提示词工程

提示词工程：

1、什么是提示词（prompt）：

引导LLM进行内容生成的命令。可以是任何内容，一句话，一个问题，或者计算公式。当LLM收到提示词后便开始根据提示词和之前的训练的数据生成相关的内容。

2、什么是提示词工程（prompt Engineering）：

有技巧的使用提示词，从而最大限度地提高LLM响应的有效性、准确性、实用性。"工程"表明了这是一个持续性，不断迭代优化的过程。

提示词的六大策略：

1.编写清晰的说明。

2.提供参考文本。

3.将复杂任务拆分为更简单的子任务

4.给模型时间"思考"

5.使用外部工具

6.系统的测试变化

提示词的常用技巧

1、目标明确

​ 模型无法预知你的确切目标，与其让它猜不如明确告诉它：

• 如果输出太长，就在提示词中要求简短回复

• 如果输出太简单，请要求专家级内容编写

  示例：

  • 写一首诗

  • 写一首七言诗

  • 写一首七言八句诗

  • 模仿李白，写一首关于理想的七言八句诗

2、角色扮演

​ 角色扮演能更精切的引导LLM理解你的需求，并生成更符合期望的，具有特定风格个专业性的内容。简单来说，角色扮演让模型"扮演"一个特定身份的人，从而调动与该身份相关的知识，技能和表达方式。

示例：

• 编写智能手表广告词，强调健康检测和便捷支付
• 你是一个在时尚杂志工作5年的资深文案编辑，擅长撰写针对年轻都市女性的潮流科技产品文案，请为一款最新发布的智能手表撰写一段广告文案，目标用户是25-35岁的都市女白领，她们注重健康，追求时尚，生活节奏快。
• 你是一个科技产品测评博主，在社交媒体上拥有大量年轻粉丝，以客观、幽默、接地气的风格著称。请为一款新型智能手表撰写一段产品推荐文案，用于社交媒体平台发布。

3、格式化输出

​ 大部分情况下LLM的输出是类似于聊天的风格。为了提高输出的可读性，或者便于对结果进行加工处理，可以要求LLM进行格式化输出，例如列表、表格、JSON等。

示例：

• 早餐买什么

• 以列表的形式输出早餐购买清单

  或

• 中国有哪些经典菜系

• 以表格的形式输出中国经典菜

4、提供样本

​ 在提示词中提供样本，也成为少样本提示(Few-shot Prompting)，它利用了LLMs的上下文学习能力(In-context Leamning)，即模型能够在没有微调的情况下，通过输入上下文中提供的少量示例来学习和执行新任务。

示例：

指令:判断以下句子是正面情感还是负面情感:"我今天心情很糟糕。"

指令:判断以下句子是正面情感还是负面情感。以下是一些例子! 

句子:这部电影太棒了!

情感:正面


句子:我非常失望。 

情感:负面 


句子:今天天气真好

情感:正面 


句子:我感冒了，很难受。

情感:负面 


句子:我今天心情很糟糕。

情感:

5、思维链

​ 思维链提示是在提示词中要求模型分步骤解答问题，并展示展示其推理过程的每个步骤。通过这种方式，可以减少不准确结果的可能性，也更容易评估模型的响应。

示例:

• 一个农场有鸡和牛共35 头，脚总共有 94 只。鸡和牛各有多少头

• 一步一步的计算下面问题，并给出每一步的计算过程。第一次得到结果后，再增加一个步骤对结果进行验证。问题:一个农场有鸡和牛共35头，脚总共有94 只。鸡和牛各有多少头

6、形成框架

​ 角色 (Role/Persona-可选): 明确模型扮演的角色，例如"你是一个专业的营销文案撰写人"

​ **指令 (Instruction/Task-必须)😗*清晰地说明你希望模型做什么，例如"请为一款新型智能手表撰写一段广告文案"。

背景/上下文 (Context-可选但强烈建议):提供必要的背景信息，帮助模型更好地理解任务，例如"这款手表的主要目标用户是年轻时尚的都市白领，主打健康监测和便捷支付功能"。

​ 格式/限制 (Format/Constraints-可选): 明确输出的格式要求、长度限制、风格偏好等，例如"文案长度控制在100字以内，风格简洁明快，突出卖点"。

​ **示例 (Examples-可选但非常有效)😗*提供一些示例，帮助模型理解你的期望输出，尤其是在需要特定风格或格式时。

示例

## 角色
你是一个专业的营销文案撰写人

## 指令
请为一款新型智能手表撰写一段广告文案

##背景
这款手表的主要目标用户是年轻时尚的都市白领，主打健康监测和便捷支付功能

##限制
文案长度控制在300字以内，风格简洁明快，突出卖点直接输出文案内容，不要输出文案之外的其他内容

##示例