给AI设置提示词还有这么多讲究？_让ai扮演荷官的提示词

在新加坡政府科技局（GovTech）举办的首届GPT-4提示工程大赛中，400余名参赛者通过精心设计的提示词，成功引导大语言模型（LLM）完成一系列看似不可能的任务，展现了在正确引导下人工智能的惊人潜力。

良好的提示词（Prompt）可以与AI对话时提供指导性文本，能够极大地提高问题解答的质量和效率。提示工程（Prompt Engineering）涉及如何设计、优化和管理这些提示词，以确保生成式人工智能（AIGC）能够准确、高效地执行用户的指令。

数据科学家Sheila Teo摘得首届GPT-4提示工程大赛桂冠，成为提示女王（Prompt Queen）。

图片来源：Medium

新工科局拟通过梳理当前围绕提示工程所出现的新趋势和新机遇，探索如何更有效地利用提示词以提升AI生产力，共同开启人工智能领域的新篇章。

提示工程发展的新趋势

提示工程的发展呈现出三大趋势：多模态提示的发展拓展了AI对信息的理解能力；强化学习与自动提示生成技术提升了AI执行任务的精准性；而引入元认知和自我反思赋予了AI更深层次的思考能力。

No.1

多模态提示

目前，提示工程已不再局限于文本理解与生成，而是开始融入图像、声音等多模态（Multimodality）数据，使得AI能够处理和生成更丰富的内容。其中，文本生成图像、文本生成视频和图像/视频生成文本等均已有产品问世。

图表来源：新工科局自制

No.2

强化学习与自动生成提示

强化学习（Reinforcement Learning）是机器学习的一个重要分支，主要通过智能体与环境的交互来实现最大化累积奖励的学习目标。在提示工程中，这项技术使得AI能够通过与环境的交互学习自动生成和选择最佳的提示词，从而提高在特定任务上的表达和推理能力。例如，英特尔实验团队开发了NeuroPrompts工具，用于优化图像生成模型Stable Diffusion的提示词，以获得更美观的图像。

左图是使用一般的提示词生成的图像，右图是NeuroPrompt优化提示词之后再生成的图像。

图片来源：NeuroPrompts

No.3

元认知与自我反思

元认知（Metacognition）是指对自身认知过程的认识和控制，而自我反思（Self-Reflection）涉及评估自身行为和思考过程。**提示工程已经开始引入这两种机制，通过特定的提示技术引导大语言模型进行更深层次的思考和自我评估，以提高复杂问题的解决能力。**例如，Step-Back Prompting是一种提示技术，赋予AI模型抽象思维能力，使其能从具体实例中提取高级概念和基本原理，从而显著提升模型在STEM学科和知识问答等复杂多步骤任务中的推理能力。

图片来源：Unite.AI

提示工程带来的新机遇

提示工程的兴起带来了三大机遇：专业领域决策辅助为特定行业提供精准智能支持；自动化和个性化的内容生成为创意和定制化内容的创作开辟新路径；复杂任务处理能力的提升使得AI在应对挑战性问题时具备新能力。

No.1

专业领域的决策辅助

提示工程在需要AI以主题专业知识做出响应的领域（如医疗、法律、金融等行业）中能发挥关键作用。通过运用提示工程，可以引导AI使用正确的来源，并根据提出的问题提供专业、准确和实用的答案，从而更高效地辅助专业人士开展工作。

例如，在医学领域，医疗专业人员只需先输入症状和患者详细信息（如“患者出现发烧、头痛和关节痛”），提示工程指导AI列出症状相关的可能疾病，或根据其他信息缩小诊断范围（如“请列出任何其他症状、旅行史或近期接触史，以帮助缩小可能的诊断范围”），从而为复杂病例生成鉴别诊断。

No.2

自动化和个性化的内容生成

提示工程推动了内容生成的自动化和个性化，使得AI能够根据用户的具体需求和偏好生成定制化内容。这对于个性化学习、产品营销、创作、娱乐等领域具有重大意义。

例如，在教育领域，通过设计与学生学习进度及理解能力相符的提示词，AI模型可以生成个性化的学习材料和练习题，更好地实现因材施教；在创意写作中，通过运用激发想象力和创造力的提示词，AI模型能够生成激发作者灵感的角色设置和情节构思，以辅助其进行文学创作。

图片来源：36氪

No.3

复杂任务处理能力的提升

通过利用逻辑链思维（LogiCoT）等提示技术**构建有序、相互关联的思考步骤，并通过“思考-验证-修订”循环来减少逻辑错误和幻觉，**AI模型能够更深入地理解问题，并生成正确、结构化、逻辑清晰的回答，增强了处理复杂逻辑和推理任务的能力。

例如，提示技术可以通过显示多步数学问题的推理过程和最终答案，引导大语言模型模仿人类将问题分解为一系列中间步骤，从而解决那些需要精确的、分步骤计算的复杂数学问题。

如何利用提示工程提高AI的生产力

掌握提示工程的基本使用方法，普通用户亦能与大语言模型高效对话。本节将揭秘如何精确地应用提示词、制定个性化指令以及对提示词进行优化与迭代，以便进一步开发AI生产力工具。

No.1

精准使用提示词

提示词就像是一把引导对话的魔杖，帮助我们更好地与AI进行交流。根据WeThinkApp在文章《ChatGPT提示的艺术：制作清晰和有效提示的指南》（The Art of ChatGPT Prompting: A Guide to Crafting Clear and Effective Prompts）中的观点，可以得到如下提示词万能公式：

一个完整的提示词

通过对公式中各个要素的不同组合，可以设计出自己所需的提示词。

图表来源：新工科局自制

No.2

自定义指令

可以利用提示工程开发的自动化生成工具，如模板化生成、批量生成等，来提高内容生成过程的效率。以ChatGPT的“自定义指令（Custom instructions）”功能为例，用户可以提前设置个性化偏好，一劳永逸地下达基础指令。

图片来源：ChatGPT

图表来源：新工科局自制

（部分参考“CSS魔法”的博客文章《ChatGPT定制化进阶：四步成为AI对话高手》）

No.3

优化与迭代提示词

在设计完初步的提示词后，需要调整或重写以提升生成内容质量。以下是优化提示词的技巧：

重申关键元素：在长提示词中，多次重复核心指令。

明确格式：提前告诉AI模型期望的输出格式，例如CSV（逗号分隔值）或JSON（一种轻量级资料交换格式）。

突出关键信息：用鲜明的语言或结构突出重要内容。

多样化表达：交替使用不同的近义词或短语，并找出哪种更有效。

利用参考资源：使用在线提示词资源库如Prompt Hero和PromptBase获取灵感。

图片来源：Img2prompt

相信经过熟练运用合适的提示词，我们可以将大语言模型的潜力发挥到极致，为各种复杂和特定的任务提供智能解决方案，提升生产力。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。