了解Prompt Engineering_在promptengineering中,频繁更新和测试提示的重要性是什么-优快云博客

本文链接：https://blog.youkuaiyun.com/miaochenfly/article/details/139127450

什么是Prompt Engineering

提示工程是AI使用中不可或缺的一门技术，甚至可以说是一门科学。我们通过精心设计的Prompt，可以为模型提供特定的上下文、说明以及示例，帮助LLMs（大语言模型）理解我们的提问，同时做出响应，结果可以是一段文字、一张图片或者音频、视频等不同内容。

例如，ChatGPT是当前一种非常优秀的生成式AI模型，只需要以几个单词或句子作为输入起点，就能够阐述几乎任何主题的内容，并且可以对上下文有记忆能力。

尽管如此，ChatGPT也并不会每次回答出满意的结果，它更需要精确而详细的指令才能理解所需的响应。在这种背景下，Prompt Engineering变得至关重要。

Prompt Engineering的重要性

在生成式AI（如GPT-4）中，Prompt Engineering（提示工程）是指设计和优化输入提示，以获得所需输出的过程。其重要性主要体现在以下几个方面：

输出质量：良好的提示设计能显著提升生成模型输出的相关性和质量。具体的提示可以帮助AI更好地理解任务并生成符合预期的答案或内容。
上下文控制：通过精心设计的提示，用户可以更好地控制生成模型的上下文，使其在复杂任务中保持一致性和连贯性。
多样性与创新：提示工程可以引导生成模型探索不同的角度和风格，从而产生更多样化和创新性的内容。例如，通过改变提示的措辞或提供不同的背景信息，AI可以生成各种风格的文章或创意。
减少偏见：合理的提示设计可以帮助减少生成模型中的偏见和不当内容。例如，提示中包含明确的伦理和道德指引，可以引导AI生成更符合社会规范的内容。
优化性能：提示工程还可以用于测试和优化生成模型的性能，帮助发现和解决模型的弱点和不足。通过反复试验不同的提示，可以找到最有效的方式来利用生成模型的能力。
用户体验：良好的提示设计能够提升用户与生成式AI交互的体验，使用户更容易获得所需的帮助或信息，从而增加满意度和使用频率。

总之，Prompt Engineering在生成式AI中的重要性不言而喻，它不仅影响生成内容的质量和多样性，还对模型的公平性、用户体验和整体性能有着深远的影响。

Prompt Engineering的案例

文本：ChatGPT、文言一心
编码：Codex、Copilot、通义灵码
图片：Stable Diffusion, Midjourney, Dall-E 2
视频：Pictory, Synthesia

Prompt的组成

Prompt有五个构建块：指令、上下文、输入、输出和参数。

指令

我们希望模型执行的特定指令或命令称为提示。通过使用“写入”、“分类”、“总结”、“翻译”、“排序”等一系列动词，我们可以为各种简单的任务制作有效的提示，从而引导模型对我们需要的话题表现的更专业。

上下文

Prompt Engineering可以包括外部数据或补充上下文，以帮助指导模型改善响应结果。Prompt应为模型提供足够的上下文，以理解任务并产生适当的响应。这可能包含相关的背景细节、说明性示例或某些限制。

输入

Prompt Engineering从输入开始，作为我们向AI呈现的初步方向。输入可以是查询、任务或我们的私有知识库，以期望AI能够理解我们的意图。例如，我们可能会向人工智能提出问题或为其分配特定任务。关键在于向AI提供结构良好且清晰的输入，因为这些输入在人工智能的理解和后续性能中发挥着至关重要的作用。

例如：

输出

输出是指人工智能响应所提供的输入而产生的反应。这些输出的质量从根本上受到初始输入的精度和质量的影响。

例如：

参数

提示参数是可调整的设置，允许您修改 AI 的操作。下面由 OpenAI提供的Chat交互通过说明了同一提示的不同配置如何产生不同的结果：

关于提示参数有一些常见的术语：

Temperature：该参数控制AI输出的随机性和创造性水平。更高的Temperature会让人工智能更有创造力。通常设置在0.7到1之间。较低的温度（如0.7）可以使生成的文本更加连贯和准确，而较高的Temperature（如1）则使文本更加多样和创造性
Maximum Tokens：在进行推理（即模型生成文本）时，“Maximum Tokens”指定模型在停止生成之前可以生成的最大令牌（或词）数量。它限制了模型输出的长度。这不仅影响文本的详细程度，还影响到模型处理长篇内容的能力。当然越大的Tokens阈值，所消耗的费用也会越多。