大家简述一下。

1.使用CO-STAR框架搭建

什么是CO-STAR呢？(下面是在Sheila Teo博客的截图）

其工作方式为：

在对比有无使用CO-STAR框架下，可以发现大语言模型对于使用框架的prompt下的回答更加符合用户的需求，更具有针对性。

2.使用分隔符为prompt设置分节

分隔符可以帮助大语言模型分辨prompt的哪些部分应被视为单个含义单元，让其中各个部分能被区别对待。分隔符对任务复杂的prompt的影响比较大。

用特殊字符当分隔符

分隔符可以使用任何通常不会同时出现的特殊字符序列，举些例子：###、===、>>>

特殊字符的数量和类型并不重要，只要它们足够独特即可，这样才能让 LLM(大语言模型) 将它们理解成内容分隔符，而不是普通的标点符号。

下面是一个例子：

上面例子中使用的分隔符是 ###，同时每一节都带有完全大写的标题以示区分，如 EXAMPLE CONVERSATIONS 和 EXAMPLE OUTPUTS。前置说明部分陈述了要分类的对话是在 <<<CONVERSATIONS>>> 中，这些对话是在 prompt 末尾提供，也不带任何解释说明文本，但由于有了 <<< 和 >>> 这样的分隔符，LLM 就能理解这就是要分类的对话。

用 XML 标签当分隔符

另一种方法是使用 XML 标签作为分隔符。XML 标签是使用尖括号括起来的成对标签，包括开始和结束标签。比如 <tag> 和 </tag>。这很有效，因为 LLM 在训练时就看过了大量用 XML 标注的网络内容，已经学会了理解其格式。

好了以上就是prompt的入门介绍，若要进阶可以去了解 “使用 LLM 防护围栏创建系统提示”，“仅使用 LLM 分析数据集，不使用插件或代码”

这是Sheila Teo大佬的原文链接https://towardsdatascience.com/how-i-won-singapores-gpt-4-prompt-engineering-competition-34c195a93d41