LLM优化词工程

Prompt Enginneering

关键原则：编写清晰、具体指令 和 给予模型充足的思考时间。

设计原则及使用技巧

原则一：编写清晰、具体的指令。

清晰的表达需求，提供充足上下文，使语言模型能够准确理解我们意图。基于此原则衍生出的技巧

• 使用分隔符清晰地表示输入地不同部分。

提示词注入：用户输入的文本可能包含与你预设的Prompt相冲突的内容，如果不加分割，这些输入就可能注入并操纵语言模型，轻则导致模型产生毫无关联的不正确的输出，严重的话可能造成应用的安全风险。

• 寻求结构化的输出

要求LLM返回JSON或者其它结构化的输出并于处理。

• 要求模型检查是否满足条件

如果任务包含不一定能满足的假设（条件），我们可以告诉模型先检查这些假设，如果不满足，则会指出并停止执行后续的完整流程。您还可以考虑可能出现的边缘情况及模型的应对，以避免意外的结果或 错误发生。

• 提供少量示例

"Few-shot" prompting（少样本提示），即在要求模型执行实际任务之前，给模型提供一两个参考样例，让模型了解我们的要求和期望的输出样式。

原则二：给模型时间去思考

在设计Prompt时，给予语言模型充足的推理时间非常重要。语言模型和人类一样，需要时间来思考并解决复杂问题。 应通过Prompt引导语言模型进行深入思考。可以要求其先列出对问题的各种看法，说明推理依据，然后再得出最终结论。在 Prompt 中添加逐步推理的要求，能让语言模型投入更多时间逻辑思维，输出结果也将更可靠准确。

技巧：

• 指定完成任务所需的步骤。
• 指导模型在下结论之前找打一个自己的解法

在 Prompt 中先要求语言模型自己尝试解决这个问题，思考出自己的解法，然后再与提 供的解答进行对比，判断正确性。这种先让语言模型自主思考的方式，能帮助它更深入理解问题，做出 更准确的判断。