学习Prompt之从一无所知到微微一笑_如何学习prompt

竟然什么是Prompt？

技术先知们越来越频繁地提及prompt这个词语，究竟什么是prompt，我用一种很急切的心情去挖掘prompt这个词的含义，生怕落后了就被淘汰。

prompt狭义的解释是：
Prompt是一种人工智能模型API，由OpenAI开发。它可以用于生成文本和回答问题，可以为开发者提供快速、高效的解决方案。Prompt可以接收用户输入，并使用机器学习算法来预测输出结果。使用Prompt，开发者可以通过简单的API调用，快速生成各种文本，例如文章、电子邮件、聊天记录、语音指令等等。Prompt还可以用于回答各种问题，例如自然语言问答、搜索建议、文本摘要等等。这使得它成为处理文本数据和自然语言处理任务的重要工具之一。

想了解prompt，于是，我就从openAI 的 API 着手， 我先注册一个 Prompt账号， 下面是注册账号的流程：

1. 在您的Web浏览器中打开Prompt的网站：https://beta.openai.com/signup/

2. 输入您的电子邮件地址，创建一个密码，并同意使用条款和隐私政策。

3. 按照提示输入您的个人信息。

4. 点击“创建账户”按钮。

5. 您将收到一封确认邮件，请按照邮件中的指示完成账户确认。

6. 登录您的Prompt账户，并按照提示创建一个API密钥。

Prompt是一种高级工具，需要具备一定的编程和人工智能技能。如果是初学者，可能需要先了解一些基本的编程和人工智能知识，然后再开始学习Prompt。

不用怕，初生牛犊不怕虎。

首先，我看看OpenAI API 能做什么？

OpenAI告诉我：

1. OpenAI 训练了先进的语言模型，非常擅长理解和生成文本。我们的API提供对这些模型的访问，可以用于解决几乎任何涉及处理语言的任务。

2. OpenAI 提供了不同能力水平的模型，适用于不同的任务，以及微调您自己的定制模型的能力。这些模型可用于从内容生成到语义搜索和分类的所有任务。

3. 完成端口（Completions）是API的核心，提供了一个极其灵活和强大的简单接口。将一些文本作为提示（Prompt)输入，API将返回一个文本完成，尝试匹配您给出的任何指令或上下文。( 这就是技术先知们提及到的Prompt）

原来Completions是核心，接下来就开始学习怎样构造Completions吧。

创建了Completions的办法如下：

POST https://api.openai.com/v1/completions
1

这个请求可以带下面的参数：

1. model （string 必填）
   要使用的模型的 ID。您可以使用 List models API 查看所有可用模型，或者查看我们的模型概述以了解它们的描述。

2. prompt （string 或 array 可选）
   要为其生成完成的提示，编码为字符串、字符串数组、标记数组或标记数组的数组。

3. suffix （string 可选）
   默认为 null
   插入文本完成后跟随的后缀。

4. max_tokens （整数 可选）
   默认为 16
   在完成中生成的标记的最大数量。

5. temperature （数字 可选）
   默认为 1
   使用哪种采样温度，在 0 到 2 之间。更高的值（如 0.8）会使输出更随机，而较低的值（如 0.2）会使其更专注和确定性。
   通常建议更改此参数或 top_p，但不要同时更改两者。

6. top_p （数字 可选）
   默认为 1
   一种与温度采样相似的替代方法，称为 nucleus sampling，其中模型考虑具有 top_p 概率质量的标记的结果。因此，0.1 表示仅考虑占前 10% 概率质量的标记。
   通常建议更改此参数或温度，但不要同时更改两者。

7. n (整数 可选）
   默认为 1
   要为每个提示生成的完成数。
   注意：由于此参数会生成许多完成，因此它可能会快速消耗您的令牌配额。请小心使用，并确保您对 max_tokens 和 stop 进行了合理的设置。

8. stream (布尔值 可选）
   默认为 false
   是否将部分进度流回。如果设置，标记将作为仅数据的服务器发送的事件发送，直到出现数据：[DONE] 消息为止。

9. logprobs (整数 可选）
   默认为 null
   在最有可能的标记上包括对数概率以及选择的标记的对数概率。例如，如果 logprobs 为 5，则 API 将返回最有可能的 5 个标记的列表。API 将始终返回所抽样标记的对数概率，因此响应中可能有多达 logprobs+1 个元素。
   logprobs 的最大值为 5。

10. echo (布尔值 可选）
    默认为 false
    除完成外还回显提示

11. stop (string 或 array）
    默认值为null
    最多4个序列，API将停止生成更多的标记。返回的文本将不包含停止序列。

12. presence_penalty (数字 可选）
    默认值为0
    介于-2.0和2.0之间的数字。正值基于它们在文本中出现的频率对新标记进行惩罚，增加模型谈论新话题的可能性。

13. frequency_penalty (数字 可选）
    默认值为0
    介于-2.0和2.0之间的数字。正值基于它们在文本中已有的频率对新标记进行惩罚，减少模型重复相同行的可能性。

14. best_of (整数 可选）
    默认值为1
    在服务器端生成best_of个完成，并返回“最佳”（每个标记的对数概率最高的完成）。结果无法流式传输。
    当与n一起使用时，best_of控制候选完成的数量，n指定要返回的数量——best_of必须大于n。
    注意：由于此参数生成许多完成，因此可能会迅速消耗您的令牌配额。请谨慎使用，并确保max_tokens和stop的设置合理。

15. logit_bias (映射 可选）
    默认值为null
    修改指定标记出现在完成中的可能性。
    接受一个将标记（由GPT标记器中的标记ID指定）映射到与-100到100相关的偏差值的JSON对象。您可以使用此标记器工具（适用于GPT-2和GPT-3）将文本转换为标记ID。在数学上，在采样之前，模型生成的logit将添加到偏差中。确切的影响将因模型而异，但介于-1和1之间的值应该会减少或增加选择的可能性；像-100或100这样的值应该会导致相关标记被禁止或独占选择。
    例如，您可以传递{“50256”: -100}以防止生成标记。

16. user (字符串 可选）
    表示您的最终用户的唯一标识符，可帮助OpenAI监视和检测滥用。了解更多。

用python代码实现一个Completions：

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
  model="text-davinci-003",
  prompt="我是一款高智商问答机器人。如果你问我一个基于事实的问题，我会给你答案。如果你问我一个无意义的问题、玩弄文字游戏的问题或者没有明确答案的问题，我会回答\“丢那星\”"
  temperature=0,
  max_tokens=100,
  top_p=1,
  frequency_penalty=0.0,
  presence_penalty=0.0,
  stop=["\n"]
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

来到OpenAI的Playground，玩玩上面Prompt的例子
先写提示词（prompt)：

我是一款高智商问答机器人。如果你问我一个基于事实的问题，我会给你答案。如果你问我一个无意义的问题、玩弄文字游戏的问题或者没有明确答案的问题，我会回答“丢那星”。

开始提问：

Q: 今天是什么日子？
A: 今天是2021年4月14日，星期三。

Q: 有没有外星人？
A: 目前尚无证据表明外星人存在。

Q:香蕉乘香蕉等于多少？
A: 丢那星。

Q:丢那星是什么意思？
A: “丢那星”是一句俗语，意思是“我不知道”或“我不想回答”。

显然，Prompt 起到了一定作用。

上面小试牛刀，兴奋了一下，我还想要深入学习Prompt。

从基本开始。

假设我想要创建一个宠物名生成器。从零开始起名字是很难的!

首先，我需要一个提示，明确我想要什么。先从一个简单的问句开始（Q是向人工智能提问，A是人工智能的回答）：

Q: 请给马起一个名字。
A:闪电

问句Q，范围很大，人工智能的回答可以天马行空。加入提示重新再提问：

Q: 给一匹黑马取一个名字。
A: 午夜

很显然，一个简单的提示，答案会接近我的期待。

接着，我再增加提示：

Q: 给一匹超级英雄马取三个名字。
A: 1. 超级种马 2. 柯尔特上尉 3.强大的野马

这就是超级英雄？太普通了吧？显然和我相像中的不同。显然，提示词不及格，需要好好调整。

不要心急，慢慢来，今天的学习就先到这里了。