Prompt Engineering 入门（二）

最新推荐文章于 2025-05-01 03:00:00 发布

原创

最新推荐文章于 2025-05-01 03:00:00 发布 · 899 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #机器学习 #深度学习 #ai

本文介绍了Prompt Engineering的重要性和设计原则，包括明确指令、角色提示、上下文学习和思维链。通过实例展示了如何通过角色提示和上下文信息提高模型的准确性和理解力，以及零样本思维链在推理任务中的应用。

如何设计一个好的Prompt

在使用OpenAI的API时，Prompt是非常重要的，因为它决定了模型的输出。因此，设计一个好的Prompt是非常重要的。下面我们来看一下关于Prompt的一些设计原则。

明确指令

Prompt的设计应该与任务目标相关，并明确要求模型生成的内容。例如，在进行文本生成时，Prompt应该指导模型生成与主题相关的文本内容。一个好的Prompt应该是一个明确的指令，而不是一个问题。例如，如果要求模型生成一段关于“猫”的文本，那么一个好的Prompt应该是“猫是什么？”，而不是“猫是什么动物？”。因为前者是一个明确的指令，而后者是一个问题，模型可能会回答“猫是一种动物”，而不是“猫是一种宠物”。

下面是一个好的Prompt示例。上半部分用"""包起来的，是输入到模型（text-davinci-003）的Prompt。下半部分用绿色高亮起来的，是模型给出的competion。模型自动帮我们把电话和邮件按照我们要求的指令隐藏起来了。这是因为我们的Prompt明确给出了指令：

阅读一下销售邮件
删除识别个人身份的信息
给了例子，用"[姓名]“替换"老王”。

在这里插入图片描述

角色提示（Role Prompting）

角色提示是另外一种Prompt技巧，通过为AI分配角色的方式引导AI给出更准确的输出。通过为 AI 分配一个角色，我们给它提供了一些上下文。这个上下文有助于 AI 更好地理解问题，因此 AI 往往可以给出更好的答案。例如，可以在开始的时候，提示AI"你是一名医生"或"你是一名律师"，然后要求AI回答一些相关的医学或法律问题，以此来增强其专业性和准确性。举个例子：<