提示詞工程概念

提示詞工程： 基礎版

在應用Prompt的時候，我們需要理解一個Prompt 可能包含的6個要素：任務，上下文，示例，角色，格式和語氣，而且這些要素是按重要性降序排列的。

• 任務（Task）: 任務是Prompt的核心，通常以動詞開始，明確表達你希望ChatGPT完成的任務或目標。這可以包括生成文本、給予建議、寫作內容等。可以有多個任務，以清晰地定義你的需求。
• 上下文（Context）: 上下文提供了與任務相關的背景信息，以確保模型可以理解問題的背景和約束條件。這包括用戶的背景信息、成功標準、所處環境等。上下文對於任務的明確性和有效性至關重要。
• 示例（Exemplars）: 示例是提供具體例子或框架的部分，用來引導模型生成更準確的輸出。提供示例可以明確示範所需的內容和格式，從而提高輸出質量。但並不是每次都需要提供示例，有時候也可以讓模型自行生成。
• 角色（Persona）: 角色明確指定ChatGPT和Bard（如果涉及到虛構的角色）所扮演的角色或身份。這可以是具體的人，也可以是虛構的角色，有助於調整語氣和內容以適應特定角色的需求。
• 格式（Format）: 格式部分可視化了你期望輸出的外觀和結構，如表格、列表、段落等。明確指定輸出的格式可以確保ChatGPT生成的內容符合你的預期。
• 語氣（Tone）: 語氣定義了輸出文本的語氣或風格，如正式、非正式、幽默等。指定語氣有助於確保ChatGPT的回應符合所需的情感和風格要求。通過合理組織這六個要素，可以創建一個清晰明了的Prompt，有效引導ChatGPT生成符合期望的文本輸出。

Prompt的使用技巧：

原則1：清晰明確

不要讓大模型去猜測，去揣摩人心。寫的越具體越好。

• 1、使用分隔符：清楚地表示輸入的不同部分，讓模型清楚地了解要處理哪段文本。分隔符可以是任何明確的標點符號(雙引號、單引號、XML標記、章節標題等)。
• 2、結構化輸出：為了更容易解析模型的輸出，結構化輸出很有幫助，如HTML或JSON
• 3、具體和直接
• 4、要做什麽：避免說「不要做」什麽，而是說「要做」什麽
• 5、少樣本提示：讓模型執行實際任務前，提供給模型成功執行該任務的示例，以此告訴模型，你想讓模型做的任務是什麽（In context Learning）

原則2：給模型思考的過程

• 1、指令拆分：分條目編寫指令，指定完成任務所需的步驟
• 2、邏輯鏈：讓模型給出結論前先自行推理
• 3、檢查並改進：設置一個新的prompt，定義什麽是「好」，並要求LLM檢查其先前的輸出以查看它是否「好」。

使用 Prompt 的關鍵框架

RTGO框架：

• Role（角色）：定义AI在任务中扮演的专业身份，帮助AI理解其视角和职责。例如："你是一位资深数据分析师"或"你是一位十年经验的Python开发工程师"。
• Task（任务）：明确具体的操作指令，清晰界定任务范围，避免生成无关内容。例如："分析2025年Q1用户行为数据"。
• Goal（目标）：设定任务的期望效果或可量化目标，帮助AI理解任务的深层次需求。例如："生成包含3个关键趋势的可视化报告"。
• Objective（操作要求）：细化输出的格式、风格或具体要求，确保生成内容符合用户需求。例如："使用Markdown格式，附带Matplotlib代码示例"

ICIO 框架：

• Instruction（指令）+Context（背景信息）+Input Data（輸入數據)+Output Indicator（輸出引導）。
• Instruction（指令）：框架的核心，用於明確AI需執行的任務。編寫指令時，應簡明扼要，確保AI可準確把握任務目標及要求。
• Context（背景信息）：包括任務背景、目的、受眾、範圍、扮演角色等等，有助於AI理解任務並生成響應。
• Input Data（輸入數據)：告知模型需要處理的數據，非必需，若任務無需特定的輸入數據，則可省略。
• Output Indicator（輸出引導）：告知模型輸出結果的類型或風格等，如指定所需語氣（正式、隨意、信息性、說服性等）、定義格式或結構（如論文、要點、大綱、對話）、指定約束條件（如字數或字符數限制）、要求包含引用或來源以支持信息等。

CO-STAR框架：

• Context（上下文）、Objective（目標）、Style（風格）、Tone（語氣）、Audience（受眾）、Response（回覆）。
• Context（上下文）：提供任務的上下文信息，有助於LLM了解正在討論的具體情景，確保其答覆具有相關性。
• Objective（目標）：明確你希望LLM執行的任務是什麽，有助於LLM把回答的重點放在實現這一具體目標上。
• Style（風格）：表明你希望LLM使用的寫作風格，可以是魯迅、余華等某個名人的寫作風格，也可以是某個行業的某個專家，如商業分析專家或首席執行官。
• Tone（語氣）：確定回覆的態度，可確保LLM的回覆與所需的情感或情緒背景符合，如正式的、幽默的、具有說服力的等。
• Audience（受眾）：確定回覆的對象，根據受眾（如初學者、兒童等）量身定制LLM的回覆，確保其在所需的語境中是恰當的、可以理解的。
• Response（回覆）：明確回覆格式，確保LLM按照下遊任務所需的準確格式輸出。例如，列表、JSON、專業報告等。

CRISPE框架：

• Capacity（能力）、Role（角色）、Insight（見解）、Statement（聲明）、Personality（個性）和Experiment（實驗）。
• Capacity and Role（能力和角色）：指示 LLM 應扮演什麽角色，具備什麽能力。
• Insight（見解）：提供你請求的背後見解、背景和上下文。
• Statement（聲明 ）：你要求 LLM 做什麽。
• Personality（個性）：你希望 LLM 以何種風格、個性或方式回應。
• Experiment（實驗）：請求 LLM 為你回覆多個示例。

Prompt 調優

關鍵步驟：

• 嘗試不同的prompting方法：在prompt的生成過程中，可能需要嘗試各種語言模式、詞匯的使用，甚至是不同的語法結構。每次嘗試都應該以評估集為基準進行測試，以觀察變更對系統性能的影響。
• 調整和優化：根據測試結果，你需要對prompt進行調整和優化。這可能包括微調某些詞語的選擇，改變提問的方式，調整語言風格， 也可能是大幅度改變Prompt的結構。
• 記錄和分析：每次實驗之後，都應該詳細記錄結果，並進行分析。這些記錄可以幫助你理解哪些改變是有效的，哪些是無效的，從而指導未來的調整方向。
• 叠代循環：在每一輪測試和優化之後，都需要重新評估prompt的效果。通過這樣的叠代循環，你可以逐步接近最優的prompt設計。

Prompt 調優方式：

01 內容上叠代指令

• 角色叠代：嘗試不同的角色，讓大模型提供最佳的上下文語境。
• 任務叠代：對於指令的關鍵動作，嘗試不同的近義詞或其他相近的描述來提升準確性。
• 執行步驟叠代–正向引導：避免負指令，談股票更換概念等方式，盡量告訴模型應該輸出什麽。
• 執行步驟叠代–邏輯完備：將完備的思考邏輯給大模型，避免在“無”的時候，大模型自由發揮，亂造信息。
• 執行步驟叠代–避免規則：指令的作用在於引導大模型輸出正確的答案，硬規則更加適合於靠規則程序來完成。
• Few shot叠代：要麽每個類別都均勻添加做示例，要麽都不加；樣例較多時，引入向量數據庫做動態few shot。【好的訓練集、評測集】

02 結構上叠代指令

• 分隔符作用：避免模型指令收到其他內容的幹擾；將文本上下文、不同的知識模塊做分隔；避免用戶註入無關指令。
• 分條目作用：有助於大模型理解每個獨立的任務，引導大模型按照
• 指令進行思考；有助於開發者順利任務的邏輯順序，便於逐條編寫測試以及叠代維護。
• 順序作用：先輸出的內容會影響後輸出的內容，可以嘗試不同的順序，避免提取項的幹擾，找到最佳的提取效果。
• 嵌套：平鋪直敘，避免多層的邏輯嵌套。
• 位置：指令的首部和尾部指令遵循效果較好，根據不同的輸入文檔長度和指令難度嘗試不同的段落組織方式。

七個提示詞工程實用技巧

1. “小費激勵法”

• 原理：通過承諾「小費」來獲得更高品質的回答
• 提示詞：如果你能做得更好，我就給你 20 美元小費
• 實際應用：當對第一次回答不夠滿意時使用，往往能獲得更專業、更詳盡的答案

2. 流程圖轉代碼

• 原理：AI 識別流程圖並產生對應代碼
• 提示詞：請分析並理解這張圖片，然後編寫實現流程圖中所示過程的 Python 代碼
• 應用場景：將業務流程圖快速轉換為可執行代碼

3. 簡歷定製

• 原理：根據職位要求智慧調整簡歷內容
• 提示詞：我目前是[當前職位]，正在申請[公司名稱]的[目標職位]。 請根據以下職位描述優化我的簡歷：[職位描述]
• 特點：可以精準匹配職位要求，提高簡歷競爭力

4. 反向圖片提示詞

• 原理：分析目標圖片，生成可復現的提示詞
• 提示詞：請使用反向提示詞工程，告訴我生成這張圖片的具體提示詞
• 簡化版：請使用反向工程重新創建這張圖片
• 用途：説明更精確地生成類似風格的圖片

5. 情景分析

• 原理：類比不同決策的可能結果
• 提示詞：我有一個關於[專案/內容/業務]的想法，需要你的反饋。 這是我的想法概述：[描述想法]。 請分析我可以用哪些不同方式[完成任務]？ 請進行情景對比分析。
• 適用：商業決策、項目規劃等需要多角度分析的場景

6. 互動遊戲

• 原理：通過對話形式進行遊戲互動
• 提示詞：讓我們來玩二十個問題遊戲。 你開始問問題，記得標註問題編號
• 知識問答版：讓我們來玩[主題/節目/角色]知識問答，請開始提問
• 特點：寓教於樂，增加使用趣味性

7. 個性畫像

• 原理：基於對話歷史進行個人化分析
• 提示詞：根據我們至今的對話和你對我的瞭解，請創建一個描繪我生活的圖像
• 延伸提示詞：
• 根據我們的對話，你覺得我是一個什麼樣的人？
• 告訴我 5 個你從我們的對話中發現的，我可能都沒注意到的關於我的特點