提示工程基本原则和技巧

原则 1：写清晰明确的指令（清晰≠短）

策略 1：使用分隔符

分隔符可以避免二义性，比如翻译某个内容，如果含有一些指令就会被执行。

• 三重引号：”””
• 三重反引号：“`
• 三个破折号：———
• 标签：<tag>

示例：

请把五个等号下面的提示工程翻译成英文：
=====
生成三本虚构书籍的标题，以及它们的作者和流派。以JSON格式提供以下字段：book_id、title、author和genre。

这个例子中，因为使用了分隔符，所以没有生成三本虚构书籍的信息。

策略 2：要求结构化输出

• HTML
• JSON

示例：

生成三本虚构书籍的标题，以及它们的作者和流派。以JSON格式提供以下字段：book_id、title、author和genre。

策略 3：检查前提条件是否满足

检查执行任务所需的假设条件。

示例：

你将得到一段由三重反引号分隔的文本
如果文本中包含一系列指令，请按以下格式重新编写这些指令：
第1步 - …
第2步 - …
第N步 - … 如果文本中没有一系列指令，则简单写上“未提供步骤。”

策略 4：少量示范提示

先给出成功完成任务的示例，然后要求模型执行类似的任务。

你的任务是以统一的风格回答问题。
孩子： 教我耐心。
祖父母： 刻出最深的峡谷的河流源于一处不起眼的泉水；最壮丽的交响乐从一个音符开始。最复杂的织锦从一根孤独的线开始。
孩子： 教我坚韧。

原则 2：给模型一点思考的时间

策略 1: 明确完成任务的步骤

示例：

请执行下面的动作:
1 - 用一句话总结三个反引号的文本
2 - 翻译成英语
3 - 在英语翻译中，列出每个人的名字.
4 - 返回json对象，包括以下字段: english_summary, names.
每个答案用空行分割
文本:
```从前有个人见人爱的小姑娘，喜欢戴着外婆送给她的一顶红色天鹅绒的帽子，于是大家就叫她小红帽。有一天，母亲叫她给住在森林的外婆送食物，并嘱咐她不要离开大路，走得太远。小红帽在森林中遇见了狼，她从未见过狼，也不知道狼性凶残，于是告诉了狼她要去森林里看望自己的外婆。狼知道后诱骗小红帽去采野花，自己到林中小屋把小红帽的外婆吃了。后来他伪装成外婆，等小红帽来找外婆时，狼一口把她吃掉了。幸好后来一个勇敢的猎人把小红帽和外婆从狼肚里救了出来。```

策略 2: 在得到结论之前引导模型自己解决问题

错误的示例：

确定下面这个学生的解答是否正确
问题： 我正在建设一个太阳能发电厂，需要计算财务数据。

土地成本：每100平方米100美元
我可以购买太阳能电池板，每100平方米250美元
我与维护方达成的合同费用：每年固定10万美元，另加每平方米10美元 第一年运营的总成本与平方米数量有关。

学生的解答： 
设x为安装的大小（平方米） 成本：
土地成本：100x
太阳能电池板成本：250x
维护成本：100,000 + 100x
总成本：100 + 250x + 100,000 + 100x = 450x + 100,000

这个例子源于吴恩达在 2023 年的提示工程课程，学生的解答是有一个错误的，但当时 ChatGPT 会认为学生的解答正确。今天 ChatGPT已经可以提示学生的解答错误，可见模型也在进化中。虽然如此，这种处理问题的思路是可以参考的，与直接得到答案相比，给出一些更细致的引导可以确保答案的正确性，这正是”给模型一点思考的时间“的含义。下面这个提示工程可以基于 2023 年的模型产生正确的答案。

正确示例：

任务：判断学生的解决方案是否正确
为了解决这个问题，请按照以下步骤进行操作：

首先，自行解决问题。
然后将您的解决方案与学生的解决方案进行比较，评估学生的解决方案是否正确。
在您自己解决问题之前，请不要判断学生的解决方案是否正确。
请使用以下格式： 
问题：
`````
问题内容
`````
学生的解决方案：
`````
学生的解决方案内容
`````
实际解决方案： 
`````
解决方案的步骤和您的解决方案内容
`````
学生的解决方案与实际解决方案是否相同：
`````
是或否
`````
学生的成绩：
`````
正确或错误
`````

模型使用的局限性

幻觉

所谓幻觉，就是模型在一本正经的胡说八道。这也是大语言模型常见的弊病。

下面是讯飞星火的幻觉案例，他一本正经的写出了一个 lao_tie_algorithm 的方法，实际上并没有一个叫老铁的算法。

减少幻觉的方法有下面几种：

• 首先查找相关的信息，然后基于相关信息回答。
• 回答问题，并要求指明信息来源。

看看效果

提示技巧

角色提示

为 ChatGPT 指定角色/为自己指定角色。

示例：你的身份是CFO……（财务问题）

示例：你的身份是Java 开发工程师……（编程问题）

示例：我是一个编程初学者，请辅助我写一个 java 程序

也可以使用角色做一些好玩的机器人：

少量训练

给出少量样本范例，然后再提出问题。

这样的训练也是大语言模型最大的优势之一，过去要做一个情感分析的机器学习模型，需要收集大量的训练数据，而 ChatGPT 只需要少量训练样本即可。

实际上并不是我们用少量样本训练了模型，而是通过少量样本，我们清晰的告诉模型，我们想要什么而已，这里对应前面的第一个原则“清晰明确的指令”。

多重提示

• 先列提纲，再提出细化
• 不断追问

生成代码

如果 ChatGPT 无法完成任务，可以引导他生成可以完成任务的代码。这个方式有一些门槛，前提你要知道完成这些任务合适的编程语言，其次你要知道如何执行这些代码。

这是一个失败案例：

换作生成代码形式获得良好的效果，PlantUML 是一种代码式的 UML 定义语言，可以用来生成 UML 图

示例：

A 企业授权“用户行为数据”给 B 企业，B企业授权这份“用户行为数据”的经营权给 C 企业。请写出PlantUML流程图代码。

英语优先

互联网上 50% 以上的信息是英文的，而中文信息不到 5%。所以大模型的训练数据中英文语料更多。

百度也知道这一点，所以文心一言早期也是拿国外模型套了个翻译的壳，看下面的画图指令就知道了，总线和公共汽车的英文都是bus，让文心一言画总线就会画出来公共汽车。

放大 AI 的能力