当前位置：首页 > news >正文

AI大模型-提示工程学笔记1

news 来源：原创 2025/7/21 11:04:14

卷首语：我所知的是我自己非常无知，所以我要不断学习。

写给AI入行比较晚的小白们（比如我自己）看的，大神可以直接路过无视了。

几个基本概念

1. 给LLM提示

用户可以通过简单的提示词（Prompts）获得大量结果，但结果的质量与用户提供的信息数量和完善度有关。一个提示词可以包含用户传递到模型的指令或问题等信息，也可以包含其他详细信息，如上下文、输入或示例等。用户可以通过这些元素来更好地指导模型，并因此获得更好的结果。

看下面一个简单的示例：

提示词：

The sky is

输出：

blue.

如果用户正在使用OpenAI Playground或其他任何LLM Playground，可以按照以下屏幕截图中的方式提示模型：

需要注意的是，当使用 OpenAI 的 gpt-4 或者 gpt-3.5-turbo 等聊天模型时，用户可以使用三个不同的角色来构建 prompt： system、user 和 assistant。其中 system 不是必需的，但有助于设定 assistant 的整体行为，帮助模型了解用户的需求，并根据这些需求提供相应的响应。上面的示例仅包含一条 user 消息，用户可以使用 user 消息直接作为 prompt。上面示例中 assistant 的消息是模型的响应。用户还可以定义 assistant 消息来传递模型所需行为的示例。

从上面的提示示例中可以看出，语言模型能够基于我们给出的上下文内容 "The sky is" 完成续写。实际上，这个基本示例突出了提供更多上下文或明确指示用户想要实现什么的必要性。这正是提示工程的核心所在。

可以改善为：

提示词：

Complete the sentence: 
The sky is

输出：

blue during the day and dark at night.

我们告知模型去完善句子，因此输出结果看起来要好得多，因为它完全按照你告诉它要做的（“完善句子”）去做。

这种设计有效的提示词以指导模型执行期望任务的方法被称为提示工程。

2. 提示词格式

标准提示词应该遵循以下格式：

<问题>?

或

<指令>

这样的被称为零样本提示，即用户直接提示模型给出一个回答，而没有提供任何关于用户希望它完成的任务的示例或示范。一些大型语言模型具备进行零样本提示的能力。

基于以上标准格式（format），一种流行且有效的提示技术被称为少样本提示，其中用户提供示例（即示范）。用户可以按照以下格式组织少样本提示：

<问题>?
<答案>
<问题>?
<答案>
<问题>?
<答案>
<问题>?

语言模型可以基于一些说明了解和学习某些任务，而小样本提示正好可以赋能上下文学习能力。我们将在接下来的章节中更广泛的讨论如何使用零样本提示和小样本提示。

几个基本概念

1. 给LLM提示

2. 提示词格式

相关文章：