提示工程入门
学习目标
在本课程中，我们将学习提示工程。
相关知识点
- 提示工程
学习内容
1 提示工程
提示工程是一门新兴学科，专注于设计和优化提示词以高效利用语言模型完成多样化任务。掌握提示工程能帮助开发者更深入理解大语言模型(LLM)的能力边界。研究人员通过提示工程提升模型在问答、数学推理等复杂任务的表现，开发者则借此构建更强大的LLM应用接口。
1.1 基础提示词
简单提示即可获得基础输出，但结果质量与信息量正相关。以下示例展示提示词的演进：
初始提示:
天空是输出:
蓝色的
晴天时天空呈现蓝色，阴天则可能变为灰色或白色优化后提示
请补全句子：
天空是输出
如此美丽 today通过明确指令，我们实现了提示工程的核心目标------设计最优指令使模型精准执行任务。现代LLM已能胜任文本摘要、数学推导、代码生成等高级任务。
1.2 关键模型参数
通过API调用LLM时，需重点配置以下参数：
Temperature
-
低值：确定性高，始终选择最高概率词元
-
高值：随机性强，激发创意输出
应用场景：事实类问答建议0.2-0.5，诗歌创作可设0.7-1.0
Top_p
-
核采样技术，控制输出多样性
-
与temperature择一调整即可
1.3 标准提示结构
基础问答格式：
Q: <问题>?
A: 小样本提示(few-shot)示例：
Q: 如何泡绿茶？
A: 80℃水温冲泡2-3分钟
Q: 如何泡红茶？
A: 90℃水温冲泡3-5分钟
Q: 如何泡乌龙茶？
A:分类任务示例：
"太棒了！" // 正面
"糟透了" // 负面
"这部电影绝了！" // 正面
"演出太差劲了！" //输出: 负面
1.3 提示词构成要素
完整提示可能包含：
-
指令：明确任务要求
-
上下文：辅助理解的背景信息
-
输入数据：待处理内容
-
输出指示：指定响应格式
1.4 设计原则
从简开始
建议使用OpenAI Playground等工具逐步迭代：
- 基础提示验证可行性
- 逐步添加上下文和约束
- 记录各版本效果
指令设计
-
使用明确动词："编写"、"分类"、"总结"等
-
推荐指令前置并用分隔符强调：
指令
将下文翻译为法语：
文本："你好！"
保持具体
- 详细描述预期输出样式
- 提供示例效果显著
- 注意提示词长度限制
信息抽取示例：
从下文提取地名，格式：地点: <逗号分隔列表>
输入："...神经免疫学家Henrique Veiga-Fernandes在里斯本Champalimaud未知中心表示..."输出: 地点: Champalimaud未知中心, 里斯本
避免模糊
低效提示：
简要解释提示工程，不要过于描述性高效提示：
用2-3句话向高中生解释提示工程概念正向引导
低效提示：
电影推荐机器人，不要询问兴趣，不要收集个人信息
用户：根据我的兴趣推荐电影
机器人：您喜欢什么类型电影？（错误示范）高效提示：
电影推荐机器人需直接推荐全球热门影片，禁止询问用户偏好。若无推荐选项则回复"今日无推荐"。
用户：根据我的兴趣推荐电影
机器人：当前全球热门影片有：《阿凡达》《流浪地球》...(正确示范)