Prompt 工程技术概述
什么是 Prompt 工程？
Prompt 工程是创建提示或指导像 ChatGPT 这样的语言模型输出的过程。它允许用户控制模型的输出，生成符合特定需求的文本。ChatGPT 是一种先进的语言模型，能够生成类似于人类的文本，基于 Transformer 架构，处理大量数据并生成高质量文本。
为了从 ChatGPT 中获得最佳结果，了解如何正确提示模型至关重要。提示可以让用户控制模型的输出，生成相关、准确和高质量的文本。使用 ChatGPT 时，了解其能力和限制非常重要。通过提供清晰而具体的指令，您可以引导模型的输出，确保其相关性。
Prompt 公式通常由三个主要元素组成：
- 任务：对提示要求模型生成的内容进行清晰而简洁的陈述。
- 指令：在生成文本时模型应遵循的指令。
- 角色：模型在生成文本时应扮演的角色。
指令提示技术
指令提示技术是通过为模型提供具体指令来引导 ChatGPT 输出的一种方法。这种技术对于确保输出相关和高质量非常有用。
要使用指令提示技术，您需要为模型提供清晰简洁的任务，以及具体的指令。例如，如果您正在生成客户服务响应，您将提供任务，例如“生成响应客户查询”的指令，例如“响应应该专业且提供准确的信息”。
提示公式：“按照以下指示生成[任务]：[指令]”
示例：
生成客户服务响应：
- 任务：生成响应客户查询
- 指令：响应应该专业且提供准确的信息
- 提示公式：“按照以下指示生成专业且准确的客户查询响应：响应应该专业且提供准确的信息。”
生成法律文件：
- 任务：生成法律文件
- 指令：文件应符合相关法律法规
- 提示公式：“按照以下指示生成符合相关法律法规的法律文件：文件应符合相关法律法规。”
角色提示
角色提示技术是通过为 ChatGPT 指定一个特定的角色来引导其输出的一种方式。这种技术对于生成针对特定上下文或受众的文本非常有用。
要使用角色提示技术，您需要为模型提供一个清晰具体的角色。例如，如果您正在生成客户服务回复，您可以提供一个角色，如“客户服务代表”。
提示公式：“作为[角色]生成[任务]”
示例：
生成客户服务回复：
- 任务：生成对客户查询的回复
- 角色：客户服务代表
- 提示公式：“作为客户服务代表，生成对客户查询的回复。”
标准提示
标准提示是一种简单的方法，通过为模型提供一个特定的任务来引导 ChatGPT 的输出。例如，如果您想生成一篇新闻文章的摘要，您可以提供一个任务，如“总结这篇新闻文章”。
提示公式：“生成一个[任务]”
示例：
生成新闻文章的摘要：
- 任务：总结这篇新闻文章
- 提示公式：“生成这篇新闻文章的摘要。”
零、一和少样本提示
零样本、一样本和少样本提示是用于从 ChatGPT 生成文本的技术，最少或没有任何示例。当特定任务的数据有限或任务是新的且未定义时，这些技术非常有用。
提示公式：“基于[数量]个示例生成文本”
示例：
为没有可用示例的新产品编写产品描述：
- 任务：为新的智能手表编写产品描述
- 提示公式：“基于零个示例为这款新智能手表生成产品描述。”
“让我们思考一下”提示
“让我们思考一下”提示是一种技巧，可鼓励 ChatGPT 生成反思和思考性的文本。这种技术适用于撰写论文、诗歌或创意写作等任务。
提示公式：“让我们思考一下：主题或问题”
示例：
生成一篇反思性论文：
- 任务：就个人成长主题写一篇反思性论文
- 提示公式：“让我们思考一下：个人成长。”
自洽提示
自洽提示是一种技术，用于确保 ChatGPT 的输出与提供的输入一致。这种技术对于事实核查、数据验证或文本生成中的一致性检查等任务非常有用。
提示公式：“请确保以下文本是自洽的。”
示例：
文本生成：
- 任务：生成产品评论
- 指令：评论应与输入中提供的产品信息一致
- 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]。”
种子词提示
种子词提示是一种通过提供特定的种子词或短语来控制 ChatGPT 输出的技术。种子词提示的提示公式是种子词或短语，后跟指令“请根据以下种子词生成文本”。
示例：
文本生成：
- 任务：编写一篇有关龙的故事
-种子词：“龙” - 提示公式：“请根据以下种子词生成文本：龙。”
知识生成提示
知识生成提示是一种从 ChatGPT 中引出新的、原创的信息的技术。
提示公式：“请生成关于 X 的新的和原创的信息。”
示例：
知识生成：
- 任务：生成有关特定主题的新信息
- 提示公式：“生成有关[特定主题]的新的准确信息。”
知识整合提示
这种技术利用模型的现有知识来整合新信息或连接不同的信息片段。
示例：
知识整合：
- 任务：将新信息与现有知识整合
- 提示公式：“将以下信息与关于[具体主题]的现有知识整合：[插入新信息]。”
多项选择提示
这种技术向模型提供一个问题或任务以及一组预定义的选项作为潜在答案。
示例：
问答：
- 任务：回答一个多项选择题
- 提示公式：“通过选择以下选项之一回答以下问题：[插入问题] [插入选项 1] [插入选项 2] [插入选项 3]。”
可解释的软提示
可解释的软提示是一种技术，可以在提供一定的灵活性的同时控制模型生成的文本。
示例：
文本生成：
- 任务：生成一个故事
- 提示公式：“基于以下角色生成故事：[插入角色]和主题：[插入主题]。”
控制生成提示
控制生成提示是一种技术，可让模型在生成文本时对输出进行高度控制。
示例：
文本生成：
- 任务：生成一个故事
- 提示公式：“根据以下模板生成故事：[插入模板]。”
问答提示
问答提示是一种技术，可以让模型生成回答特定问题或任务的文本。
示例：
事实问题回答：
- 任务：回答一个事实性问题
- 提示公式：“回答以下事实问题：[插入问题]。”
概述提示
概述提示是一种技术，允许模型在保留其主要思想和信息的同时生成给定文本的较短版本。
示例：
文章概述：
- 任务：概述新闻文章
- 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]。”
对话提示
对话提示是一种技术，允许模型生成模拟两个或更多实体之间对话的文本。
示例：
对话生成：
- 任务：生成两个角色之间的对话
- 提示公式：“在以下情境中生成以下角色之间的对话[插入角色]。”
对抗性提示
对抗性提示是一种技术，它允许模型生成抵抗某些类型的攻击或偏见的文本。
示例：
用于文本分类的对抗性提示：
- 任务：生成被分类为特定标签的文本
- 提示公式：“生成难以分类为[插入标签]的文本。”
聚类提示
聚类提示是一种技术，它可以让模型根据某些特征或特点将相似的数据点分组在一起。
示例：
客户评论的聚类：
- 任务：将相似的客户评论分组在一起
- 提示公式：“将以下客户评论根据情感分组成簇：[插入评论]。”
强化学习提示
强化学习提示是一种技术，可以使模型从过去的行动中学习，并随着时间的推移提高其性能。
示例：
用于文本生成的强化学习：
- 任务：生成与特定风格一致的文本
- 提示公式：“使用强化学习来生成与以下风格一致的文本[插入风格]。”
课程学习提示
课程学习是一种技术，允许模型通过先训练简单任务，逐渐增加难度来学习复杂任务。
示例：
用于文本生成的课程学习：
- 任务：生成与特定风格一致的文本
- 提示公式：“使用课程学习来生成与以下风格[插入风格]一致的文本，按照以下顺序[插入顺序]。”
情感分析提示
情感分析是一种技术，允许模型确定文本的情绪色彩或态度，例如它是积极的、消极的还是中立的。
示例：
客户评论的情感分析：
- 任务：确定客户评论的情感
- 提示公式：“对以下客户评论进行情感分析[插入评论]，并将它们分类为积极的、消极的或中立的。”
命名实体识别提示
命名实体识别（NER）是一种技术，它可以使模型识别和分类文本中的命名实体，例如人名、组织机构、地点和日期等。
示例：
新闻文章中的命名实体识别：
- 任务：在新闻文章中识别和分类命名实体
- 提示公式：“在以下新闻文章[插入文章]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。”
文本分类提示
文本分类是一种技术，它可以让模型将文本分成不同的类别。这种技术对于自然语言处理、文本分析和情感分析等任务非常有用。
示例：
对客户评论进行文本分类：
- 任务：将客户评论分类为不同的类别，例如电子产品、服装和家具
- 提示公式：“对以下客户评论 [插入评论] 进行文本分类，并根据其内容将其分类为不同的类别，例如电子产品、服装和家具。”
文本生成提示
文本生成提示与本书中提到的其他提示技术相关，例如：零、一、几次提示，受控生成提示，翻译提示，语言建模提示，句子补全提示等。
示例：
故事创作的文本生成：
- 任务：根据给定的提示生成故事
- 提示公式：“根据以下提示[插入提示]生成一个至少包含 1000 个单词，包括角色[插入角色]和情节[插入情节]的故事。”
如上所示，Prompt 工程是一种利用像 ChatGPT 这样的语言模型获得高质量答案的强大工具。通过精心设计各种技巧的提示，我们可以引导模型生成符合我们特定需求和要求的文本。
这些技术中的每一种都可以以不同的方式使用，以实现各种不同的结果。随着您继续使用 ChatGPT 和其他语言模型，值得尝试不同的技巧组合，以找到最适合您特定用例的方法。
