ChatGPT 提示工程基础

随着大型语言模型 (LLM) 的兴起，OpenAI 的 ChatGPT 改变了用户与 AI 交互的方式，识别有效的提示工程技能对于最大限度地发挥 ChatGPT 的强大功能至关重要，因为它能生成类似人类的回复，并有助于提供更深入的研究、编码和内容创作。然而，提示工程要求用户输入清晰、具体，在某些情况下是明确的输入，以帮助 ChatGPT 生成准确、相关且具有上下文意义的输出。

什么是 ChatGPT？

ChatGPT 是由 OpenAI 开发的 AI 聊天机器人，它使用户能够进行自然的对话互动。用户输入提示，ChatGPT 对问题、内容生成等任务做出回应。其易用性和功能使其成为传统搜索引擎和写作工具的非常受欢迎的替代品。

什么是提示工程？

提示工程包括编写用于语言模型（如 ChatGPT）的输入，目的是提示获得最佳改进输出。它涉及告知输入问题、命令或场景，以便 AI 能够正确且有创意地回答用户的问题，这取决于用户的需求。

有效的提示工程包括

• 清晰度：编写清晰具体的指令将减少各种提示中的歧义。
• 上下文：清楚地说明模型的背景和相关示例有助于指导其响应。
• 结构：以逻辑方式构建提示可提高输出质量。
• 精确度：在编写提示时要精确，以便告诉模型确切地从提示中得到什么结果。

提示工程在 ChatGPT 中的重要性

ChatGPT 已经接受了大量文本数据的训练，但它的表现取决于提示本身。为了让 ChatGPT 根据上下文提供最佳响应，您的提示需要清晰、结构化和相关。借助提示工程，ChatGPT 可以以深度、推理的水平响应，完成各种复杂任务、创意写作、编码协助，并可以根据用户偏好和风格生成内容。

提示类型

存在各种类型的提示工程技术，以下是一些与 ChatGPT 交互的提示工程方法。

1) 零样本提示

当您在没有提供任何先前示例的情况下向 AI 提供任务时，会使用这种类型的提示。

Prompt

2) 单样本提示

单样本提示由一个示例以及提示组成，用于说明模型将对类似任务执行的操作。

Prompt

3) 少样本提示

这种类型的提示包括提供一些示例，以告诉模型我们希望输出类似于示例，从而提高模型响应的结果准确性。

Prompt

4) 思维链提示

在这种提示中，我们向模型提供详细的分步过程。这种类型的提示方法用于复杂的推理问题。

Prompt

5) 迭代提示

当您根据模型之前的响应逐步调整提示时，会使用这种类型的提示，这提高了各种响应的相关性或准确性。

Prompt

6) 负面提示

在这种类型的提示中，我们描述模型要避免的响应，例如某些风格、语调、单词或内容类型。

Prompt

7) 基于角色的提示

在这种提示中，我们为模型提供一个角色来回答特定主题。例如

Prompt

提示工程的原则

我们现在将研究提示工程的各种原则

1) 清晰度

提示工程的核心原则是清晰度。这基于 3C 原则。清晰的指令、清晰的要求和清晰的目标。如果提示包含歧义，则存在混淆模型并最终提供较差结果和较少相关输出的风险。另一方面，清晰简洁的提示确保模型理解提示的意图，并可以提供准确且相关的输出。

2) 具体性

此原则表明提示应该具体且简洁。如果提示中包含过多细节，则可能导致结果不佳。提示应侧重于基本内容，这将帮助模型更明确地理解请求并提供准确的响应。

3) 提供上下文

虽然清晰度和具体性至关重要，但上下文是提示工程结果的另一个重要因素。上下文提示，即使像请求正式或非正式回复的提示，也会影响模型在给定响应方面如何呈现自己。上下文是模型生成相关、有意义和风格正确的输出能力的重要因素。

4) “我希望你成为”

在提示中使用短语“我希望你成为”来标记角色或为模型查找有助于模型更清晰地理解上下文。它有助于塑造模型的响应的风格、语调、正式性、行为和成熟度，从而使模型能够做出更精确的响应。

根据用例的提示类型及示例

以下是根据用例的提示类型

1) 文本摘要提示

此提示用于在提供的行或给定的单词中编写给定段落、文章、故事的摘要。

示例提示

2) 信息提取提示

信息提取提示用于从给定文本中提取特定信息或细节。如果它有助于总结或构建内容。

示例提示

3) 代码生成提示

此提示用于生成代码并帮助修复错误。

示例提示

4) 对话提示

此提示用于在类似主题上与模型进行对话。

示例提示

5) 翻译提示

此提示用于将句子从英语翻译成任何语言。

示例提示

结论

提示工程是优化 ChatGPT 性能的重要技能。通过使用简洁、明确和结构合理的提示，以及适当的上下文和角色，用户能够指导模型为各种任务生成精确且创新的响应。