Prompt Engineering：向ChatGPT提问的艺术_prompt engineering forchatgpt

1、提示工程简介

不同Prompt生成的汉堡图片 

• 提示（Prompt）包括传递给语言模型的指令和语境，以实现预期的任务。提示工程（Prompt Engineering）是一种策略（技巧），是开发和优化提示的实践，旨在引导人工智能语言模型（例如 ChatGPT）生成满足用户需求的输出。ChatGPT 创始人 Sam Altman 认为提示词工程是用自然语言编程的黑科技，绝对是一个高回报的技能。 很多人也把提示词看做 AIGC 这个时代的源代码
• 提示工程与 ChatGPT 之间是相互依赖的。从技术层面看，Prompt是作为输入信息传递给ChatGPT 的文本，在训练和使用这类生成预训练模型时，Prompt是用来激发模型回应的关键文本。模型会根据输入的Prompt分析上下文信息，并生成与之相关的回应。通常，输入的Prompt 越具体，模型生成的回答就越精确。从使用场景来看，用户通过提供一个Prompt来引导ChatGPT，使其生成有针对性的回答。同时，ChatGPT的回答质量也依赖于Prompt的表达效果。一个好的Prompt能帮助ChatGPT更准确地理解用户意图，控制模型并实现更精确、高质量和相关的文本生成，从而生成更符合用户期望的回答。提示工程之所以重要，是因为通过采用有效的提示方法，用户能够充分发挥模型的潜力，提高效率和输出质量，降低误导风险，扩展应用场景等。

2、提示原则

• 遵循一些提示原则，可以得到更有用和准确的答案：

1.  明确清晰：确保Prompt表达清晰明确，避免歧义。提供足够的上下文信息，以便AI更好地理解您的问题。
2. 详细程度：根据需要，指定您希望获得的答案的详细程度。这可以帮助AI为您提供合适长度的回答。
3. 有针对性：尽量提出具体而有针对性的问题，以便AI能够更准确地为您提供所需信息。
4. 分步提问：对于复杂或多部分的问题，分解成多个简单的问题，逐个提问。这样可以更容易地获得满意的答案。
5. 限定范围：如果有需要，限定问题的范围，例如特定时间段、地点或领域等。这将有助于AI为您提供更精确的答案。
6. 重复与澄清：如果AI没有正确理解您的问题，不要犹豫，尝试用不同的方式重复或澄清问题。
7. 灵活适应：适应AI的回答风格和表达方式，根据需要调整问题的提法。

• 提示公式（Prompt Formular）一般包含3个主要元素：任务、指令和角色。这些元素有助于构建高质量的提示，以便引导语言模型（如 ChatGPT）生成满足用户需求的输出。

1. 任务：明确您希望模型完成的任务，例如提供信息、解决问题或生成特定类型的文本。确保任务表述清晰明确。
2. 指令：为模型提供具体指导，说明应该如何执行任务。这可能包括上下文信息、预期输出格式或其他重要细节。
3. 角色：在需要的情况下，为模型设定一个角色，以便更好地理解所需回答的风格、语气或专业背景。这有助于模型生成更符合预期的输出。

将这三个元素结合起来，可以创建有效的提示，引导模型生成准确、高质量和相关的回答。

3、提示技巧

ChatGPT参数：

• Temperature：temperature的参数值越小，模型就会返回越确定的一个结果。如果调高该参数值，大语言模型可能会返回更随机的结果。
• Top_p：同样，使用top_p（与temperature一起称为核采样的技术），可以用来控制模型返回结果的真实性。如果你需要准确和事实的答案，就把参数值调低。如果你想要更多样化的答案，就把参数值调高一些。

简单问题，可以直接提供指令，如 解释某个名词，对于模糊但有界的问题，可以让ChatGPT 类比、罗列等。不同的提示方式可以结合起来，给 ChatGPT 更具体、丰富的上下文信息，有利于生成符合预期的结果。下面是一些常用的提示模板：

1.常规(结构化)提示：提供具体的指令，指导ChatGPT的输出，确保输出的相关性、高质量。 

任务： 生成法律文件 指令：文件应当符合相关法律法规 角色：律师
Prompt1：生成符合相关法律法规的法律文件
Prompt2：作为一个律师，生成符合相关法律法规的法律文件

2.零样本、单样本、小样本提示：在示例较少的情况下，帮助ChatGPT生成文本，适用于：数据有限、具体任务或定义不明确。

3.输入输出提示：

• 将指令放在提示符的开头，并使用###或"""分隔指令

• 当展示特定的格式要求时，模型会做出更好的反应。这也使得解析多个输出结果变得更加容易。

4.多项选择提示：包含一个问题或任务，以及一组预定义选项，作为可能的答案。

任务：将文本分类为正面、中性、负面 指令：分类应该是预定义选项之一
Prompt：将以下文本分类为正面、中性、负面：【文本】

5.聚类提示：明确根据某些特征进行分组，提示输出内容要包含聚类数量、特定要求等。

6.可解读软提示：提供一些附加信息，使生成的文本更具可解读性、可控性。

任务：生成特定样式的文本 指令： 文字要采用特定时期的风格
Prompt: 生成[特定]风格的文字：[插入上下文]

 可用于语言建模，生成训练样本。

7.生成提示：让ChatGPT扮演一个Prompt生成专家，帮助完成/完善/改进你的prompt。

8.链式思维（CoT）：让模型学习不仅输出结果还要给出思考过程，可以显著提升LLM的表现。（在prompt的结尾加入"Let's think step by step (让我们一步步思考)“ 也能够取得相近 的效果）。

9.自我一致性：通过少样本CoT采样多个不同的推理路径，并使用生成结果选择最一致的答案。有助于提高CoT提示在涉及算术和常识推理的任务中的性能。

4、总结

prompt是与ChatGPT交互中不可或缺的一环。通过准确、明确、简洁的prompt，我们能够更好地引导模型生成有用的回答。了解prompt的原则和经验技巧，有助于提高交互的效果和准确性。因此，在使用ChatGPT时，合理构建和利用prompt是至关重要的，这将为我们带来更加令人满意的交互体验。

参考链接：

https://www.wpsshop.cn/w/Cpp五条/article/detail/601648