大语言模型prompt工程设计原则和步骤_大语言模型的建议遵守的原则

prompt工程

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并生成符合其特定需求的文本。

ChatGPT 是一种先进的语言模型，能够生成类似于人类的文本。它建立在 Transformer 架构上，可以处理大量数据并生成高质量的文本。

然而，为了从 ChatGPT 中获得最佳结果，重要的是要了解如何正确地提示模型。 提示可以让用户控制模型的输出并生成相关、准确和高质量的文本。 在使用 ChatGPT 时，了解它的能力和限制非常重要。

该模型能够生成类似于人类的文本，但如果没有适当的指导，它可能无法始终产生期望的输出。

这就是 Prompt 工程的作用，通过提供清晰而具体的指令，您可以引导模型的输出并确保其相关。

Prompt 公式是提示的特定格式，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。

提示原则

如何去使用 Prompt，以充分发挥 LLM 的性能？首先我们需要知道设计 Prompt 的原则，它们是每一个

开发者设计 Prompt 所必须知道的基础概念。设计高效 Prompt 的两个关键原则：编写清晰、具体的指令和给予模型充足思考时间。掌握这两点，对创建可靠的语言模型交互尤为重要。

首先，Prompt 需要清晰明确地表达需求，提供充足上下文，使语言模型准确理解我们的意图，就像向一个外星人详细解释人类世界一样。过于简略的 Prompt 往往使模型难以把握所要完成的具体任务。

其次，让语言模型有充足时间推理也极为关键。就像人类解题一样，匆忙得出的结论多有失误。因此Prompt 应加入逐步推理的要求，给模型留出充分思考时间，这样生成的结果才更准确可靠。

如果 Prompt 在这两点上都作了优化，语言模型就能够尽可能发挥潜力，完成复杂的推理和生成任务。

掌握这些 Prompt 设计原则，是开发者取得语言模型应用成功的重要一步。

原则一 编写清晰、具体的指令

使用分隔符清晰地表示输入的不同部分

在编写 Prompt 时，我们可以使用各种标点符号作为“分隔符”，将不同的文本部分区分开来。

分隔符就像是 Prompt 中的墙，将不同的指令、上下文、输入隔开，避免意外的混淆。你可以选择用

\```，"""，< >，<tag> </tag>，: 等做分隔符，只要能明确起到隔断作用即可。

使用分隔符尤其重要的是可以防止 提示词注入（Prompt Rejection）。什么是提示词注入？就是用户

输入的文本可能包含与你的预设 Prompt 相冲突的内容，如果不加分隔，这些输入就可能“注入”并操纵语

言模型，导致模型产生毫无关联的乱七八糟的输出。

增加背景信息（context）

包含外部信息或者额外的上下文信息，引导语言模型更好的响应，背景信息包含大模型本身和用户的信息二个部分

如：我是一个小学生，你是苏格拉底

tips:角色扮演，给模型一个角色让他按照角色进行输出

原则二 寻求结构化的输出

有时候我们需要语言模型给我们一些结构化的输出，而不仅仅是连续的文本。

什么是结构化输出呢？就是按照某种格式组织的内容，例如JSON、HTML等。这种输出非常适合在代码

中进一步解析和处理。例如，您可以在 Python 中将其读入字典或列表中。

如：50字，4句话；以json，html格式输出，或者直接给出输出的结构样式，让模型按照该结构输出