什么是提示工程

提示工程通过设计模型的文本输入，引导大语言模型（LLM），最大化其在特定任务上的性能表现。

常见的大语言模型：ChatGPT，文心一言，Bard，LLAMA

提示工程是如何起作用的

提示工程根据不同的任务需求，设计合适的提示格式，以引导指令遵循模型生成期望的输出。

由于指令遵循模型的训练方式或它们所使用的数据，有一些特定的提示格式能够非常好地与手头的任务相匹配。

接下来，我们会介绍一些可靠有效的提示格式。但是也欢迎您探索不同的格式，以适配您的特定任务。

设计提示工程的原则

1：使用最优秀的模型

作为用户我们应该使用最新最强大的模型，当前最强大的模型是GPT4。

当然，针对与不同任务类型，可以选择其他模型比如”code-davinci-002″，这个模型是为代码生成训练的。

2：使用英文（翻译回中文）

模型的训练数据中，英文占有较大比重，因此，在执行英文的提示输入时，模型会生成质量更高的文本。

特别是在与你需要大量文本生成的场景下。在使用GPT模型时候，中文的回复可能会显著缩短生成的文本长度。但是你可以在提示词中声明 “用英文回答”。

3：在提示的开头放置指令，并使用###或”””来分隔指令和上下文。

在提示的开头放置指令可以提高生成文本的质量。

例如：

Summarize the text below as a bullet point list of the most important points.

{text input here}

使用分隔符号对上下文分隔可以提升生成文本的质量。

例如：

Summarize the text below as a bullet point list of the most important points.

“””

4：给出具体，详细的提示词

给出具体，详细的提示词，以说明你想生成文本的结果样式、长度、行文风格、格式等。

例如：

效果不好的提示词：

Write a poem about OpenAI.

效果更好的提示词：

Write a short inspiring poem about OpenAI, focusing on the recent GPT4 product launch (GPT4 is a multi modal model) in the style of {预期风格}

5：通过例子，为语言模型限定期望的输出格式

效果不好的提示词：

Extract the entities mentioned in the text below. Extract the following 4 entity types: company names, people names, specific topics and themes. Text: {text}

效果较好的提示词：