在當今的信息時代，人工智能語言模型如 ChatGPT 為我們提供了一個強大的知識庫和解決問題的工具。為了更好地使用 ChatGPT，非常有必要學(xué)習(xí)提示詞工程。通過熟練地使用提示詞，我們能夠讓AI更加準確地理解我們想要表達的意思，從而更高效地得到答案。

一、learnprompt.org 給出的一些建議

下面是https://www.learnprompt.org/ 提供的幾個建議，我使用 ChatGPT 還提供了針對不同行業(yè)的提示詞模板，大家可以去學(xué)習(xí)和參考。

為了充分發(fā)揮 ChatGPT 的潛能，并獲取到準確的答案，我們需要遵循以下幾點建議：

• 提問要明確具體：提出一個明確的、具體的問題，以便獲得清晰而簡潔的答案。
  示例一：不佳 - “地球的構(gòu)造是什么？”；優(yōu)化 - “地球的內(nèi)部結(jié)構(gòu)是如何分層的？”
  示例二：不佳 - “誰發(fā)明了電話？”；優(yōu)化 - “電話的發(fā)明者是誰？”

• 使用正確的語法：盡量用完整的句子表達問題，并使用正確的語法。
  示例一：不佳 - “地球大氣層哪幾層？”；優(yōu)化 - “地球的大氣層分為哪幾層？”
  示例二：不佳 - “最高山峰在哪？”；優(yōu)化 - “世界上最高的山峰是哪座？”

• 問題簡潔明了：避免在一個提示中提出多個問題，盡量讓問題簡短明了。
  示例一：不佳 - “請告訴我關(guān)于光合作用的原理和參與的主要生物？”；優(yōu)化 - “光合作用的基本原理是什么？”
  示例二：不佳 - “太陽系的行星有哪些，它們的特點是什么？”；優(yōu)化 - “太陽系共有哪些行星？”

• 提供相關(guān)背景信息：如果你的問題涉及特定主題，請?zhí)峁┮恍┫嚓P(guān)背景信息。
  示例一：不佳 - “這部電影的評分是多少？”；優(yōu)化 - “《肖申克的救贖》在豆瓣上的評分是多少？”
  示例二：不佳 - “這本書的作者是誰？”；優(yōu)化 - “《紅樓夢》的作者是誰？”

• 使用關(guān)鍵詞：在提問時，使用相關(guān)的關(guān)鍵詞可以幫助ChatGPT更快地理解你的問題。
  示例一：不佳 - “能源轉(zhuǎn)換的公式？”；優(yōu)化 - “質(zhì)能方程是什么？”
  示例二：不佳 - “太陽的能量來源？”；優(yōu)化 - “太陽的能量主要來源于哪種核反應(yīng)？”

• 校對問題：在提交問題之前，請仔細校對，確保問題語法正確、表達清晰。
  示例一：不佳 - “為什么著名畫家梵高切耳朵？”；優(yōu)化 - “梵高為什么會割掉自己的耳朵？”
  示例二：不佳 - “怎樣種多肉？”；優(yōu)化 - “如何正確種植多肉植物？”

二、ChatGPT 給出的一些建議

• 確保明確性：在設(shè)計提示詞時，務(wù)必確保提示詞清晰明確，以便讓AI更好地理解用戶需求。避免使用模糊、不清晰的措辭，以免產(chǎn)生誤導(dǎo)。

• 使用上下文信息：盡量包含與問題相關(guān)的上下文信息，這有助于AI更好地理解問題的背景，從而給出更準確的回答。

• 引導(dǎo)性問題：使用引導(dǎo)性問題可以幫助AI更好地聚焦于問題的核心。例如，使用“如何在冬季種植番茄？”而非簡單地說“冬季種番茄”。

• 分步提問：有時，一個復(fù)雜問題需要分解成幾個簡單問題（這一步有時候也可以使用 AI 完成）進行回答。將問題分解成多個部分，逐一詢問AI，有助于獲得更詳細、準確的答案。比如先讓 ChatGPT 給出提綱，然后提出建議然它修改出滿意的提綱，最后讓它填充每一個部分。

• 限制答案長度：通過限制答案長度，可以讓AI更專注于提供簡潔明了的答案。例如，添加“請用一句話回答”或“請用20字以內(nèi)回答”。

• 使用多個提示：嘗試使用不同的提示詞來詢問同一個問題，以便從多個角度獲取答案。這有助于獲得更全面、深入的解答。

• 指定答案格式：通過指定答案格式，可以幫助AI生成更符合用戶需求的答案。例如，要求AI以列表、概括或步驟等形式進行回答。

• 逐步優(yōu)化：根據(jù)AI的回答效果，持續(xù)調(diào)整并優(yōu)化提示詞。對于不理想的回答，可以嘗試修改提示詞，以引導(dǎo)AI生成更好的答案。

三、ChatGPT Prompt Engineering for Developers

參考自：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

3.1 Guidelines 準則

（1）寫指令要求清晰和具體，但不等于短。

• 1 用定界符如 “”"、```、—、<>、。它可以防止 prompt 注入，給 LLM 產(chǎn)生混亂的理解。

• 2 用結(jié)構(gòu)化輸出：如直接要求它以 HTML 或者 JSON 格式輸出。

• 3 要求檢查：要求 LLM 先檢查是否滿足某個條件后，再進行輸出，如果條件不滿足可以直接告知。

• 4 利用少樣本學(xué)習(xí)，展示一個你期望的例子給 LLM。

（2）給模型一些思考的時間，你給它太簡單的描述它回答的可能不是你要的，你給它太難的問題它可能也算不出來。

• 讓模型按步驟來解答，第一步你應(yīng)該怎么答，第二步你應(yīng)該……最后……?？梢栽O(shè)定一些分隔符，并且你在展示你想要的格式的時候，使用這些分隔符，比如你告訴LLM，文本在Text:<>里面……

• 讓模型自己推導(dǎo)出過程，而不僅僅是結(jié)果，展示一個帶有解題過程的例子給LLM，演示中，讓LLM負責(zé)判斷學(xué)生做題是否正確，這時候就需要告訴模型學(xué)生的解題思路。

避免模型產(chǎn)生幻覺：要告訴模型先查找相關(guān)資料，再根據(jù)相關(guān)資料來回答問題。（但模型產(chǎn)生幻覺很難避免，也是目前模型研究領(lǐng)域努力的方向）

3.2 Iterative 提示工程需要持續(xù)迭代（編寫Prompt就是一個不斷修正表達的過程）

編寫Prompt的過程是不斷迭代的。

基本步驟：編寫Prompt、測試、分析為什么、再編寫（澄清你的想法）、再測試……，直到滿意為止。

示例中，測試了總結(jié)營銷文案、用50個單詞、3個句子、280個字符、增加目標用戶、增加產(chǎn)品參數(shù)、增加輸出格式要求、來表達等，LLM表現(xiàn)得都不錯，不過值得注意的是，它們并不會嚴格按照這個字數(shù)限制來，可能會略長一點。

3.3 Summarizing 總結(jié)類的應(yīng)用（總結(jié)、提取信息）

如果你有個電商網(wǎng)站，里面有大量的用戶評論，你可以利用“總結(jié)”的能力來簡化你的工作量。

LLM不僅支持“總結(jié)（summarize）”還可以“提取信息（extract）”。

示例中，測試了限制字數(shù)、限定主題、關(guān)注價格、用提取替換總結(jié)，并用一個for循環(huán)，以相同的prompt模板來套用不同的內(nèi)容，以達到批量處理的目的。

3.4 Inferring 推理類應(yīng)用（情緒判斷、主題推斷等）

同樣是在用戶評論中，你如果想看看有多少積極反饋有多少消極反饋，則需要用到“LLM推理”的能力。

示例中，LLM可以推理用戶的情緒（sentiment）、識別情緒類型（如：happy, satisfied, grateful, impressed, content）、提取品牌和商品信息并按JSON格式輸出、一次執(zhí)行多個任務(wù)（提取用戶評論的商品并推理用戶的情緒） 、推斷主題、基于推斷的主題設(shè)計一個提醒程序等。

3.5 Transforming 轉(zhuǎn)換類應(yīng)用（翻譯、格式轉(zhuǎn)換、糾錯等）

將一種語言轉(zhuǎn)換為另一種語言這類應(yīng)用可以叫做轉(zhuǎn)換類應(yīng)用。

示例中，翻譯一段文字到另一種語言、識別一段文字是哪種語言、同時翻譯成兩種以上的語言、指定正式還是非正式的語氣、指定語言使用的場合比如商務(wù)場合的郵件、除了自然語言翻譯還可以是JSON 到 HTML 這樣程序語言的翻譯、要求 LLM 幫你糾正語法錯誤。

3.6 Expanding 擴展類應(yīng)用（拓寫）

LLM 擅長于將一個簡短的文字寫得更長，并補充一些修飾，融入一些特定的語言風(fēng)格。

示例中，LLM 表現(xiàn)為一個郵件回復(fù)助理的角色。讓 LLM 寫一段回復(fù)客戶的郵件、要求它使用客戶來信中的詳細信息（讓客戶感覺比較真實）、可以調(diào)整溫度值來讓回復(fù)不那么死板。

四、其他技巧

4.1 多個提示詞要求有沖突怎么辦？

• 使用順序：在提示詞中，將優(yōu)先級較高的要求放在前面。AI通常會盡量遵循順序，先滿足較高優(yōu)先級的要求。

• 明確指定優(yōu)先級：在提示詞中直接說明哪個要求具有更高的優(yōu)先級。例如：“請確?；卮鸷啙嵜髁耍▋?yōu)先級1），同時盡量詳細（優(yōu)先級2）”。

• 使用強烈詞匯：對于優(yōu)先級較高的要求，可以使用具有強制性的詞匯，如“必須”、“務(wù)必”等。而對于優(yōu)先級較低的要求，使用較柔和的詞匯，如“盡量”、“可以考慮”等。

• 逐步引導(dǎo)：如果擔(dān)心在一個提示詞中包含多個要求會導(dǎo)致沖突，可以考慮將問題分解為多個子問題，逐個引導(dǎo)AI。首先提出具有較高優(yōu)先級的要求，然后再根據(jù)AI的回答逐步引入其他要求。

更多全面和專業(yè)的提示詞教程，參見：
《ChatGPT Prompt Engineering for Developers》

提示詞建議來自： https://www.learnprompt.org/
對應(yīng)示例，來自 ChatGPT。文章來源地址http://www.zghlxwxcb.cn/news/detail-428894.html

到了這里，關(guān)于提問的藝術(shù)：如何通過提示詞讓 ChatGPT 更準確地理解你的問題？的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！