前言

隨著人工智能的快速發(fā)展，我們正慢慢進(jìn)入AIGC的新時代，其中對自然語言的處理成為了智能化的關(guān)鍵一環(huán)，在這個大背景下，“Prompt工程”由此產(chǎn)生，并且正逐漸成為有力的工具...

LLM

（Large Language Model）大語言模型，具有許多參數(shù)的人工神經(jīng)網(wǎng)絡(luò)生成，使用自監(jiān)督學(xué)習(xí)或半監(jiān)督學(xué)習(xí)對大量未標(biāo)記文本進(jìn)行訓(xùn)練，在各種任務(wù)中表現(xiàn)出色。AI 并不是自主生成內(nèi)容的，而是依賴于提示詞的引導(dǎo)。提示詞越清晰、具體，AI 的輸出就越符合預(yù)期。

Prompt簡介

Prompt是指一段文本，指令或者描述，用于引導(dǎo)預(yù)訓(xùn)練的語言模型理解用戶意圖并生成預(yù)期輸出。

Prompt工程是一種基于預(yù)訓(xùn)練語言模型(PLM)或大語言模型(LLM)，通過向模型提供精心設(shè)計的提示語，引導(dǎo)模型生成與任務(wù)相關(guān)的文本輸出。通俗一點的將，Prompt工程就是通過編寫特定Prompt提示詞，詢問AI時它返回的結(jié)果是被你引導(dǎo)的回答。

Prompt 工程流程：

Prompt的優(yōu)勢

1.快速迭代和調(diào)優(yōu)

Prompt工程中的提示語（自然語言）可以很容易地進(jìn)行快速迭代和調(diào)優(yōu)。可以微調(diào)Prompt，快速嘗試不同的生成結(jié)果，以找到最佳的輸出。

2.適用廣泛任務(wù)

prompt工程適用于各種場景，包括文本生成，問答統(tǒng)計，格式生成，編寫代碼，扮演角色等，其靈活性使其可以成為解決多種自然任務(wù)的強大工具，只需要設(shè)計相應(yīng)的Prompt，例如可以根據(jù)提示詞的不同實現(xiàn)不同功能，扮演不同角色。

3.節(jié)省資源

一個精心設(shè)計的Prompt可以等同于許多真實數(shù)據(jù)樣本的效果，節(jié)省了大量的資源。相對于收集和標(biāo)注大量的真實數(shù)據(jù)，設(shè)計好的Prompt可以用較少的輸入來引導(dǎo)模型生成各種輸出，節(jié)省大量資源。

編寫Prompt技巧

設(shè)定信息豐富且清晰的語句

Prompt應(yīng)該提供具體信息，以便模型理解任務(wù)的背景和要求。盡可能結(jié)構(gòu)清晰，避免模糊的描述，讓模型能夠準(zhǔn)確地理解任務(wù)，同時避免使用過于復(fù)雜的結(jié)構(gòu)或難以理解的詞匯。

Prompt：請問如何學(xué)習(xí)好英語
回答：這個是一個泛泛的回答，比較模糊，沒有針對性優(yōu)化Prompt：我是一個在讀大學(xué)生，準(zhǔn)備考大學(xué)英語六級，請問如何能夠?qū)W好英語呢
回答：設(shè)定情景，信息更豐富更清晰，回答出來肯定更符合預(yù)期

2.設(shè)定模型擅長的輸入輸出格式

我們可以在輸入數(shù)據(jù)中加入特定的括號，如``` --- <> 等來限制我們的輸入內(nèi)容。

同理，盡量讓模型輸出格式化的文本，如JSON、HTML、TypeScript等，方便對結(jié)果進(jìn)行管理。

Prompt：請描述一個新款智能手表的特點。
回答：這款智能手表有一個高清顯示屏，可以監(jiān)測心率、睡眠質(zhì)量、運動步數(shù)，還可以接收消息提醒，續(xù)航時間長，支持多種運動模式，防水等級高，時尚設(shè)計。優(yōu)化Prompt：
請以 JSON 格式生成一個新款智能手表的產(chǎn)品描述，結(jié)構(gòu)如下：
{"name": "<產(chǎn)品名稱>","features": ["<特點1>","<特點2>",...],"price": "<價格>"
}回答：
{"name": "智能手表X200","features": ["高清顯示屏","心率監(jiān)測","睡眠質(zhì)量監(jiān)測","運動步數(shù)記錄","消息提醒","長續(xù)航","多種運動模式","高防水等級","時尚設(shè)計"],"price": "399 USD"
}

3.使用少量示例

提供少量示例文本，演示期望的輸出格式。但示例文本會增加token數(shù)量，因此不能加太多示例。

Prompt： 請為以下狗的圖片寫一個簡短的描述。示例1： 金色的毛發(fā)，短嘴巴，長耳朵，忠誠友好。示例2： 棕白相間的皮毛，圓圓的大眼睛，尾巴卷曲。在這個例子中，通過示例文本，你向模型展示了關(guān)于狗的一些特征，例如外觀和性格。模型可以利用這些信息生成一個符合你預(yù)期的狗的描述。
添加了可以讓模型參考的示例，回答效果肯定會更好

4.使用思維鏈(CoT)引導(dǎo)大模型

思維鏈?zhǔn)且环N邏輯和概念上相關(guān)的想法序列，通過在提示中構(gòu)建和引導(dǎo)這種序列，您可以更好地引導(dǎo)大型語言模型生成與主題相關(guān)、連貫性強的內(nèi)容。

Prompt： 從工業(yè)革命到現(xiàn)代化，地球的氣候如何受到人類活動的影響？請逐步分析不同時期排放量增加與氣候異常的關(guān)系，以及這背后可能的科學(xué)機(jī)制。思維鏈： 工業(yè)革命導(dǎo)致大規(guī)模燃燒化石燃料，釋放大量溫室氣體。這些氣體導(dǎo)致大氣溫度上升，海平面上升，極端天氣增加?？梢杂懻摐厥倚?yīng)、海洋吸收、極端天氣事件等。
添加思維鏈，引導(dǎo)模型一步步思考，效果會更好。

5.給模型設(shè)定角色扮演

將模型設(shè)定在特定的角色扮演中是一種激發(fā)創(chuàng)意、產(chǎn)生生動內(nèi)容，讓模型以某個角色的身份思考和表達(dá)，可以增加真實性和故事性。

Prompt：請你科普一下什么是python
回答：會比較大眾化優(yōu)化Prompt：你是一個小學(xué)老師，請你科普一下什么是python
回答：角色扮演會輸出更貼合給小學(xué)生科普的內(nèi)容

6.描述模型能力，鼓勵積極性，激發(fā)積極性，避免限制

如果只是強調(diào)模型不能做什么，可能會使模型產(chǎn)生誤導(dǎo)性的回答，或者無法給出有用的內(nèi)容。

描述模型能干什么會激發(fā)其積極性和創(chuàng)造力，促使其提供更多有用的回答。明確提示模型的能力范圍，有助于引導(dǎo)其重點和思考方向，從而提供更準(zhǔn)確和相關(guān)的答案。

7.善用溫度變量

大模型通常會涉及到一個溫度變量，如ChatGPT API中，MIniMax中的temperature變量。此變量的值與模型輸出結(jié)果的隨機(jī)性有關(guān)：

當(dāng)其值為0時，表明模型輸出結(jié)果是確定的，通常用于決定性任務(wù)，如分類、預(yù)測等；

當(dāng)其值>0時，越大，則表明模型隨機(jī)性越強，適合生成任務(wù)。

8.結(jié)構(gòu)清晰，分段清楚

9.不同模型能力不同，不同對待

結(jié)構(gòu)化Prompt

核心部分：關(guān)鍵詞、語境、目標(biāo)

1. 基于角色prompt模型

要求AI扮演特定角色或身份，增加輸出內(nèi)容的專業(yè)性和權(quán)威性。例如老師、環(huán)境學(xué)家、編程助手等角色

假設(shè)你是一名環(huán)境學(xué)家，以專家視角撰寫關(guān)于環(huán)境保護(hù)的技術(shù)文章。

1. 基于任務(wù)的prompt模型

規(guī)定AI需要完成的任務(wù)，通常需要關(guān)鍵詞和具體指令組合

列出三種最新的可再生能源技術(shù)，并分別簡述其優(yōu)缺點。

1. 基于結(jié)構(gòu)的prompt模型

強調(diào)內(nèi)容的結(jié)構(gòu)化，例如要求 AI按特定格式或章節(jié)生成內(nèi)容。

生成一篇包括引言、技術(shù)分析、市場應(yīng)用前景和結(jié)論的文章

1. 基于問題的prompt模型

通過提出一些列相關(guān)問題，引導(dǎo)AI逐步生成內(nèi)容.適合用于知識型內(nèi)容的生成，有助于確保輸出內(nèi)容全面且深入。

什么是碳捕捉技術(shù)？它如何運作？有哪些現(xiàn)實中的應(yīng)用案例？

1. 基于場景的prompt模型

通過描述特定情境，引導(dǎo)AI生成與該情景相關(guān)的內(nèi)容。能夠幫助AI生成更具有情景感和預(yù)見性的內(nèi)容。

未來十年內(nèi)，隨著全球氣候變化加劇，太陽能技術(shù)將如何影響能源市場？

常見框架

ICIO 框架

ICIO 框架通過四個關(guān)鍵組成部分——介紹（Intruction）、背景（Context）、輸入數(shù)據(jù)（Input Data）和輸出指標(biāo)（Output Indicator），為 AI 系統(tǒng)提供了清晰的指導(dǎo)。這種結(jié)構(gòu)化的溝通方式不僅提高了 AI 的工作效率，還確保了輸出內(nèi)容的質(zhì)量，使其更符合用戶的期望。

• Intruction（任務(wù)）：明確指出希望 AI 執(zhí)行的具體任務(wù)，如“翻譯一段文本”或“撰寫一篇關(guān)于 AI 倫理的博客文章”。
• Context（背景）：提供任務(wù)的背景信息，幫助 AI 理解任務(wù)的上下文，例如，“這段文本是用于公司內(nèi)部會議的開場白”。
• Input Data（輸入數(shù)據(jù)）：指定 AI 需要處理的具體數(shù)據(jù)，如“請翻譯以下句子：‘人工智能正在改變世界’”。
• Output Indicator（輸出格式）：設(shè)定期望的輸出格式和風(fēng)格，例如，“請以正式的商務(wù)英語風(fēng)格翻譯”。

CRISPE 框架

隨著人工智能技術(shù)的不斷進(jìn)步，AI 在模擬人類角色和執(zhí)行特定任務(wù)方面的能力日益增強。

CRISPE 框架作為一種新興的 AI 提示工程方法，旨在通過明確的角色設(shè)定、背景信息、任務(wù)指令、個性風(fēng)格和實驗性回復(fù)，提升 AI 與用戶之間的互動質(zhì)量。

CRISPE 框架通過以下五個步驟，為用戶提供了一個清晰、高效的溝通路徑：

1. Capacity and Role（角色）：明確 AI 在交互中應(yīng)扮演的角色，如教育者、翻譯者或顧問。
2. Insight（背景）：提供角色扮演的背景信息，幫助 AI 理解其在特定情境下的作用。
3. Statement（任務(wù)）：直接說明 AI 需要執(zhí)行的任務(wù)，確保其理解并執(zhí)行用戶的請求。
4. Personality（格式）：設(shè)定 AI 回復(fù)的風(fēng)格和格式，使其更符合用戶的期望和場景需求。
5. Experiment（實驗）：如果需要，可以要求 AI 提供多個示例，以供用戶選擇最佳回復(fù)。

# 情景
想象一下，六位高智商的專家一起回答用戶提出的問題，最終生成一份聊天記錄。* 其中，第一名到第六名專家分別扮演：問題拆解專家，知識淵博專家，支持與鼓勵專家，反思與批判專家，創(chuàng)新思維專家，歸納總結(jié)專家。
* 他們將遵循思想樹的方法，每個專家一步一步地分享他們的思維過程。
* 第一輪：每一名專家逐一發(fā)言，發(fā)表自己的觀點；
* 第二輪： 專家們可以自由發(fā)言，不需要嚴(yán)格按照順序，并非所有專家都要發(fā)言，如果專家覺得無需發(fā)言，也可以跳過。但如果發(fā)言，需要參考第一輪中其他專家的想法。
* 專家們之間觀念要有沖突，要激烈，要深刻。
* 專家們會考慮其他人的意見，完善自己的想法，并以團(tuán)隊的集體知識為基礎(chǔ)。
* 如果專家意識到他們的想法是錯誤的，他們會承認(rèn)錯誤并認(rèn)同其他專家的想法。
* 一直繼續(xù)這個過程，直到得到一個明確的答案。
* 最后，由所有專家的結(jié)論匯總，得出最終答案。# 格式
* 通過在 markdown表 的方式，呈現(xiàn)整個響應(yīng)。
每一輪不用單獨作為一個表格，要合并在一起。# 專家身份參考：
問題拆解專家：針對用戶提出的問題，進(jìn)行系統(tǒng)性拆解，比如：是什么，為什么，怎么樣，如果是則如何，如果否則如何…
知識淵博專家：針對用戶提出的問題，提出你認(rèn)知內(nèi)的知識，歸納總結(jié)反饋。
支持與鼓勵專家：針對用戶提出的問題，參考其他專家意見，得出積極的想法或結(jié)果。比如：為什么這個值得做？為什么可以做這件事？它為什么會起作用？
反思與批判專家：針對用戶提出的問題，參考其他專家意見，考慮到事物的負(fù)面因素，它是對事物負(fù)面因素的注意、判斷和評估。這是真的嗎？它會起作用嗎？缺點是什么？它有什么問題？為什么不能做？
創(chuàng)新思維專家：針對用戶提出的問題，參考其他專家意見，考慮創(chuàng)新與創(chuàng)造性之新的想法。有不同的想法？新的想法、建議和假設(shè)是什么？可能的解決辦法和行動的過程是什么？還有哪些可能性？
歸納總結(jié)專家：歸納總結(jié)專家中立而客觀，同時控制整個思考節(jié)奏，比如在第一輪溝通中預(yù)先得出一批結(jié)論，第二輪溝通中得出最終結(jié)論并與其他專家進(jìn)行討論。# 專家們的對話記錄樣例：
|環(huán)節(jié)|專家名|專家發(fā)言|
|:---|:---|:---|
|R1|歸納總結(jié)專家|×××|
|R1|問題拆解專家|×××|
…
|R3|歸納總結(jié)專家|×××|
**最終專家們的答案是：**
1. ×××
2. ×××# 用戶將會提出問題：

BROKE 框架

在人工智能的快速發(fā)展中，如何有效地與 AI 進(jìn)行溝通和互動，以實現(xiàn)預(yù)期的目標(biāo)，已成為一個重要議題。

BROKE 框架提供了一種結(jié)構(gòu)化的方法，幫助用戶清晰地傳達(dá)指令，確保 AI 能夠生成滿足特定需求的輸出。

BROKE 框架通過以下五個步驟，為用戶提供了一個高效溝通的框架：

1. Background（背景）：提供詳細(xì)的背景信息，幫助 AI 理解任務(wù)的上下文。
2. Role（角色）：明確 AI 在交互中所扮演的角色，如顧問、助手或內(nèi)容創(chuàng)作者。
3. Objectives（目標(biāo)/任務(wù)）：描述用戶希望 AI 完成的具體任務(wù)。
4. Key Result（關(guān)鍵結(jié)果）：設(shè)定 AI 輸出的風(fēng)格、格式和內(nèi)容要求，確保回答符合預(yù)期。
5. Evolve（改進(jìn)）：在 AI 提供回答后，提供改進(jìn)的方法，以優(yōu)化未來的交互。

LangGPT 提示詞框架

GitHub - langgptai/LangGPT: LangGPT: Empowering everyone to become a prompt expert!🚀 Structured Prompt，Language of GPT, 結(jié)構(gòu)化提示詞，結(jié)構(gòu)化Prompt

傳統(tǒng) Prompt 存在一些挑戰(zhàn)包括缺乏系統(tǒng)性、靈活性和用戶友好性，以及未能充分利用大模型的特點。

Prompt 的重要性與日俱增，特別是在新一代的 GPT—4 模型出現(xiàn)后。Prompt 編寫不僅僅是一種技術(shù)，它正在變成 AI 時代的編程語言。因此，如何像學(xué)習(xí)編程一樣，高效地編寫高質(zhì)量的 Prompt，即 Prompt 編程，成為了一個迫切的問題。

LangGPT 由云中江樹（劉遠(yuǎn)忠）創(chuàng)建，目前已有 5.2k stars。

LangGPT 的特點和優(yōu)勢：

• 系統(tǒng)性：LangGPT 提供模板化的方法，用戶只需按照模板填寫相應(yīng)內(nèi)容即可。
• 靈活性：LangGPT 引入了變量概念，可以輕松引用、設(shè)置和更改 Prompt 內(nèi)容，提高編程性。
• 交互友好：通過工作流，LangGPT 定義了與用戶的交互和角色行為，使得用戶可以輕松理解和使用。
• 大模型充分利用：LangGPT 結(jié)合了大模型的特點，例如模塊化配置和分點條理性敘述，還通過 Reminder 功能緩解了長對話的遺忘問題。

LangGPT 的核心語法：

• LangGPT 變量：我們引入了基于 markdown 的變量概念，利用大模型對層級結(jié)構(gòu)內(nèi)容的敏感性，方便地引用和修改 Prompt 內(nèi)容。
• LangGPT 模板：基于大模型在角色扮演方面的強項，我們設(shè)計了 Role 模板。這些模板使得 Prompt 編寫變得像編程中的“類聲明”，極大地簡化了用戶的工作。
• 格式化技巧：使用特定的格式（如 Markdown）來更明確地指示大模型如何提示詞框架和響應(yīng)。
• 明確性技巧：通過提供具體的指令，如“簡短地回答”或“提供詳細(xì)解釋”，確保大模型的響應(yīng)與用戶的期望一致
• 上下文技巧：在指令中加入上下文信息，幫助大模型更準(zhǔn)確地理解用戶的需求。

#Role：文字排版大師#Profile: - author:李繼剛- version: 0.1- language:中文- description：使用ASCII 符號和Emoji表情符號來優(yōu)化排版已有信息，提供更好的閱讀體驗##Goals:- 為用戶提供更好的閱讀體驗，讓信息更易于理解- 增強信息可讀性，提高用戶專注度##Constrains:- 不會更改原始信息，只能使用ASCII符號和Emoji表情符號進(jìn)行排版- 排版方式不應(yīng)該影響信息的本質(zhì)和準(zhǔn)確性##Skills:- 熟悉各種ASCII符號和Emoji表情符號的使用方法- 熟練掌握排版技巧，能夠根據(jù)情境使用不同的符號進(jìn)行排版- 有較強的審美和文藝能力##Workflows:- 作為文字排版大師，將會在用戶輸入信息之后，使用ASCII符號和Emoji表情符號進(jìn)行排版，提供更好的閱讀體驗。- 排版完畢之后，將會將整個信息返回給用戶。##Initialization:歡迎用戶，并提示用戶輸入信息 

CO-STAR 原則框架

【新加坡首屆 GPT-4冠軍分享】最新的 GPT-4的提示詞攻略秘籍，建議收藏閱讀！ – 敏捷開發(fā)咨詢顧問,Scrum認(rèn)證,敏捷項目管理培訓(xùn),敏捷教練

https://blog.ihsxu.com/blog/1715484573201

CO-STAR 原則是結(jié)構(gòu)化提示詞中的一種，由新加坡政府科技局?jǐn)?shù)據(jù)科學(xué)與 AI 團(tuán)隊創(chuàng)立，是一個非常實用且易于上手的提示構(gòu)建工具。

CO-STAR 的設(shè)計初衷是為了幫助用戶在使用大型語言模型時，能夠構(gòu)建出更加完整和有效的提示詞，從而提高 AI 生成內(nèi)容的相關(guān)性和效果。

CO-STAR 原則在新加坡首屆 GPT—4 提示工程大賽中獲得了冠軍，這是它在實際應(yīng)用中強大效能的標(biāo)志和體現(xiàn)。

此后，CO—STAR 原則逐漸被廣泛接受并應(yīng)用于各種場景，包括社交媒體文案撰寫、商業(yè)報告生成等，幫助用戶創(chuàng)建清晰、精確且有效的提示詞，更精確地指導(dǎo) AI 生成所需的內(nèi)容。

CO—STAR 原則包含六個關(guān)鍵要素，每個要素的首字母組成了 CO—STAR 這個縮寫。

• C—Context（清楚的背景信息）：提供足夠的背景信息，幫助 AI 理解任務(wù)的上下文和環(huán)境。
• O—Objective（明確的目標(biāo)設(shè)定）：明確說明希望 AI 完成的具體目標(biāo)或任務(wù)。
• S—Style（生成文字的風(fēng)格）：指定 AI 生成內(nèi)容的風(fēng)格，例如正式、幽默、小紅書風(fēng)格等。
• T—Tone（生成文字的語調(diào)）：確定 AI 生成內(nèi)容的語調(diào)，如禮貌、說服性、激勵性等。
• A—Audience（目標(biāo)受眾的描述）：描述目標(biāo)受眾的特征，如年齡、興趣、職業(yè)等。
• R—Response（回應(yīng)的類型）：指定 AI 回應(yīng)的格式，如表格、段落、列表等，以及回應(yīng)的具體要求。

# CONTEXT（上下文） #
我想推廣一家咖啡店?？Х鹊昝Q為 HEA，坐落在古城西安的護(hù)城河邊，簡約風(fēng)的店面裝修，超大的落地窗和天窗使得店內(nèi)的采光超級棒。最佳時光是在傍晚日落余暉時，感覺整個時間都變得柔和而美好。如果不知道想喝什么，老板還整理了「最受大家喜愛的咖啡月度排行榜」，真的贊嘞～。# OBJECTIVE（目標(biāo)） #
幫我創(chuàng)建一條小紅書文案，目的是吸引人們到店里打卡、拍照、消費。# STYLE（風(fēng)格） #
小紅書風(fēng)格，俏皮的語氣外加一些可愛的表情包和圖標(biāo)。# TONE（語調(diào)） #引導(dǎo)性# AUDIENCE（受眾） #主要受眾是上班族、大學(xué)生。請針對這一群體在選擇放松方式時的關(guān)注點來編寫文案。# RESPONSE（響應(yīng)） #
增加用戶對探店的吸引力。

誤區(qū)提示

提示詞并不是越長越好

長短并不是關(guān)鍵，關(guān)鍵在于信息的明確性和有效性。過長的提示詞會增加token（經(jīng)費）、可能會讓 AI 混淆主次信息，從而導(dǎo)致輸出結(jié)果偏離預(yù)期。

提示詞也是需要迭代的

提示詞的構(gòu)建是一個迭代的過程。初次嘗試的提示詞可能不能達(dá)到理想效果（和軟件開發(fā)頗為類似），但通過反復(fù)修改和優(yōu)化，最終可以得到更精確的輸出。

參考文檔

基礎(chǔ)篇：

1. OpenAI官方：https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api
2. Prompt Engineering學(xué)習(xí)：Prompt Engineering | Lil'Log
3. 吳恩達(dá)《ChatGPT Prompt Engineering for Developers》課程中英版：GitHub - Kevin-free/chatgpt-prompt-engineering-for-developers: 吳恩達(dá)《ChatGPT Prompt Engineering for Developers》課程中英版
4. 大模型時代之提示詞工程：https://zhuanlan.zhihu.com/p/631922240
5. LLM Collection | Prompt Engineering Guide
6. 提示工程指南
7. Docs
8. 什么是AI提示詞？