提示词工程
大约 7 分钟
提示词工程
概念
提示词
- 提示词（Prompt）是指在与大语言模型交互时，用户输入的一段文本或指令，用于引导模型生成相应的输出。
- 它可以是一句话、一个问题、一段描述或更复杂的结构化信息。
“新疆”
提示词工程
- 提示词工程，通过对不同的提示词精心挑选、组合和优化，达到引导大模型产生更加准确的信息输出。
- 说人话：描述地详细一些，哪怕"人工智障"也能理解我们的需求，得出更准确的结果。
提示词：“新疆”
提示词工程：“新疆有哪些好玩的地方？适合什么季节去玩？要做哪些准备？”
提示词工程：“新疆的地理信息，海拔，气候，民族分布”
理解
- 提示词：输入AI的文字或指令
- 提示词工程：为了让AI生成更准确的答案，对提示词的优化过程
- 下面是2024年高考语文作文题目(新课标II卷)
- 我们可以把自己当做出卷人，AI来写作文
- 下面每一句都是提示词，每次多加一句。要输入多少句提示词，AI才能写出符合要求的作文？
- 提示词工程就是这样一个优化提示词的过程。
本试卷现代文阅读I提到，长久以来，人们只能看到月球固定朝向地球的一面，“嫦娥四号”探月任务揭开了月背的神秘面纱；随着“天问一号”飞离地球，航天人的目光又投向遥远的深空……
本试卷现代文阅读I提到，长久以来，人们只能看到月球固定朝向地球的一面，“嫦娥四号”探月任务揭开了月背的神秘面纱；随着“天问一号”飞离地球，航天人的目光又投向遥远的深空……
正如人类的太空之旅，我们每个人也都在不断抵达未知之境。
本试卷现代文阅读I提到，长久以来，人们只能看到月球固定朝向地球的一面，“嫦娥四号”探月任务揭开了月背的神秘面纱；随着“天问一号”飞离地球，航天人的目光又投向遥远的深空……
正如人类的太空之旅，我们每个人也都在不断抵达未知之境。
这引发了你怎样的联想与思考？请写一篇文章。
本试卷现代文阅读I提到，长久以来，人们只能看到月球固定朝向地球的一面，“嫦娥四号”探月任务揭开了月背的神秘面纱；随着“天问一号”飞离地球，航天人的目光又投向遥远的深空……
正如人类的太空之旅，我们每个人也都在不断抵达未知之境。
这引发了你怎样的联想与思考？请写一篇文章。
要求：选准角度，确定立意，明确文体，自拟标题；不要套作，不得抄袭；不得泄露个人信息；不少于800字。
语言大模型能力
- 概括(Summarizing)
- 提取关键信息，减少废话文学
请将下面这段话总结成一句话。
关于这个事，我简单说两句，你明白就行。
总而言之这个事呢，现在就是这个情况，具体的呢，大家也都看得到，也得出来说那么几句。
可能你听的不是很明白，但是意思就是那么个意思，不知道的你也不用去猜，这种事情见得多了。
我只想说懂得都懂，不懂的我也不多解释，毕竟自己知道就好，细细品吧。
- 推断(Ingerring)
- 根据文本内容进行推断
老婆说“劳资蜀道山”，这句话什么意思？我老婆是生气了吗？
- 转换(Transforming)
- 将结果转换为特定格式、语言、风格等
什么提示词工程？请用幽默的语言解释一下。使用中文和英文分别说一下
- 拓展(Expanding)
- 将已有文本信息，根据需求进行扩展
“听君一席话，胜读十年书”用排比句扩写出不少于300字的段落
原则
- 提示词必须是：清晰、具体的指令
- 合理使用分隔符，如：###、```、<>、、:::等
- 明确分割哪些是指令，哪些是引用材料
把三个井号括起来的文本总结成一句话。 ### 阿巴阿巴... ###
- 解决复杂任务时，适当引导
你是一个电商的售后客服，下面三个井号括起来的文本是用户的咨询问题，请耐心友好地回答用户的咨询。
步骤：
1. 分析用户的文本内容，是否有生气、愤怒等负面情绪。
2. 如果有负面情绪，先道歉
3. 具体分析用户内容，判断是什么问题，给出解决方案。如果是用户的问题语言要委婉；如果是平台的问题，一定要耐心解释。
使用一下格式：
「咨询内容」 用户的咨询原问题
「诉求」 分析用户诉求
「用户情绪」 正面/负面，如果负面，说明具体哪些负面情绪
「原因」 简单分析原因
「解决方案」 初步解决方案
「回复内容」 要回复用户的内容
### 我买了个电热水壶为什么要插电？我家停电了就不能烧水了是吗？我要仅退款 ###
- 局限性
- 幻觉(Hallucination)是语言模型的一大缺陷，偶尔会生成一些看似真实实则编造的知识。即AI版"造谣"
- 各个语言大模型都在想办法解决这个问题，所以大家还是要鉴别AI生成的内容是否真实的。
告诉我华为公司生产的跑车的信息
- 迭代进化(Iterative)
- 很难一次尝试就得到完美适用的提示词
- 首先便携初版提示词，经过多轮调整逐步改进，直到生成满意的结果
大模型应用
- 输出格式化(转换能力)在AI应用开发中非常重要，通常可以将结果转换为JSON，然后使用代码解析。
- 例如，教育行业工作者想收集关于教育相关的新闻，我们就可以结合爬虫，将内容输入大模型，判断是否与教育相关
下面三个井号括起来的文本是一片新闻，请判断是否与教育行业相关。
输出结果为JSON字符串，格式为{"is_related": true/false, "reason": "原因说明"}
### 《山花烂漫时》根据“七一勋章”获得者张桂梅事迹改编。张桂梅（宋佳 饰）是中国西部山区的一名普通中学女教师，多年间她不断目睹自己的女学生因家庭贫穷而辍学，在15、16岁的年纪或嫁人生子、或外出打工，这让张桂梅无比痛心和惋惜。她立志要办一所全免费的女子高中，让这些大山里的女孩获得受教育的机会、能够考上大学、走出大山，彻底改变 命运... ###
- 通义千问生成结果如下：
{
"is_related": true,
"reason": "该新闻涉及张桂梅作为一名中学女教师的事迹，其主要内容是关于教育，特别是关注女性学生的受教育权和创办全免费女子高中的努力，因此与教育行业密切相关。"
}
- 接下来，根据json结果做下一步处理
- 最终得到一个收集教育行业新闻的应用