什麼是提示工程？
提示工程是一門設計和優化提示的藝術和科學，可指導 AI 模型（尤其是 LLM）生成所需回答。通過精心設計提示，您可以為模型提供上下文、説明和示例，幫助模型理解您的意圖並做出有意義的回答。您可以將其視為 AI 提供一個路線圖，引導它朝着您預想的特定輸出的方向前進。
如需深入瞭解提示設計領域並探索其應用，請查看 Google Cloud 上的提示設計簡介。
準備好親身嘗試 LLM 和提示工程了嗎？免費試用 Vertex AI，體驗此技術的強大功能。
什麼是 AI 提示？
在 AI 情境中，提示是您提供給模型以引發特定回答的輸入內容。提示的形式多種多樣，從簡單的問題或關鍵字，到複雜的説明、代碼段，甚至是創意寫作示例，不一而足。提示的效果會直接影響 AI 輸出的質量和相關性。
您在進行提示工程時需要什麼？
有幾個關鍵元素有助於提升提示工程的有效性。掌握這些知識後，您就可以與 AI 模型有效溝通，並釋放其全部潛力。
提示格式
提示的結構和風格在指導 AI 的回答方面發揮着重要作用。不同的模型對特定格式的響應效果可能更好，例如：
提示的格式對 AI 如何解讀你的請求至關重要。不同的模型可能會對特定的格式做出更好的回答，例如自然語言問題、直接命令或具有特定字段的結構化輸入。瞭解模型的功能和首選格式對於撰寫有效的提示至關重要。
上下文和示例
在提示中提供上下文和相關示例有助於 AI 理解期望的任務，並生成更準確、更相關的輸出。例如，如果您希望編寫一個創意故事，那麼添加幾句話來描述您想要的語氣或主題，可以顯著改善結果。
微調和調整
使用量身定製的提示針對特定任務或領域微調 AI 模型，可以提高其性能。此外，根據用户反饋或模型輸出調整提示，可以不斷進一步改進模型的回答。
多輪對話
針對多輪對話設計提示，可讓用户與 AI 模型進行持續的情境感知互動，從而提升整體用户體驗。
提示類型
AI 中有各種類型的提示，每一種都有特定用途：
直接提示（零樣本）
零樣本提示是指直接向模型提供指令或問題，而不提供任何其他上下文或示例。
一個示例是生成創意，即提示模型生成創意或頭腦風暴解決方案。另一個示例是彙總或翻譯，即要求模型總結或翻譯某段內容。
單樣本、少樣本和多樣本提示
這種方法需要為模型提供所需輸入-輸出對的一個或多個示例，然後再提供實際提示。這有助於模型更好地理解任務並生成更準確的回答。
思維鏈提示
CoT 提示鼓勵模型將複雜的推理分解為一系列中間步驟，從而獲得更全面、結構更合理的最終輸出。
零樣本 CoT 提示
通過要求模型執行推理步驟，將思維鏈提示與零樣本提示相結合，這樣通常可以產生更好的輸出。
提示工程的應用場景和示例
以下是一些具體示例和應用場景，展示了提示工程如何幫助生成自定義且相關的輸出。
語言和文本生成
|
使用場景 |
説明 |
提示示例 |
|
創意寫作 |
設計提示，指明類型、基調、風格和情節點，引導 AI 生成引人入勝的敍事內容。 |
“寫一個短篇故事，講述一位年輕女士在閣樓裏發現了一個神奇的傳送門。” |
|
摘要 |
為 AI 提供文本，並指示它生成捕獲關鍵信息的簡明摘要。 |
“總結以下關於氣候變化的新聞報道的要點。” |
|
翻譯 |
指定源語言和目標語言，使 AI 能夠在保持含義和上下文不變的情況下準確翻譯文本。 |
“將以下文字從英語翻譯成西班牙語：“The quick brown fox jumps over the lazy dog.” |
|
對話 |
設計模擬對話的提示，讓 AI 能夠生成模擬人類互動和保持上下文的回答。 |
“您是一位友好的聊天機器人，可幫助用户排查計算機問題。回答用户的詢問：‘我的電腦無法開機。‘’” |
問答
|
使用場景 |
説明 |
提示示例 |
|
開放式問題 |
編寫提示，鼓勵 AI 根據其知識庫提供全面且信息豐富的答案。 |
“解釋量子計算的概念及其對未來技術的潛在影響。” |
|
有針對性的問題 |
設計針對特定信息的提示，使 AI 能夠從提供的上下文或其內部知識庫中檢索精確的答案。 |
“法國的首都是什麼？”或“根據所提供的文字，説明導致森林砍伐的主要原因是什麼？” |
|
選擇題 |
顯示帶有選項的提示，提示 AI 根據對上下文的理解分析並選擇最合適的答案。 |
“誰撰寫了《哈利·波特》系列作品？A) J.R.R. Tolkien B) J.K. Rowling C) Stephen King" |
|
假設性問題 |
編寫可探索假設情況的提示，讓 AI 進行推理、推測並提供潛在結果或解決方案。 |
“如果人類能以光速飛行，會怎麼樣？” |
|
基於意見的問題 |
設計激發 AI 對特定主題發表觀點或意見的提示，從而鼓勵 AI 為其立場提供推理和理由。 |
“您相信人工智能最終將超越人類智能嗎？超越或不超越的原因分別是什麼？” |
代碼生成
|
使用場景 |
説明 |
提示示例 |
|
代碼補全 |
為 AI 提供部分代碼段，並提示 AI 根據上下文和編程語言建議或補全其餘代碼。 |
“編寫一個 Python 函數來計算給定數的階乘。” |
|
代碼轉換 |
指定源編程語言和目標編程語言，以便 AI 轉換代碼，同時保留功能和語法。 |
“將以下 Python 代碼翻譯成 JavaScript：def greet(name): print('Hello,', name)” |
|
代碼優化 |
提示 AI 分析現有代碼並提出改進建議，以提高效率、可讀性或性能。 |
"優化以下 Python 代碼以縮短其執行時間。" |
|
代碼調試 |
為 AI 提供包含錯誤的代碼，並提示 AI 針對已發現的問題確定和建議可能的解決方案。 |
"調試以下 Java 代碼並解釋它拋出 NullPointerException 的原因。" |
圖片生成
|
使用場景 |
説明 |
提示示例 |
|
逼真圖片 |
設計提示，該提示可詳細描述所需圖片（包括物體、場景、光線和風格），以生成逼真的高品質圖片。 |
“一副逼真圖片，畫面是海上日落，棕櫚樹在天空中形成剪影。” |
|
藝術圖片 |
設計能夠指定藝術風格、技巧和主題的提示，引導 AI 創作模仿特定藝術運動或喚起特定情緒的圖片。 |
“一幅印象派畫作，畫面是一條繁華城市街道，人們在雨中打傘行走。” |
|
抽象圖片 |
撰寫提示，鼓勵 AI 生成易於解讀的圖片，利用形狀、顏色和紋理來喚起情感或概念。 |
“用鮮豔的色彩和流動的形狀來表示所希望概念的抽象圖片。” |
|
圖片修改 |
為 AI 提供現有圖片並指定所需的修改，使其能夠根據給定的説明修改和美化圖片。 |
“將這張照片的背景更改為繁星滿滿的夜空，然後添加一輪滿月。”或“將這個從這張圖片中刪除，並替換為一隻貓。” |
撰寫更優質提示的策略
生成有效的提示需要策略性的方法。不妨考慮採用以下策略來提升提示工程技能：
1. 設定明確的目標：
|
策略 |
提示示例 |
|
使用操作動詞指定期望的操作 |
“撰寫項目符號列表，總結所附研究論文的主要發現” |
|
定義所需的輸出長度和格式 |
“寫一篇 500 字的文章，討論氣候變化對沿海社區的影響。” |
|
指定目標受眾羣體 |
“為有機護膚新品系列撰寫產品説明，受眾為關注可持續發展的年輕人。” |
2. 提供上下文和背景信息：
|
策略 |
提示示例 |
|
包含相關事實和數據 |
“考慮到自前工業時代以來，全球温度上升了 1 攝氏度，請討論海平面上升的潛在影響。” |
|
引用特定的來源或文檔 |
“根據隨附的財務報告，分析公司過去五年的盈利能力。” |
|
定義關鍵術語和概念 |
“用簡單的詞語解釋量子計算的概念，適合非技術人員。” |
3. 使用少樣本提示：
|
策略 |
提示示例 |
|
提供一些所需輸入-輸出對的示例 |
輸入：“貓” 輸出：“一種長有鬍鬚的小型毛茸茸哺乳動物。”輸入：“狗” 輸出：“一種以忠誠著稱的馴養犬。”提示：“大象” |
|
演示所需的風格或基調 |
示例 1（幽默）：“這位政治人物的言語很平淡，可以治癒失眠。”示例 2（正式）：“這位政要發表了內涵豐富且引人入勝的演講。”提示：“寫一個句子來描述這個搞笑達人的單口相聲表演。” |
|
展示所需的詳細程度 |
示例 1（簡短）：“這部電影講述了一個小男孩與外星人交朋友的故事。”示例 2（詳細）：“科幻電影講述了埃利奧特的故事。埃利奧特是一個孤獨的男孩，他發現了一個困在地球上的外星人，並與之建立了一種獨特的聯繫。”提示：“總結你剛剛讀完的小説的情節。” |
4.具體説明：
|
策略 |
提示示例 |
|
使用確切的語言，避免含糊不清 |
不要使用“寫一些關於氣候變化的內容”，而應該使用“寫一篇有説服力的文章，主張實施更嚴格的碳排放法規。” |
|
儘可能量化您的請求 |
不要使用“寫一首長詩”，而應使用“寫一首十四行詩，探討愛與失去主題。” |
|
將複雜的任務分解為較小的步驟 |
不要使用："創建營銷計劃”，而應使用“1. 確定目標受眾羣體。2. 撰寫關鍵營銷宣傳信息。3. 選擇合適的營銷渠道。” |
5. 迭代和實驗：
|
策略 |
操作 |
|
嘗試使用不同的措辭和關鍵字 |
使用同義詞或替代性句子結構重新表述提示。 |
|
調整詳細程度和具體程度 |
添加或移除信息以微調輸出。 |
|
測試不同的提示長度 |
嘗試用較短和長的提示來取得最佳平衡。 |
6. 利用思維鏈提示：
|
策略 |
提示示例 |
|
鼓勵逐步推理 |
“逐步解決這個問題：小強有 5 個蘋果，他吃了 2 個。他還剩多少個蘋果？第 1 步：小強剛開始有 5 個蘋果。第 2 步：他吃了 2 個蘋果，所以我們需要從 5 中減去 2。第 3 步：5 - 2 = 3。回答：小強還剩 3 個蘋果。” |
|
讓模型解釋其推理過程 |
“解釋你在確定這部電影評論情緒中的思維過程：“表演很棒，但情節可以預料。” |
|
引導模型完成符合邏輯的思維順序 |
“要將此電子郵件歸類為垃圾郵件或非垃圾郵件，請考慮以下幾點：1. 是已知發送者嗎？2. 主題行是否包含可疑關鍵字？3. 電子郵件裏提供的內容是不是太好了，讓人難以置信？” |
如需有關提示工程最佳實踐的進一步指導，請瀏覽 Google Cloud 上的提示工程的五大最佳實踐。
提示工程的好處
有效的提示工程可帶來諸多好處，增強了 AI 模型的功能和易用性：
改進的模型性能
精心設計的提示能夠提供清晰的説明和背景信息，因此 AI 模型的輸出會更加準確、相關且信息更豐富。
減少偏見和有害回答
通過謹慎控制輸入並引導 AI 的焦點，提示工程有助於減少偏見，並最大限度地降低生成不當或冒犯性內容的風險。
加強控制和可預測性
提示工程使您能夠影響 AI 的行為，並確保一致且可預測的回答符合預期結果。
增強的用户體驗
簡潔明瞭的提示可讓用户更輕鬆地與 AI 模型有效互動，從而帶來更直觀和更滿意的體驗。
來源：https://cloud.google.com/discover/what-is-prompt-engineering?hl=zh_cn#benefits-of-prompt-engineering
今天先到這兒，希望對AI，雲原生，技術領導力， 企業管理，系統架構設計與評估，團隊管理, 項目管理, 產品管理，信息安全，團隊建設 有參考作用 , 您可能感興趣的文章:
微服務架構設計
視頻直播平台的系統架構演化
微服務與Docker介紹
Docker與CI持續集成/CD
互聯網電商購物車架構演變案例
互聯網業務場景下消息隊列架構
互聯網高效研發團隊管理演進之一
消息系統架構設計演進
互聯網電商搜索架構演化之一
企業信息化與軟件工程的迷思
企業項目化管理介紹
軟件項目成功之要素
人際溝通風格介紹一
精益IT組織與分享式領導
學習型組織與企業
企業創新文化與等級觀念
組織目標與個人目標
初創公司人才招聘與管理
人才公司環境與企業文化
企業文化、團隊文化與知識共享
高效能的團隊建設
項目管理溝通計劃
構建高效的研發與自動化運維
某大型電商雲平台實踐
互聯網數據庫架構設計思路
IT基礎架構規劃方案一(網絡系統規劃)
餐飲行業解決方案之客户分析流程
餐飲行業解決方案之採購戰略制定與實施流程
餐飲行業解決方案之業務設計流程
供應鏈需求調研CheckList
企業應用之性能實時度量系統演變
如有想了解更多軟件設計與架構, 系統IT,企業信息化, 團隊管理 資訊，請關注我的微信訂閲號：
作者：Petter Liu
出處：http://www.cnblogs.com/wintersun/
本文版權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接，否則保留追究法律責任的權利。 該文章也同時發佈在我的獨立博客中-Petter Liu Blog。
