为什么提示工程如此重要？
提示工程的目标是通过提供清晰、简洁且结构良好的输入来提高语言模型的性能，这些输入需要针对模型所用于的特定任务或应用进行定制。可以将提示工程比喻成与人交流时使用清晰明了的语言，让对方更容易理解你的意图，从而做出更满意的回应。
那么接下来，我们将依次介绍OpenAI提供的提示工程最佳实践，FushionAI的自动生成功能，以及让GPT进行自我反思。我们还会提供一个额外的实用小技巧，请多留心！
OpenAI的官方最佳提示技巧
1.使用最新的模型
为了获得最佳效果，我们建议使用最新、性能最强大的模型。截至2022年11月，文本生成方面的最佳选择是“text-davinci-003”模型，代码生成方面的最佳选择是“code-davinci-002”模型。能使用GPT-4当然会比ChatGPT要更好。
2.将指令放在提示的开头，并用###或"""将指令与文本分开
效果不佳?：
将下面的文本摘要成一个关键要点的项目列表。
{输入文本}
更好的选择?：
将下面的文本摘要成一个关键要点的项目列表。
OpenAI收到日本监管机构关于数据收集的警告:金色财经报道，在日本当地隐私监管机构就其数据收集方法向ChatGPT母公司发出警告后，日本官员开始收紧对人工智能(AI)的立场。6月2日，日本个人信息保护委员会发表声明，要求OpenAI尽量减少为机器学习目的收集的敏感数据量。此外，它强调未经人们许可不得这样做。该委员会还强调需要平衡其隐私问题与留出空间来促进AI的潜在好处，例如推动创新。[2023/6/2 11:55:15]
文本：
"""{输入文本}"""
3.对所需的上下文、结果、长度、格式、风格等尽可能具体、详细和描述性
效果不佳?：
写一首关于OpenAI的诗。
更好的选择?：
写一首关于OpenAI的短篇励志诗，重点描述DALL-E产品发布，风格仿照{著名诗人}。
4.通过示例明确所需输出格式
效果不佳?：
从下面的文本中提取实体。提取以下4种实体类型：公司名称、人名、特定主题和主题。
文本：{文本}
更好的选择?：
从下面的文本中提取重要实体。首先提取所有公司名称，然后提取所有人名，然后提取与内容相关的特定主题，最后提取总体主题。
美国财务会计准则委员会发布关于加密资产会计和披露的拟议会计准则更新:4月3日消息，美国财务会计准则委员会（FASB）关于加密资产会计和披露的拟议会计准则更新，提议更像对待传统资产那样对待加密资产，并将提高估值的准确性。
目前，公认会计原则（GAAP）要求公司在资产负债表上将持有的加密货币视为“无限期无形资产”。根据现行公认会计原则，加密资产每年都会进行减值测试。[2023/4/4 13:42:48]
期望格式：
公司名称：<逗号分隔的公司名称列表>?
人名：-||-?
特定主题：-||-?
总体主题：-||-
文本：{文本}
5.从零次学习开始，然后进行少次学习，如果这些方法都不起作用，那么进行微调
?零次学习
从下面的文本中提取关键词。
文本：{文本}
关键词：
?少次学习-提供几个示例
从下面的文本中提取关键词。
文本1：Stripe为Web开发人员提供了API，以便他们将支付处理集成到自己的网站和移动应用程序中。
关键词1：Stripe，支付处理，API，Web开发人员，网站，移动应用程序
SafeDAO关于“开放SAFE可交易性”的提案未获得通过:11月11日消息，数字资产管理平台Safe（原Gnosis Safe）社区SafeDAO投票反对关于“开放SAFE代币可交易性”的提案SEP #2，73.63%的投票权选择了“不做改变/推迟决定”的选项。[2022/11/11 12:50:30]
文本2：OpenAI已经训练出了处理和生成文本方面非常优秀的语言模型。我们的API可以让您使用这些模型，解决几乎任何涉及处理语言的任务。
关键词2：OpenAI，语言模型，文本处理，API。
文本3：{文本}?
关键词3：
?微调：请参阅参考文献里的微调最佳实践指南。
6.减少模糊和不精确的描述
效果不佳?：
这个产品的描述应该比较简短，只有几句话，不要太多。
更好的选择?：
用3至5句话的段落来描述这个产品。
7.不仅要说不做什么，更应该说做什么
效果不佳?：
以下是代理和客户之间的对话。不要询问用户名或密码。不要重复。
客户：我无法登录我的账户。代理：
动态 | 日本公平贸易委员会、个人信息保护委员会将参与财务省等关于Libra的合作讨论:据日经消息，此前有消息称日本财务省、金融厅、央行正在就如何应对Libra的问题展开合作讨论。日本央行行长黑田东彦在接受采访时透露，公平贸易委员会以及个人信息保护委员会也将参与这一讨论。[2019/7/18]
更好的选择?：
以下是代理和客户之间的对话。代理将尝试诊断问题并提出解决方案，同时避免询问任何与个人身份信息有关的问题。不要询问用户名或密码，而是引导用户查阅帮助文章www.samplewebsite.com/help/faq
客户：我无法登录我的账户。代理：
8.代码生成-使用“引导词”引导模型生成特定模式
效果不佳?：
编写一个简单的Python函数
1.询问我一个以英里为单位的数字
2.将英里换算成公里
在下面的代码示例中，添加“import”提示模型应该以Python语言开始编写。
更好的选择?：
编写一个简单的Python函数
1.询问我一个以英里为单位的数字
2.将英里换算成公里
OKEx关于子账户的邮箱验证调整:OKEx发布公告称，为了方便主账户和子账户之间的管理，进行以下调整：在子账号安全设置中，设置/重置谷歌验证码、设置/修改资金密码、设置/绑定手机号过程中，如需输入“邮箱验证码”，则平台将验证码发送到所关联主账户的邮箱中；子账户无需绑定自己的邮箱；之前已绑定过邮箱的子账户，相关验证码也会发送至主账户的邮箱；为避免子账户无法使用相关功能，请对应主账户绑定邮箱。[2018/4/19]
import
FusionAI,自动生成更好的提示
FusionAI是一个可以自动生成更适合GPT提示并生成相应文章的AI软件，我会建议新手期时将它当作学习提示工程的教程来使用。
例如，当我给出提示：“Iwanttohaveablogofpromptengineering“FusionAI会修改此提示为
可以看出来这样生成出来的提示对照了前文提到的第3和第6条技巧，规定了输入长度，要求变得更精确了，让AI聚焦于提示工程的好处和挑战，并且举出相应例子。
让我们用中文输入挑战一下FusionAI。给出提示：“给我一篇关于提示工程的博客”。FusionAI修改提示为：
可以看出来这个提示是有严重偏差的，词不达意，无法使用。这其实给我们提了个醒，语言和指令在转译的时候是会有信息损失的，转译的次数越多信息差就越大，直到不可辨别。因此我们要尽量接触和使用一手信息，在AI上也适用。
我们不建议使用各种模版或者类似FusionAI的工具来生成内容，因为噪音太大。当然，在你还不了解提示工程的时候可以参考它们来学习，这是可以的。
GPT，你得学会自我反思
在EricJang的一篇最新的博客《CanLLMsCritiqueandIterateonTheirOwnOutputs?》里，他提到LLM可以在没有任何基础反馈的情况下自我纠正，并尝试将这样的自我反思作为一种提示工程的技巧。
你可以把这种情况想象成某人向你发送了一条短信，然后迅速“取消发送”，再发送一条新的短信。
让我们举个例子，当我们让GPT-4写出一首不押韵的诗：”canyouwriteapoemthatdoesnotrhyme?thinkcarefullyabouttheassignment“，GPT-4给出的回答是：
很明显，节选的小诗是押韵的，这并不符合我们的要求。那么我们给出进一步的指令让GPT-4进行自我反思：“didthepoemmeettheassignment?”，那么GPT-4会回答：
可以看出来，这次GPT-4生成的小诗确实是不押韵的，在没有给出任何额外反馈的前提下GPT-4完成了自我的提示工程。笔者猜想这可能跟LLM的无监督学习有关，但为什么GPT-4拥有此功能而GPT-3.5却没有，就不得而知了。
当然，这样的能力也是有局限的。如果你愿意，你可以要求GPT-4随机给出两个五位数并且求出它们的乘积。接下来你会发现，无论你让GPT-4怎么反思，它都无法给出正确的答案。GPT-4只会不断客气地胡说八道而已。对于想深入研究的读者，可以从文末链接阅读Eric的博客和一篇最新的预印版论文《Reflection》
Onemorething
有心的读者可能已经发现了，作者在使用LLM一般都选择英文作为提示语言。这是因为作为预训练模型，其表现的优异程序与预训练时的数据集有关系，一般来说数据越多则被训练得越好。而英语作为全球第一的使用语言，数据量是远超中文的。所以除非你需要输出与中文语境强相关的文章，否则我会建议使用英文来作为提示语言。
总结
在这篇文章里我们介绍了三种提示工程的方法。分别是OpenAI推荐的前置提示工程，AI自动生成，以及以反思为主的后置提示工程。同时，我们也建议非英语母语者尝试使用英语作为与LLM交互的语言。
欢迎关注Multigis掌握更多前沿区块链，人工智能，代笔经济学知识。
参考文献:
https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api
https://docs.google.com/document/d/1h-GTjNDDKPKU_Rsd0t1lXCAnHltaXTAzQ8K2HRhQf9U/edit#
https://fusion.tiiny.site/home.html
https://evjang.com/2023/03/26/self-reflection.html
https://arxiv.org/pdf/2303.11366.pdf
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。