在這篇文章中，您將了解即時(shí)工程。尤其，

• 如何在提示中提供對(duì)響應(yīng)影響最大的信息
• 什么是角色、正面和負(fù)面提示、零樣本提示等
• 如何迭代使用提示來利用 ChatGPT 的對(duì)話性質(zhì)?
• 廢話不多說直接開始吧！！！

提示原則

快速工程是有效利用 LLM 的最重要方面，也是定制與 ChatGPT 交互的強(qiáng)大工具。它涉及制定清晰且具體的指令或查詢，以從語言模型中得出所需的響應(yīng)。通過仔細(xì)構(gòu)建提示，用戶可以引導(dǎo) ChatGPT 的輸出實(shí)現(xiàn)其預(yù)期目標(biāo)，并確保更準(zhǔn)確和有用的響應(yīng)。

在 ChatGPT 的即時(shí)優(yōu)化過程中需要記住一些基本技術(shù)。

首先，在提示開頭提供明確的指令有助于設(shè)置上下文并定義模型的任務(wù)。指定預(yù)期答案的格式或類型也是有益的。此外，您可以通過在提示中加入系統(tǒng)消息或角色扮演技術(shù)來增強(qiáng)交互。

下面是使用上述技術(shù)的示例提示：

我希望您為食譜博客生成 10 個(gè)快速準(zhǔn)備晚餐的想法，每個(gè)想法都包含一個(gè)標(biāo)題和對(duì)這頓飯的一句話描述。這些博客是為尋找易于準(zhǔn)備的家庭膳食的父母受眾編寫的。將結(jié)果輸出為項(xiàng)目符號(hào)列表。

將該提示與以下內(nèi)容進(jìn)行比較：

寫 10 篇食譜博客。

?直觀上，前者會(huì)獲得更有用的結(jié)果。

請(qǐng)記住，您可以通過迭代地改進(jìn)和試驗(yàn)提示來提高模型響應(yīng)的質(zhì)量和相關(guān)性，從而創(chuàng)建更富有成效的對(duì)話。不要害怕直接在 ChatGPT 上測(cè)試潛在的提示。

基本即時(shí)工程

現(xiàn)在您已經(jīng)知道基本提示應(yīng)該是什么樣子了，讓我們更詳細(xì)地探討一些基本的提示工程注意事項(xiàng)。

提示措辭

提示的措辭至關(guān)重要，因?yàn)樗笇?dǎo)法學(xué)碩士生成所需的輸出。以 ChatGPT 能夠理解并準(zhǔn)確回應(yīng)的方式表達(dá)問題或陳述非常重要。

例如，如果用戶不是某個(gè)領(lǐng)域的專家并且不知道表達(dá)問題的正確術(shù)語，ChatGPT 可能會(huì)遇到他們提供的答案受到限制。這類似于在不知道正確關(guān)鍵字的情況下在網(wǎng)絡(luò)上搜索。

雖然很明顯可以使用附加信息來創(chuàng)建更好的提示，但一般來說過于冗長不一定是最佳策略，這一點(diǎn)可能不太明顯。最好不要將提示措辭視為一種單獨(dú)的技術(shù)，而是將其視為連接所有其他技術(shù)的線索。

簡(jiǎn)潔

提示的簡(jiǎn)潔對(duì)于清晰度和精確性非常重要。精心設(shè)計(jì)的提示應(yīng)該簡(jiǎn)潔明了，為 ChatGPT 提供足夠的信息來理解用戶的意圖，但又不會(huì)過于冗長。然而，確保提示不要太簡(jiǎn)短至關(guān)重要，否則可能會(huì)導(dǎo)致歧義或誤解。不夠和太多之間的平衡可能很難實(shí)現(xiàn)。練習(xí)可能是掌握這項(xiàng)技能的最好方法。

提示中的措辭和簡(jiǎn)潔性很重要，因?yàn)樗菫榱司唧w化。

角色和目標(biāo)

在即時(shí)工程中，角色是為法學(xué)碩士和目標(biāo)受眾分配的角色。例如，如果有人有興趣讓 ChatGPT 為一篇關(guān)于機(jī)器學(xué)習(xí)分類指標(biāo)的博客文章撰寫大綱，明確說明法學(xué)碩士將充當(dāng)專家機(jī)器學(xué)習(xí)實(shí)踐者，并且其目標(biāo)受眾是數(shù)據(jù)科學(xué)新手，這肯定會(huì)有助于提供富有成效的回應(yīng)。是否應(yīng)該用對(duì)話語言（“你將擔(dān)任在鳳凰城地區(qū)有 10 年經(jīng)驗(yàn)的房地產(chǎn)經(jīng)紀(jì)人”）或以更正式的方式（“作者：鳳凰城房地產(chǎn)經(jīng)紀(jì)人專家；受眾：缺乏經(jīng)驗(yàn)的家庭”）來表述買家“）可以在給定的場(chǎng)景中進(jìn)行實(shí)驗(yàn)。

目標(biāo)與角色密切相關(guān)。明確說明提示引導(dǎo)交互的目標(biāo)不僅是一個(gè)好主意，而且是必要的。如果沒有它，ChatGPT 如何知道要生成什么輸出？

以下是考慮了角色和目標(biāo)的有效提示：

您將擔(dān)任一名在鳳凰城地區(qū)擁有 10 年經(jīng)驗(yàn)的房地產(chǎn)經(jīng)紀(jì)人。您的目標(biāo)是用一段文字總結(jié)菲尼克斯都市區(qū)排名前 5 的家庭社區(qū)。目標(biāo)受眾是沒有經(jīng)驗(yàn)的購房者。
除了明確陳述的角色和目標(biāo)之外，請(qǐng)注意上面示例提示的相對(duì)特殊性。

?積極和消極的提示

正負(fù)提示是指導(dǎo)模型輸出的另一套框架方法。積極的提示（“執(zhí)行此操作”）鼓勵(lì)模型包含特定類型的輸出并生成特定類型的響應(yīng)。另一方面，負(fù)面提示（“不要這樣做”）會(huì)阻止模型包含特定類型的輸出并生成特定類型的響應(yīng)。使用正面和負(fù)面提示可以極大地影響模型輸出的方向和質(zhì)量。

考慮以下示例提示：

您將擔(dān)任一名在鳳凰城地區(qū)擁有 10 年經(jīng)驗(yàn)的房地產(chǎn)經(jīng)紀(jì)人。您的目標(biāo)是用一段文字總結(jié)菲尼克斯都市區(qū)排名前 5 的家庭社區(qū)。目標(biāo)受眾是沒有經(jīng)驗(yàn)的購房者。

?上述提示的框架本質(zhì)上是積極的，為 ChatGPT 應(yīng)生成的內(nèi)容提供了指導(dǎo)。讓我們添加一些措辭來阻止某些輸出，無論是內(nèi)容還是格式。針對(duì)內(nèi)容指導(dǎo)的負(fù)面提示的一個(gè)示例可以是在上面的示例中添加以下內(nèi)容：

請(qǐng)勿包括距市中心 5 英里以內(nèi)或機(jī)場(chǎng)附近的任何社區(qū)。

?這個(gè)額外的約束應(yīng)該有助于 ChatGPT 理解它應(yīng)該生成什么輸出。

先進(jìn)的即時(shí)工程策略?

讓我們看看一些更高級(jí)的即時(shí)工程策略。雖然上一節(jié)提供了與 LLM 交互的一些一般準(zhǔn)則，但您可以轉(zhuǎn)向提示工程師工具包中常見的各種當(dāng)代策略，以便能夠以更復(fù)雜的方式與 ChatGPT 交互。

輸入/輸出提示

輸入/輸出提示策略涉及定義用戶向 LLM 提供的輸入以及 LLM 作為響應(yīng)生成的輸出。該策略對(duì)于促進(jìn)工程至關(guān)重要，因?yàn)樗苯佑绊?ChatGPT 響應(yīng)的質(zhì)量和相關(guān)性。

例如，用戶可能會(huì)提供輸入提示，要求 ChatGPT 為特定任務(wù)生成 Python 腳本，所需的輸出將是生成的腳本。

下面是最基本策略的示例：提供單個(gè)輸入并期望單個(gè)輸出。

生成一個(gè) Python 腳本，該腳本采用單個(gè)強(qiáng)制命令行參數(shù) ([project]) 并執(zhí)行以下任務(wù)：
– 創(chuàng)建一個(gè)名為 [project] 的新文件夾
– 在名為 [project].py 的新文件夾中創(chuàng)建一個(gè)文件
– 編寫一個(gè)簡(jiǎn)單的文件Python腳本文件頭到[project].py文件

?零樣本提示

零樣本策略涉及法學(xué)碩士在沒有任何示例或上下文的情況下生成答案。當(dāng)用戶想要快速回答而不提供額外細(xì)節(jié)時(shí)，或者當(dāng)主題過于籠統(tǒng)以至于示例會(huì)人為地限制響應(yīng)時(shí)，此策略可能很有用。例如：?

為我的新狗生成 10 個(gè)可能的名字。

?一鍵提示

一次性策略涉及法學(xué)碩士根據(jù)用戶提供的單個(gè)示例或上下文生成答案。該策略可以指導(dǎo) ChatGPT 的響應(yīng)并確保其符合用戶的意圖。這里的想法是，一個(gè)例子將為模型提供比沒有更多的指導(dǎo)。例如：

為我的新狗生成 10 個(gè)可能的名字。
我喜歡的狗名字是香蕉。

?少發(fā)提示

少樣本策略涉及法學(xué)碩士根據(jù)用戶提供的一些示例或上下文片段生成答案。該策略可以指導(dǎo) ChatGPT 的響應(yīng)并確保其符合用戶的意圖。這里的想法是，多個(gè)示例將為模型提供比單個(gè)示例更多的指導(dǎo)。例如：

為我的新狗生成 10 個(gè)可能的名字。
我喜歡的狗名字包括：
– 香蕉
– 獼猴桃
– 菠蘿
– 椰子

正如您所猜測(cè)的，提示中包含的示例越多，生成的輸出就越接近所需的結(jié)果。對(duì)于零樣本，可能不會(huì)建議任何水果名稱；如果是一次，則可能有多個(gè)；在很少的情況下，建議可能完全由水果主題的名稱組成。?

思維鏈提示

思路鏈策略包括為法學(xué)碩士提供一些示例，幫助完善原始問題并確保得到更準(zhǔn)確和全面的答案。所謂思路提示，是因?yàn)樘崾局邪艘恍┧悸肥纠?。它與 X-shot 提示技術(shù)不同，因?yàn)樗季S鏈提示的結(jié)構(gòu)是為了鼓勵(lì)批判性思維，并且旨在幫助發(fā)現(xiàn) ChatGPT 可能沒有考慮到的新見解或方法。

該技術(shù)還鼓勵(lì)法學(xué)碩士輸出其批判性推理。思維鏈提示的名片是“讓我們一步一步思考”這句話，它通常附加在提示的末尾，研究表明這足以改善生成的結(jié)果。

考慮以下一次性提示示例：

問：喬有 20 個(gè)雞蛋。他又買了兩盒雞蛋。每箱裝有 12 個(gè)雞蛋。喬現(xiàn)在有多少個(gè)雞蛋？
答：答案是44。

問：農(nóng)夫約翰有 93 只雞。如果他把 20 只賣給農(nóng)夫比爾，然后又買了兩倍數(shù)量的雞，那么農(nóng)夫約翰現(xiàn)在有多少只雞？

?并考慮 ChatGPT 的錯(cuò)誤輸出響應(yīng)：

答案是73。

?現(xiàn)在讓我們看一下下面的思維提示鏈，它是為鼓勵(lì)法學(xué)碩士的批判性思維而編寫的：

問：喬有 20 個(gè)雞蛋。他又買了兩盒雞蛋。每箱裝有 12 個(gè)雞蛋。喬現(xiàn)在有多少個(gè)雞蛋？讓我們一步步思考。
A：喬一開始有 20 個(gè)雞蛋。2盒12個(gè)雞蛋就是24個(gè)雞蛋。20 + 24 = 44。因此，喬有 44 個(gè)雞蛋，答案是 44。

問：農(nóng)夫約翰有 93 只雞。如果他把 20 只賣給農(nóng)夫比爾，然后又買了兩倍數(shù)量的雞，那么農(nóng)夫約翰現(xiàn)在有多少只雞？讓我們一步步思考。

?這次 ChatGPT 的回應(yīng)有所不同：

答：農(nóng)夫約翰向農(nóng)夫比爾賣了 20 只雞，所以他剩下 93 – 20 = 73 只雞。然后他買了兩倍于他賣掉的雞的數(shù)量，所以他買了 2 * 20 = 40 只雞。將這些新買的雞添加到他剩余的棍子上，農(nóng)夫約翰現(xiàn)在有 73 + 40 = 113 只雞。

通過提供解決此問題所需的批判性思維過程的示例，并指導(dǎo)其逐步思考，ChatGPT 可以將相同的推理應(yīng)用于我們的問題，并得出正確的答案。?

自我批評(píng)?

自我批評(píng)策略包括促使法學(xué)碩士評(píng)估其輸出是否存在潛在的不準(zhǔn)確之處或需要改進(jìn)的地方。該策略可以確保 ChatGPT 提供的信息盡可能準(zhǔn)確。它可以幫助用戶調(diào)試提示并確定為什么他們沒有得到符合預(yù)期的結(jié)果。

此類提示的示例如下：

請(qǐng)重新閱讀您的上述回復(fù)。您發(fā)現(xiàn)您的回復(fù)有任何問題或錯(cuò)誤嗎？如果是這樣，請(qǐng)找出這些問題或錯(cuò)誤并進(jìn)行必要的編輯。

?此示例涉及指導(dǎo) ChatGPT 使用自我批評(píng)來調(diào)試其錯(cuò)誤代碼：

查看您剛剛生成的代碼。目前它沒有運(yùn)行。您是否能夠看到任何可以糾正的語法錯(cuò)誤或流程控制錯(cuò)誤？如果是這樣，請(qǐng)找出有問題的代碼部分并重新生成它。?

利用 ChatGPT 的自我修復(fù)能力是一項(xiàng)不容忽視的快速工程技術(shù)。?

迭代?

迭代或擴(kuò)展策略涉及根據(jù)初始提示的輸出向 LLM 提供后續(xù)提示。這涉及通過提出進(jìn)一步的問題或根據(jù)每個(gè)連續(xù)的響應(yīng)提出額外的請(qǐng)求來迭代結(jié)果。

例如，考慮讓 ChatGPT 協(xié)助您為正在撰寫的一本書創(chuàng)建大綱。第一個(gè)提示可能是這樣的：

我正在寫一本關(guān)于時(shí)間旅行理論的書。我還沒有確定一個(gè)具體的主題。為這樣一本書生成 5 個(gè)具體主題建議。對(duì)于每項(xiàng)建議，請(qǐng)?zhí)峁?biāo)題和一段關(guān)于本書將涵蓋的內(nèi)容的描述。這本書將針對(duì)休閑讀者。

?現(xiàn)在，假設(shè)建議的主題之一如下：

標(biāo)題：“時(shí)間悖論：探索時(shí)間旅行的復(fù)雜性”

簡(jiǎn)介：《時(shí)間悖論》深入探討了時(shí)間旅行悖論中令人費(fèi)解的錯(cuò)綜復(fù)雜之處，探索它們所呈現(xiàn)的迷人難題。本書探討了各種悖論，例如引導(dǎo)悖論、預(yù)定悖論和信息悖論等?！?/strong>

?然后，您可以使用后續(xù)提示對(duì)此進(jìn)行迭代：

我會(huì)寫你建議的書，《時(shí)間悖論：探索時(shí)間旅行的復(fù)雜性》。生成本書的章節(jié)大綱，包括章節(jié)和小節(jié)。

?可能的輸出摘錄如下：

簡(jiǎn)介
– 定義時(shí)間悖論
– 時(shí)間旅行敘事中時(shí)間悖論的意義
– 章節(jié)結(jié)構(gòu)概述

第 1 章：Bootstrap 悖論
1.1 Bootstrap 悖論的本質(zhì)
– 解釋概念及其起源
– 來自文學(xué)、電影和現(xiàn)實(shí)生活軼事的關(guān)鍵例子
……

?然后這個(gè)迭代可以繼續(xù)。進(jìn)一步的提示可能是：

讓我們充實(shí)一下介紹。生成本章每個(gè)部分將涵蓋的內(nèi)容的兩段摘要。介紹的章節(jié)大綱如下。
– – –
引言
– 定義時(shí)間悖論
– 時(shí)間旅行敘事中時(shí)間悖論的意義
– 章節(jié)結(jié)構(gòu)概述

?您可以看到在此示例中如何繼續(xù)進(jìn)一步迭代。可以使用類似的迭代來讓 ChatGPT 生成代碼：從概述開始，迭代概述以生成模塊，在模塊上生成以生成函數(shù)，最后在函數(shù)內(nèi)生成代碼。正如將大問題分解為更小、更易于管理的問題通常是人類成功的處方一樣，ChatGPT 擅長以更容易處理的方式完成更大的任務(wù)。

協(xié)作電源技巧

看待 ChatGPT 的最佳方式是作為初級(jí)助理，無論是研究助理、編碼助理、問題解決助理，還是您需要的任何助理。認(rèn)識(shí)并培養(yǎng)這種協(xié)作氛圍可以帶來進(jìn)一步的成功。以下是促進(jìn)這種合作的一些快速提示。

提示提示

改進(jìn)提示制作的一種方法是讓 ChatGPT 參與其中。像這樣的提示可能會(huì)帶來有益的結(jié)果：

我現(xiàn)在可以使用什么提示來進(jìn)一步幫助您完成此任務(wù)？

?然后，ChatGPT 應(yīng)該生成有用提示的建議，您可以使用它來加強(qiáng)其進(jìn)一步的響應(yīng)。

模型引導(dǎo)提示

模型引導(dǎo)提示涉及指示法學(xué)碩士提示您完成所請(qǐng)求的任務(wù)所需的信息。這類似于告訴某人“問我你需要知道什么”。

我希望你編寫一個(gè) Python 程序來管理我的客戶信息，這些信息存儲(chǔ)在 Google Sheet 中。為了完成這項(xiàng)任務(wù)，請(qǐng)?jiān)儐栁夷枰卮鸬娜魏螁栴}。

?讓 ChatGPT 來決定執(zhí)行任務(wù)所需的信息是有益的，因?yàn)樗梢韵恍┎聹y(cè)并阻止幻覺。當(dāng)然，模型引導(dǎo)提示的精心設(shè)計(jì)的提示可能會(huì)讓您從 ChatGPT 中回答許多不相關(guān)的問題，因此最初的提示仍然需要經(jīng)過深思熟慮地編寫。