在人工智能領(lǐng)域，大語言模型（LLM）的應(yīng)用日益廣泛，而提示詞（Prompt）和提示詞工程（Prompt Engineering）則是與這些模型交互的關(guān)鍵工具。

一、提示詞（Prompt）和提示詞工程（Prompt Engineering）的區(qū)別

在說明Prompt之前，我們先來分清兩個(gè)概念，就是提示詞（Prompt）和提示詞工程（Prompt Engineering），我們?cè)谧鯝I大模型項(xiàng)目的時(shí)候，經(jīng)常會(huì)混淆這兩個(gè)概念，認(rèn)為他們是一回事，實(shí)際上，他們?cè)诼涞貞?yīng)用上的區(qū)別還是比較大的：

1. 概念層面

提示詞（Prompt）：是一種注入式指令，用于“指揮”AI按照預(yù)設(shè)的思路去思考問題、輸出內(nèi)容。它是一種指令或信息，引導(dǎo)或觸發(fā)AI系統(tǒng)做出回應(yīng)。

提示詞工程（Prompt Engineering）：是一門較新的學(xué)科，關(guān)注提示詞的開發(fā)和優(yōu)化，幫助用戶將大語言模型（LLM）用于各場(chǎng)景和研究領(lǐng)域。它不僅僅是關(guān)于設(shè)計(jì)和研發(fā)提示詞，而是包含了與大語言模型交互和研發(fā)的各種技能和技術(shù)。

2. 應(yīng)用層面

提示詞（Prompt）：作為與AI系統(tǒng)交互的起點(diǎn)，觸發(fā)回應(yīng)、引導(dǎo)對(duì)話，并影響輸出。

提示詞工程（Prompt Engineering）：涉及到提升大語言模型處理復(fù)雜任務(wù)場(chǎng)景的能力，如問答和算術(shù)推理能力。它還包括了與大語言模型交互、對(duì)接，以及理解大語言模型能力的各種技能和技術(shù)。

3. 目的和效果

提示詞（Prompt）：目的在于通過精確的指令或問題，讓AI生成更符合預(yù)期的內(nèi)容。

提示詞工程（Prompt Engineering）：目的在于提高大語言模型的安全性和能力，賦能大語言模型，比如借助專業(yè)領(lǐng)域知識(shí)和外部工具來增強(qiáng)大語言模型能力。

4. 范圍和深度

提示詞（Prompt）：通常是一個(gè)簡(jiǎn)單的指令或問題，范圍相對(duì)有限。

提示詞工程（Prompt Engineering）：是一個(gè)更廣泛的概念，包括了提示詞的設(shè)計(jì)、優(yōu)化、實(shí)驗(yàn)和迭代等多個(gè)方面，是一個(gè)系統(tǒng)化的工程實(shí)踐。

二、提示詞的基本元素

結(jié)合以上區(qū)別，我們可以發(fā)現(xiàn)，提示詞是與AI系統(tǒng)交互的具體指令，而提示詞工程則是圍繞如何更有效地與AI系統(tǒng)交互、提升AI系統(tǒng)性能的一系列技術(shù)和方法。提示詞工程包含了提示詞的設(shè)計(jì)和使用，但范圍更廣，深度更深。

在區(qū)分了提示詞與提示詞工程之后，我們需要了解的是提示詞的基本要素都有哪些，通常來說，提示詞有以下四種基本元素：　??

1. 指令：想要模型執(zhí)行的特定任務(wù)或指令。
2. 上下文：包含外部信息或額外的上下文信息，引導(dǎo)語言模型更好地響應(yīng)。
3. 輸入數(shù)據(jù)：用戶輸入的內(nèi)容或問題。
4. 輸出指示：指定輸出的類型或格式。

我們?cè)谠O(shè)計(jì)提示詞的時(shí)候，需要時(shí)刻記得這四個(gè)基本元素，我們?cè)O(shè)計(jì)的內(nèi)容，都是圍繞這四種元素做定義和探索。下面我們舉個(gè)例子：　Plain Text請(qǐng)分析一下輸入中的問題如何解決，你可以調(diào)用【成年人遇到的常見問題以及相關(guān)解決方案】知識(shí)庫進(jìn)行回答。請(qǐng)按照：?jiǎn)栴}分析、解決方案的形式格式化進(jìn)行輸出。輸入：成年人如何緩解焦慮

以上的例子中：

• 【請(qǐng)分析一下輸入中的問題如何解決】是指令的部分，讓大模型遵循你規(guī)劃的指令進(jìn)行輸出；
• 【你可以調(diào)用【成年人遇到的常見問題以及相關(guān)解決方案】知識(shí)庫進(jìn)行回答】是上下文的部分，上下文既可以是外部的信息，也可以歷史的溝通記錄；
• 【輸入：成年人如何緩解焦慮】是輸入的部分，包含用戶的原始輸入；
• 【請(qǐng)按照：?jiǎn)栴}分析、解決方案的形式格式化進(jìn)行輸出?！渴禽敵龅牟糠郑憧梢砸?guī)定大模型按照什么格式進(jìn)行輸出。

現(xiàn)在大模型廠商基本把這幾個(gè)元素做成產(chǎn)品化了，這里以coze舉例：

三、提示詞設(shè)計(jì)的通用技巧

1. 簡(jiǎn)單

對(duì)，就是簡(jiǎn)單，你可以從簡(jiǎn)單的提示詞開始，然后逐漸添加更多元素和上下文。因此，在這個(gè)過程中不斷迭代你的提示詞是至關(guān)重要的。對(duì)于提示詞來說簡(jiǎn)潔性和簡(jiǎn)明性通常會(huì)帶來更好的結(jié)果。

當(dāng)你有一個(gè)涉及許多不同子任務(wù)的大任務(wù)時(shí)，可以嘗試將任務(wù)分解為更簡(jiǎn)單的子任務(wù)，并隨著結(jié)果的改善逐步構(gòu)建。這避免了在提示設(shè)計(jì)過程中一開始就添加過多的復(fù)雜性。

很多初次寫提示詞的同學(xué)會(huì)盡量的把信息都放到提示詞里面，很怕少說了某些信息，導(dǎo)致提示詞輸出效果不好，有的時(shí)候一個(gè)意思會(huì)重復(fù)兩次在提示詞中，比如我之前遇到過的：

Plain Text

#角色：作文題閱卷老師，你是一個(gè)認(rèn)真負(fù)責(zé)的老師，你會(huì)找到學(xué)員作文中的問題，結(jié)合你的知識(shí)，給學(xué)員一個(gè)評(píng)價(jià)。

#批改背景: 你是一場(chǎng)考試的批改老師，你正在準(zhǔn)備批改作文，你更傾向于找到作文中的問題，你能給到學(xué)員一個(gè)合理的評(píng)價(jià)

在上面的一段提示詞中可以看到，提示詞中把同樣一個(gè)意思在角色和背景中分別闡述了一遍，其實(shí)這種就是不簡(jiǎn)潔的，對(duì)大模型來說是冗余的信息，我們要力保簡(jiǎn)潔，同樣的意思描述一次即可，比如上面的提示詞，去掉批改背景是完全可以的。

2. 結(jié)構(gòu)化

你可以使用markdown、lisp等形式，把你的整個(gè)提示詞結(jié)構(gòu)化， 比如用#或”來分割說明和上下文。

Plain Text

##Role:

我是一名醫(yī)學(xué)教授，我精通中文和英文，對(duì)生活在海外華人的生存現(xiàn)狀及美國(guó)、歐洲等地區(qū)的文化、風(fēng)俗、醫(yī)療系統(tǒng)、醫(yī)患關(guān)系等非常熟悉。給我一段英文的完整病例，我將為用戶詳細(xì)解讀病例并給出建議。

##Background:

英文的醫(yī)學(xué)診斷報(bào)告專業(yè)性非常強(qiáng)，導(dǎo)致華人患者很難理解和閱讀，雖然咨詢醫(yī)生的時(shí)候會(huì)講解，但是基于有限的問診時(shí)間、文化和語言障礙、經(jīng)常詞不達(dá)意，溝通成本極高，我作為旅居海外的醫(yī)學(xué)教授會(huì)幫助他們進(jìn)行病例解讀。我的病例解讀關(guān)系到患者對(duì)病情的理解和接下來的生活狀態(tài)，這對(duì)他們非常重要，我會(huì)努力提供更好的解讀方案。

##Goals:

識(shí)別英文病例的完整信息

結(jié)合自身的專業(yè)和生活背景及患者的狀況，進(jìn)行中文解讀

基于中文解讀和患者的情況，給出專業(yè)建議，便于患者理解病情和進(jìn)行應(yīng)對(duì)

把病例中專業(yè)的詞匯翻譯為通俗的、沒有醫(yī)學(xué)常識(shí)的人也能聽懂的解讀

##Constrains:

如果病例中有非常專業(yè)的英文名詞或簡(jiǎn)寫，需要進(jìn)一步進(jìn)行中文易懂的解釋：

如果病例中有非常嚴(yán)重的問題，需要優(yōu)先向用戶解釋并告知嚴(yán)重性，但要注意敘述的穩(wěn)定，以免引起用戶的恐慌

輸出的內(nèi)容應(yīng)符合病例格式，進(jìn)行適當(dāng)?shù)呐虐?，例如?biāo)題加粗加大，段落分行等

##Skills:

中文醫(yī)學(xué)專業(yè)知識(shí)，包括醫(yī)學(xué)中的全部學(xué)科

英文醫(yī)學(xué)專業(yè)知識(shí)，包括醫(yī)學(xué)中的全部學(xué)科

心理學(xué)專業(yè)知識(shí)，了解聽者的心理感受

優(yōu)秀的語言表達(dá)能力，能對(duì)專業(yè)詞匯進(jìn)行準(zhǔn)確、通俗的解釋

診斷醫(yī)學(xué)專業(yè)，能將診斷醫(yī)學(xué)中的常見英文縮寫準(zhǔn)確翻譯為中文方便用戶理解

3. 指令

你可以用指令的形式，命令大模型執(zhí)行任務(wù)，而這個(gè)指令通常是一些生活中明確、有效的單詞或短句，比如“分類”、“總結(jié)”、“排序”、“一步一步來”等。

這些指令一定要通過多次的實(shí)驗(yàn)，用不同的表述形式，通過近義詞，反義詞等多次的實(shí)驗(yàn)，結(jié)合關(guān)鍵詞、上下文去嘗試看不同的指令，最終選定一個(gè)合適的指令。有的時(shí)候大模型表現(xiàn)不好不是大模型的問題，可能是你沒有使用到一個(gè)清晰的指令，這個(gè)指令就像一個(gè)“魔法咒語”，用對(duì)了往往會(huì)有事半功倍的效果。

4. 具體

你的提示詞要具體，不能模糊，描述的詞語或句子不要有二義性，比如：

Plain Text

給我輸出一張漂亮的圖片

這個(gè)就不是一個(gè)具體的描述，因?yàn)槟阋暾亩x什么是漂亮，圖片要什么尺寸等等，你可以這樣描述：

Plain Text

給我輸出一張?zhí)飯@風(fēng)格的圖片，畫面中要有一顆大樹，一個(gè)穿著花格子衣服的18歲女孩，她正在大樹下休息，仰望天空，天空是湛藍(lán)色的，要求輸出的圖片比例是1:1

5. 直接

和大模型溝通，很像在職場(chǎng)中的溝通，當(dāng)你想要傳達(dá)一個(gè)信息的時(shí)候，直接的描述信息往往是最高效的。這里考驗(yàn)的是你的語言功底了，能否把一個(gè)需求，用最直接的語言描述出來。

比如你想讓大模型給你解釋一下Prompt到底是什么，你有可能會(huì)這樣描述：

Plain Text

解釋一下Prompt的概念，一定要簡(jiǎn)單概述，不要啰嗦。

上面的提示詞比較長(zhǎng)，但也沒有說清楚到底要給出一段什么結(jié)構(gòu)的內(nèi)容，由于現(xiàn)在大模型也比較強(qiáng)，也可能會(huì)得到一個(gè)你想要的結(jié)果，但更好的結(jié)果其實(shí)是要具體且直接命中要點(diǎn)的，比如這樣：

Plain Text

請(qǐng)用3行句子，給一個(gè)小學(xué)生解釋Prompt的概念。

6. 避免說不要

在寫提示詞的時(shí)候，因?yàn)榇竽Ｐ偷幕糜X，我們經(jīng)常會(huì)用到，“不要XXXX”這種形式的描述，經(jīng)過多次實(shí)驗(yàn)我們會(huì)發(fā)現(xiàn)，這種限制大模型經(jīng)常會(huì)不聽，或者輸出一些意想不到的結(jié)果。所以通常來說，我們盡量要用更加具體且聚焦細(xì)節(jié)上的描述告訴大模型應(yīng)該怎么做，而不是一味的不讓大模型做某些事情。就像大禹治水，堵不如疏。

比如：

Plain Text

提示詞：當(dāng)用戶詢問都有哪些菜品的時(shí)候，不要詢問用戶的個(gè)人信息，不要詢問用戶的口味傾向

輸入：請(qǐng)給我推薦一些菜品

輸出：當(dāng)然，我會(huì)給你推薦一些菜品，你昨天吃的是什么呢？

可以看到，我限制了A、B，大模型會(huì)換成C進(jìn)行輸出，實(shí)際上我也不想輸出C，但是這種情況我是沒法窮盡的，更好的提示詞是這樣的：

Plain Text

提示詞：當(dāng)用戶詢問都有哪些菜品的時(shí)候，如果此時(shí)沒有菜品可以推薦，你可以回復(fù)“抱歉，目前沒有可以就餐的菜品”，然后你可以給他推薦其他店家的菜單。

輸入：請(qǐng)給我推薦一些菜品

輸出：抱歉，目前沒有可以就餐的菜品，這個(gè)時(shí)候麥當(dāng)勞還有菜品，他們的菜單如下：【菜單列表】。希望你能就餐愉快！

7. Few-shot（少樣本示例）

有時(shí)候，大模型輸出的內(nèi)容不穩(wěn)定，有幻覺，我們希望在不訓(xùn)練模型的情況下輸出有更好的表現(xiàn)，我們可以先嘗試用一些少樣本的示例，讓大模型了解你要輸出的內(nèi)容是什么形式的。這種方式對(duì)于數(shù)據(jù)收集成本高、樣本規(guī)模小或數(shù)據(jù)稀缺的場(chǎng)景特別有用，比如：

Plain Text

請(qǐng)?zhí)崛∫韵挛谋镜年P(guān)鍵詞：

文本 1: Stripe 提供 API，供網(wǎng)絡(luò)開發(fā)者將支付處理集成到他們的網(wǎng)站和移動(dòng)應(yīng)用程序中。

關(guān)鍵詞 1: Stripe, 支付處理, API, 網(wǎng)絡(luò)開發(fā)者, 網(wǎng)站, 移動(dòng)應(yīng)用程序

文本 2: OpenAI 訓(xùn)練了最先進(jìn)的語言模型，這些模型在理解和生成文本方面表現(xiàn)非常出色。我們的 API 提供對(duì)這些模型的訪問，可以用于解決幾乎任何涉及處理語言的任務(wù)。

關(guān)鍵詞 2: OpenAI, 語言模型, 文本處理, API.

文本 3: {text}

關(guān)鍵詞 3:

四、零樣本提示和少量樣本提示

了解了提示詞的基本概念之后，我們對(duì)于零樣本提示和少量樣本提示就會(huì)很順暢的理解他們的概念了。

零樣本提示是指在編寫提示詞時(shí)，不提供任何相關(guān)示例或背景信息。這意味著模型需要依靠其預(yù)訓(xùn)練的知識(shí)來生成答案。例如，詢問大語言模型“中國(guó)的首都是什么”，而沒有提供任何關(guān)于中國(guó)首都的背景信息。這種方法的優(yōu)勢(shì)在于它不需要額外的數(shù)據(jù)或微調(diào)，是一種快速便捷的方式。然而，這種方法在面對(duì)復(fù)雜任務(wù)時(shí)可能表現(xiàn)不佳，因?yàn)槟Ｐ托枰耆蕾嚻漕A(yù)訓(xùn)練知識(shí)。

少樣本提示則是在提示中提供少量示例，以幫助模型更好地理解和執(zhí)行任務(wù)。這種方法通過上下文學(xué)習(xí)，利用少量示例引導(dǎo)模型實(shí)現(xiàn)更好的性能。例如，在少樣本提示中，可以提供一些與任務(wù)相關(guān)的示例，幫助模型理解任務(wù)的具體要求和上下文。少樣本提示的一個(gè)顯著優(yōu)點(diǎn)是它能夠提高模型在面對(duì)新類別或快速變化的任務(wù)時(shí)的適應(yīng)能力。你發(fā)現(xiàn)沒，其實(shí)少量樣本提示就是提示詞設(shè)計(jì)的通用技巧的Few-shot（少樣本示例）。