“ 提示詞工程，是一種不需要更新模型權重和參數來引導模型輸出特定結果的方法”

大模型之所以叫大模型，不但是因為其參數量大，還有訓練與運營成本高。因此，從企業運營成本來說，使用大模型能用提示詞解決就堅決不微調(fine-tunning)，能微調解決就堅持不重新訓練或設計。

那么提示詞是什么？為什么需要提示詞？有什么作用？

01、什么是提示詞工程(prompt engineering)?

簡單來說，提示詞工程是一種不需要調整大模型參數或權重，就可以獲取某種結果的方法。

提示詞的作用和應用場景都非常廣泛，不論是文本生成，還是問答系統，亦或者其它場景。

同一個LLM，提示詞不一樣生成的內容也會不一樣，甚至會有很大的差別。

所以，從這個角度來說，提示詞工程是一種更好地使用大模型的方法。

學好提示詞，能夠讓你更好、地使用和操作大模型，并且得到更好的結果。

當然，從技術的角度來理解，提示詞工程是一種過渡的技術，原因是因為大模型還無法做到像人類一樣的語言理解能力，因此才需要提示詞工程作為輔助手段，讓大模型能夠更好地理解人類的問題。

前面說了提示詞的概念和作用，但如果只是說提示詞工程的概念，可能很多人都覺得云里霧里，覺得它很高大上。

但事實上提示詞工程說復雜也復雜，說簡單也簡單；網絡上雖然有各種提示詞模板，但事實上我我們隨便問的一句問題都可以算作提示詞工程。

比如在大模型的聊天輸入框中，和它打招呼說哈嘍；這個也可以算作提示詞工程。

提示詞工程的作用是為了讓大模型給出更加準確的輸出，而提示詞的表現形式可以是任何形式，可以是一個問題，一段對話，一段描述等任何文本形式。

而從語言學的角度來說，一個問題描述的詳細與否，主要就是問題的背景，上下文，以及各種限定語，這就是提示詞工程的本質。

因此，提示詞工程也叫做上下文提示。

比如說，在大模型中輸入一句“哈嘍”，其實也算提示詞工程的一部分，只不過這個提示詞很簡單和沒有提示詞沒什么區別。

部分功能就是使用提示詞工程優化的，大模型人工智能小程序，感興趣的可以點擊查看：

而比較好的提示詞是什么樣的？

比如說，給大模型的輸入中說：“給我介紹一下提示詞工程”。

這時大模型給的結果可能會很寬泛；但如果這樣問：“從大模型的使用角度，幫我介紹一下提示詞工程，并且給出幾個簡單的使用場景，以及示例；還有怎么才能寫出一個更好的提示詞”。

這樣大模型給出的輸出結果就會好得多；如果你能用更加詳細的描述來問大模型，你會得到更好的結果。

02、怎么才能寫出一個更好的提示詞？

一個好的提示詞應該包含以下幾個部分：

任務

任務序列是由動詞引導的，例如generate, drive, write等，而且需要明確任務目標

上下文

背景上下文極具挑戰性， 一般要描述什么是用戶的背景信息，成功的結果希望是什么樣子，以及他們處于怎樣的環境中

示例

基本上，對所有主要語言模型進行的研究表明，在提示中包含例子都將產生更高質量的答案。

角色

這是你希望人工智能所扮演的角色。想象一下你有一個問題，想咨詢專家來解決這些疑問。例如，你在找工作的時候可以讓大模型扮演一個面試官；在買車的時候，讓大模型扮演一個具有多年經驗的汽車銷售等。

格式

想象一下實現的目標，可以是個人或團體的目標，比如找到工作、成為一位優秀的演講者等。

所有這些都是零散的想法，但借助人工智能的幫助，可以將它們整理成一個特定的格式，比如一個表格。我們也可以希望得到電子郵件、要點、代碼塊等格式。這些格式對我們的工作也很有用，例如段落和標記。

語氣

如果正確衡量要使用的音調類型，“語氣”者一個元素就很容易理解。

在這6個要素中，任務是必須的，上下文和示例非常重要，而且最好也要有角色、格式和語氣。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/gpmlKVA9Cqfn9_b925vqhg??