OpenAI前研究科学家开源面向未来的提示工程库 ell，重新定义提示工程

最新推荐文章于 2025-06-17 07:15:18 发布

大模型面微调_

最新推荐文章于 2025-06-17 07:15:18 发布

阅读量787

点赞数 15

CC 4.0 BY-SA版权

文章标签：人工智能大模型 AI大模型 AI 提示词提示工程 ell

本文链接：https://blog.youkuaiyun.com/Code1994/article/details/142202739

近日，OpenAI前研究科学家william对外正式开源了一个号称面向未来的提示工程库，名为 ell，它将提示视为函数，并提供了一系列强大的工具来优化和管理提示。

在这个库中有一些核心设计理念值得大家学习借鉴。
在这里插入图片描述

一、提示是程序，而不是字符串

在传统的提示工程中，我们通常将提示视为简单的字符串。然而，ell 颠覆了这一观念，将提示视为程序。通过这种方式，我们可以将提示封装成独立的子程序，称为语言模型程序（Language Model Program, LMP）。这些 LMP 是完全封装的函数，可以生成字符串提示或消息列表，发送到各种多模态语言模型。

让我们从一个传统的 API 调用示例开始，看看如何使用 ell 实现相同的功能。以下是使用 OpenAI Chat Completion API 的简单示例：

import openai  
  
openai.api_key = "your-api-key-here"  
  
messages = [  
    {"role": "system", "content": "You are a helpful assistant."},  
    {"role": "user", "content": "Say hello to Sam Altman!"}  
]  
  
response = openai.ChatCompletion.create(  
    model="gpt-4o",  
    messages=messages  
)  
  
print(response['choices'][0]['message']['content'])

现在，让我们看看如何使用 ell 实现相同的结果：

import ell  
  
@ell.simple(model="gpt-4o")  
def hello(name: str):  
    """You are a helpful assistant."""  # 系统提示  
    return f"Say hello to {name}!"  # 用户提示  
  
greeting = hello("Sam Altman")  
print(greeting)

ell 通过鼓励你将提示定义为功能单元来简化提示。在这个示例中，hello 函数通过文档字符串定义系统提示，通过返回字符串定义用户提示。提示的用户只需调用定义的函数，而不需要手动构建消息。在此基础上，我们可以进一步地改进提示。

import ell  
import random  
  
def get_random_adjective():  
    adjectives = ["enthusiastic", "cheerful", "warm", "friendly"]  
    return random.choice(adjectives)  
  
@ell.simple(model="gpt-4o")  
def hello(name: str):  
    """You are a helpful assistant."""  
    adjective = get_random_adjective()  
    return f"Say a {adjective} hello to {name}!"  
  
greeting = hello("Sam Altman")  
print(greeting)

在这个示例中，我们的 hello LMP 依赖于 get_random_adjective 函数。每次调用 hello 时，它都会生成一个不同的形容词，创建动态、多样的提示。显然，ell 可使提示更具可读性、可维护性和可重用性。

二、提示工程是一个优化过程

提示工程的过程类似于机器学习中的优化过程，需要多次迭代。由于 LMP 只是函数，ell 提供了丰富的工具来支持这一过程。

ell 通过静态和动态分析，提供了提示的自动版本控制和序列化，并生成自动提交消息到本地存储。这一过程类似于机器学习训练中的检查点，但不需要特殊的 IDE 或编辑器——只需使用常规的 Python 代码即可。

import ell  
  
ell.init(store='./logdir')  # 版本控制你的 LMP 和它们的调用  
  
# 定义你的 LMP  
hello("strawberry")  # LMP 的源代码和调用被保存到存储中

同时，ell 提供了一个名为 Ell Studio 的本地开源工具，可用于提示版本控制、监控和可视化。通过 Ell Studio，你可以将提示优化过程科学化，并在问题出现之前捕捉到回归。

三、优雅实现测试时计算

从演示到实际应用，通常需要多次调用语言模型。这不仅仅是简单的字符串拼接，而是一个复杂的编程过程。通过强制功能分解问题，ell 使得在可读和模块化的方式中实现测试时计算变得容易。

import ell  
  
@ell.simple(model="gpt-4o-mini", temperature=1.0, n=10)  
def write_ten_drafts(idea: str):  
    """You are an adept story writer. The story should only be 3 paragraphs"""  
    return f"Write a story about {idea}."  
  
@ell.simple(model="gpt-4o", temperature=0.1)  
def choose_the_best_draft(drafts: List[str]):  
    """You are an expert fiction editor."""  
    return f"Choose the best draft from the following list: {'\\n'.join(drafts)}."  
  
drafts = write_ten_drafts(idea)  
best_draft = choose_the_best_draft(drafts)  # 从10个草稿中选择最佳草稿

测试时计算(Test-Time Computation)是机器学习和深度学习中的一个概念,指的是在模型推理阶段(也就是测试时)进行额外的计算或处理,以提高模型的性能或适应性。这种方法通常用于解决训练数据和测试数据之间存在差异的问题,或者在不重新训练模型的情况下提高模型的泛化能力。其核心思路是不重新训练模型，而是在模型实际使用时进行额外的处理，以提高模型的表现。类似于人类在应用所学知识时会根据具体情况做出适当灵活变通处理，而不是僵化执行。

每次调用语言模型都很重要

每次调用语言模型都非常宝贵，值得跟踪分析。在实践中，LLM 调用用于微调、蒸馏、k-shot 提示、从人类反馈中进行强化学习等。一个好的提示工程系统应该将这些作为一等公民概念捕捉。

除了存储每个 LMP 的源代码外，ell 还可以选择性地本地保存每次调用语言模型的记录。这使你能够生成调用数据集，比较不同版本的 LMP 输出，并充分利用提示工程的所有工件。

四、需要时复杂，不需要时简单

使用语言模型通常只是传递字符串，但有时需要更复杂的输出。ell 提供了 @ell.simple 和 @ell.complex 装饰器，分别用于生成简单字符串输出和复杂的消息对象响应。

import ell  
  
@ell.tool()  
def scrape_website(url: str):  
    return requests.get(url).text  
  
@ell.complex(model="gpt-5-omni", tools=[scrape_website])  
def get_news_story(topic: str):  
    return [  
        ell.system("""Use the web to find a news story about the topic"""),  
        ell.user(f"Find a news story about {topic}.")  
    ]  
  
message_response = get_news_story("stock market")  
if message_response.tool_calls:  
    for tool_call in message_response.tool_calls:  
        # 处理工具调用  
        pass  
if message_response.text:  
    print(message_response.text)  
if message_response.audio:  
    # message_response.play_audio() 支持多模态输出  
    pass

五、多模态是一等公民

LLM 可以处理和生成各种类型的内容，包括文本、图像、音频和视频。使用这些数据类型进行提示工程应该像处理文本一样简单。

from PIL import Image  
import ell  
  
@ell.simple(model="gpt-4o", temperature=0.1)  
def describe_activity(image: Image.Image):  
    return [  
        ell.system("You are VisionGPT. Answer <5 words all lower case."),  
        ell.user(["Describe what the person in the image is doing:", image])  
    ]  
  
# 从摄像头捕捉图像  
describe_activity(capture_webcam_image())  # 输出: "they are holding a book"