自然语言处理:第六十六章 17 种 prompt engineering 方法大集合

原创

已于 2025-06-22 20:01:14 修改 · 2.5k 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#自然语言处理 #prompt #人工智能 #nlp #pytorch #chatgpt #gpt-3

于 2024-11-27 09:30:00 首次发布

本人项目地址大全：Victor94-king/NLP__ManVictor: 优快云 of ManVictor

原文地址：17 种 prompt engineering 方法大集合

写在前面: 笔者更新不易，希望走过路过点个关注和赞，笔芯!!!

本文主要介绍prompt engineering的多种方法，具体如下：

Zero-shot prompt
Few-shot prompt
链式思考（COT）prompt
自我一致性
生成知识prompt
prompt chaining
思维树（TOT）
检索增强生成（RAG）
自动推理并使用工具（ART）
自动prompt工程师
Activet-prompt
方向性刺激prompt
PAL程序辅助语言模型
ReAct框架
自我反思 Reflexion
多模态思维链prompt
基于图的prompt

下面，将逐一进行介绍。

参考链接：https://www.promptingguide.ai/zh

Part.01 Zero-shot prompt

1.介绍

Zero-shot prompt 是一种无需提供示例或训练数据，直接利用自然语言描述任务或问题，让模型生成相应回答的技术方法。

2.示例

# prompt
将文本分类为中性、负面或正面。
文本：我认为这件事也太好了！
情感：


# output
正面

3.相关论文：

FINETUNED LANGUAGE MODELS ARE ZERO-SHOTLEARNERS （https://arxiv.org/pdf/2109.01652）

Part.02 Few-shot prompt

1.介绍

Few-shot prompt 是一种通过提供少量示例来引导模型生成回答的技术，能在一定程度上提升模型的表现和适应性。

2.示例

# prompt
这太棒了！// Negative
这太糟糕了！// Positive
哇，那部电影太棒了！// Positive
多么可怕的节目！//


# output
Negative

3.相关论文

（1）LLaMA: Open and Efficient Foundation Language Models（https://arxiv.org/pdf/2302.13971）

（2）Language Models are Few-Shot Learners（https://arxiv.org/abs/2005.14165）

（3）Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?（https://arxiv.org/abs/2202.12837）

Part.03 链式思考（COT）prompt

1.介绍

链式思考（COT）prompt 是一种引导模型进行逐步推理和连续思考，以生成更深入、准确答案的提示方法。

2.示例

# prompt
我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果？
让我们逐步思考。


# output
首先，您从10个苹果开始。
您给了邻居和修理工各2个苹果，所以您还剩下6个苹果。
然后您买了5个苹果，所以现在您有11个苹果。
最后，您吃了1个苹果，所以您还剩下10个苹果。

**3.自动思维链 **Auto-CoT

Auto-CoT对具有多样性的问题进行采样，并生成推理链来构建演示。主要包含两个阶段：

（1）问题聚类： 将给定问题划分为几个聚类

（2）演示抽样： 从每组数组中选择一个具有代表性的问题，并使用带有简单启发式的 Zero-Shot-CoT 生成其推理链。

4.相关论文

（1）Chain-of-Thought Prompting Elicits Reasoning in Large Language Models（https://arxiv.org/abs/2201.11903）

（2）Large Language Models are Zero-Shot Reasoners（https://arxiv.org/abs/2205.11916）

（3）Automatic Chain of Thought Prompting in Large Language Models（https://arxiv.org/abs/2210.03493）

Part.04 自我一致性

1.介绍

自我一致性旨在“替换链式思维提示中使用的天真贪婪解码方法”。其想法是 通过少样本 CoT 采样多个不同的推理路径，并使用生成结果选择最一致的答案 。有助于提高 CoT 提示在涉及算术和常识推理的任务中的性能。

2.示例

# prompt
Q：林中有15棵树。林业工人今天将在林中种树。完成后，将有21棵树。林业工人今天种了多少棵树？
A：我们从15棵树开始。后来我们有21棵树。差异必须是他们种树的数量。因此，他们必须种了21-15 = 6棵树。答案是6。
Q：停车场有3辆汽车，又来了2辆汽车，停车场有多少辆汽车？
A：停车场已经有3辆汽车。又来了2辆。现在有3 + 2 = 5辆汽车。答案是5。
Q：Leah有32块巧克力，她的姐姐有42块。如果他们吃了35块，他们总共还剩多少块？
A：Leah有32块巧克力，Leah的姐姐有42块。这意味着最初有32 + 42 = 74块巧克力。已经吃了35块。因此，他们总共还剩74-35 = 39块巧克力。答案是39。
Q：Jason有20个棒棒糖。他给Denny一些棒棒糖。现在Jason只有12个棒棒糖。Jason给Denny多少棒棒糖？
A：Jason有20个棒棒糖。因为他现在只有12个，所以他必须把剩下的给Denny。他给Denny的棒棒糖数量必须是20-12 = 8个棒棒糖。答案是8。
Q：Shawn有五个玩具。圣诞节，他从他的父母那里得到了两个玩具。他现在有多少个玩具？
A：他有5个玩具。他从妈妈那里得到了2个，所以在那之后他有5 + 2 = 7个玩具。然后他从爸爸那里得到了2个，所以总共他有7 + 2 = 9个玩具。答案是9。
Q：服务器房间里有9台计算机。从周一到周四，每天都会安装5台计算机。现在服务器房间里有多少台计算机？
A：从周一到周四有4天。每天都添加了5台计算机。这意味着总共添加了4 * 5 =
20台计算机。一开始有9台计算机，所以现在有9 + 20 = 29台计算机。答案是29。
Q：Michael有58个高尔夫球。星期二，他丢失了