编辑：好困 Aeneas

【新智元导读】如何才能让大规模语言模型输出自己想要的结果？现在，一本超全超详提示工程指南来了，GitHub已标星4.7k。

提示工程，可以说是玩转ChatGPT、DALL·E 2等等这类AI模型的「必修课」。

但这个「提示」（prompt）具体要怎么写，多少都有些玄学在里面……

也难怪由此诞生的新职业——提示工程师，年薪已经达到了25万-33万美元。

就在前不久，一位来自斯坦福大学的华人本科生Kevin Liu，就通过prompt injection的方法，让微软ChatGPT搜索的全部prompt泄露。此后，更是掀起了一股调戏ChatGPT的热潮。

而今天新发布在GitHub上的一个项目，整理了提示工程的指南、论文、讲座和资源，堪称史上最全prompt资料包。

项目地址：https://github.com/dair-ai/Prompt-Engineering-Guide

凭借着一天近1k星的增长，这篇「提示工程指南」同时登上了GitHub Trending，和Hacker News热榜。

指南内容

语言模型的输出需要通过输入的提示实现，但结果的质量取决于你为它提供多少信息。

随着我们介绍越来越多的例子和提示工程的应用，你会注意到，一个提示通常会由几种不同的元素构成：

指令：希望模型执行的具体任务或指示背景：补充的外部或上下文信息，可以引导模型做出更好的反应输入数据：想要解决的输入或问题输出指示：输出的类型或格式

究竟该怎样玩转提示工程呢？GitHub上的这份指南，会提供很大的帮助。

这份指南包括演讲、提示介绍、论文、工具和库、数据集、博客和教程等读物，总共6个部分。

50页PPT，一小时超详细讲座

在「讲座」这部分，包含了长达一小时的视频，代码示例，以及一份配合讲座的50页PPT。

其中，视频包含4个部分，分别是提示工程简介、提供工程的技术、工具和应用程序、未来方向。

视频和PPT都对prompt的定义做了详细介绍：prompts是指为了实现特定任务，传递给语言模型的指令和上下文。

而提示工程是创建一组提示或问题的过程，用于引导用户获得自己期望的结果。

为什么提示工程如此重要？

因为它对研究、发现很重要，能够用来帮助测试大语言模型的各种极限，还能在大语言模型上的基础上开发各种创新型的应用。

提示指南

团队开发的提示工程指南，主要由5部分构成：

简介基础提示文本归纳问题回答对话代码生成推理进阶提示few-shot提示思想链（CoT）提示zero-shot CoT自洽性生成知识提示自动提示工程师（APE）对抗性提示忽略以前的指令提示泄漏越狱其他程序辅助的语言模型ReAct多模态CoT提示图提示

论文合集

团队每天都会更新有关提示工程的最新论文，并且每周都会将这些论文的摘要纳入上述指南中。

比如，LeCun今年2月的新作「Augmented Language Models: a Survey 」就被收录了进来。

具体来说，作者把论文分成了4个大类：

调查/概述方法/技巧应用补充

工具资料包

数据集

博客、指南、教程和其他

这部分主要是来自大佬们的经验总结。

作者介绍

主导这个项目的Elvis Saravia，是DAIR.AI的联合创始人。

他在台湾清华大学取得了信息系统与应用的硕士和博士学位。

在此之前，他在Meta AI担任了2年技术产品营销经理，并曾是NeurIPS研讨会和NAACL 2019的程序委员会的成员。

从Linkedin上的经历来看，这位朋友似乎也曾负责过LeCun一直心心念的Galactica。

参考资料：

https://github.com/dair-ai/Prompt-Engineering-Guide