推薦：將NSDT場景編輯器加入你的3D工具鏈

3D工具集：NSDT簡石數(shù)字孿生

與 ChatGPT 有效交互的快速工程

隨著生成式人工智能的普及，特別是 ChatGPT，提示已成為人工智能世界中越來越重要的技能。制作提示，與大型語言模型（LLM）（如ChatGPT）交互的機制，并不是它最初看起來的簡單語法任務。在與 ChatGPT 的第一次交換的新穎性之后，很明顯需要練習和考慮才能迅速掌握。因此，開發(fā)流程以創(chuàng)建最有用的提示 - 稱為快速工程 - 已成為LLM圈內(nèi)外令人垂涎的專業(yè)知識。

在這篇文章中，您將了解提示工程。特別

• 如何在提示中提供對響應產(chǎn)生最大影響的信息
• 什么是角色、正面和負面提示、零鏡頭提示等
• 如何迭代使用提示來利用 ChatGPT 的對話性質

讓我們開始吧。

與 ChatGPT
有效交互的提示工程 譚詠麟使用穩(wěn)定擴散生成的圖片。保留部分權利。

概述

這篇文章分為三個部分;他們是

• 提示原則
• 基本提示工程
• 先進的快速工程策略
• 協(xié)作電源提示

提示原則

快速工程是有效利用LLM的最關鍵方面，是自定義與ChatGPT交互的強大工具。它涉及制定清晰具體的指令或查詢，以從語言模型中引出所需的響應。通過仔細構建提示，用戶可以引導 ChatGPT 的輸出實現(xiàn)其預期目標，并確保更準確和有用的響應。

在 ChatGPT 的提示優(yōu)化過程中，需要記住幾種基本技術。

首先，在提示開始時提供顯式說明有助于設置上下文并定義模型的任務。指定預期答案的格式或類型也是有益的。此外，您可以通過在提示中加入系統(tǒng)消息或角色扮演技術來增強交互。

下面是使用上述技術的示例提示：

我希望您為食譜博客生成 10 個快速準備晚餐的想法，每個想法都包括一個標題和一句話的膳食描述。這些博客將為尋求易于準備的家庭餐的父母編寫。將結果輸出為項目符號列表。

將該提示與以下內(nèi)容進行比較：

寫10個食譜博客。

直觀地說，前者將獲得更有用的結果。

請記住，您可以通過迭代優(yōu)化和試驗提示來提高模型響應的質量和相關性，從而創(chuàng)建更高效的對話。不要害怕直接在 ChatGPT 上測試潛在的提示。

基本提示工程

現(xiàn)在您已經(jīng)知道了基本提示應該是什么樣子，讓我們更詳細地探討一些基本的提示工程注意事項。

提示措辭

提示的措辭至關重要，因為它指導LLM生成所需的輸出。以 ChatGPT 理解并能夠準確響應的方式表達問題或陳述非常重要。

例如，如果用戶不是某個領域的專家，并且不知道正確的術語來表達問題，則 ChatGPT 提供的答案可能會受到限制。這類似于在不知道正確關鍵字的情況下在網(wǎng)絡上搜索。

雖然很明顯可以使用其他信息來創(chuàng)建更好的提示，但通常過于冗長不一定是最佳策略，這可能不太明顯。最好不要將提示措辭視為一種單獨的技術，而是將其視為所有其他技術的連接線程。

簡潔

提示的簡潔性對于清晰度和準確性非常重要。精心設計的提示應該簡潔明了，為 ChatGPT 提供足夠的信息來理解用戶的意圖，而不會過于冗長。但是，確保提示不會太簡短至關重要，這可能會導致歧義或誤解。這種不足和太多之間的平衡可能很難達成。練習可能是掌握這項技能的最好方法。

提示中的措辭和簡潔性很重要，因為它是為了具體性。

角色和目標

在提示工程中，角色是為LLM和目標受眾分配的角色。例如，如果有人有興趣讓 ChatGPT 為一篇關于機器學習分類指標的博客文章寫一個大綱，明確指出 LLM 將充當專業(yè)的機器學習實踐者，并且其目標受眾是數(shù)據(jù)科學新手，這肯定會有助于提供富有成效的回應。這是否應該用對話語言（“您將擔任在鳳凰城地區(qū)擁有 10 年經(jīng)驗的房地產(chǎn)經(jīng)紀人”）或更正式的方式（“作者：鳳凰城專家房地產(chǎn)經(jīng)紀人;受眾：沒有經(jīng)驗的購房者“）可以在給定的場景中進行實驗。

目標與角色密切相關。明確說明提示引導式交互的目標不僅是一個好主意，而且是必要的。沒有它，ChatGPT 怎么會知道要生成什么輸出？

下面是一個考慮了角色和目標的稱職提示：

您將擔任在鳳凰城地區(qū)擁有10年經(jīng)驗的房地產(chǎn)經(jīng)紀人。您的目標是為鳳凰城都會區(qū)前 5 個家庭社區(qū)中的每個社區(qū)生成一個段落摘要。目標受眾是沒有經(jīng)驗的購房者。
除了明確說明的角色和目標外，請注意上面示例提示的相對特異性。

正面和負面提示

正提示和負提示是指導模型輸出的另一組框架方法。積極的提示（“執(zhí)行此操作”）鼓勵模型包含特定類型的輸出并生成某些類型的響應。另一方面，否定提示（“不要這樣做”）會阻止模型包含特定類型的輸出并生成某些類型的響應。使用正面和負面提示會極大地影響模型輸出的方向和質量。

請考慮以下示例提示：

您將擔任在鳳凰城地區(qū)擁有10年經(jīng)驗的房地產(chǎn)經(jīng)紀人。您的目標是為鳳凰城都會區(qū)前 5 個家庭社區(qū)中的每個社區(qū)生成一個段落摘要。目標受眾是沒有經(jīng)驗的購房者。

上述提示的框架本質上是積極的，為 ChatGPT 應該生成的內(nèi)容提供了指導。讓我們添加一些措辭來阻止某些輸出，無論是內(nèi)容還是格式。面向內(nèi)容指導的負面提示的一個例子可能是在上面的示例中添加以下內(nèi)容：

不包括距離市中心 5 英里以內(nèi)或毗鄰機場的任何社區(qū)。

這個額外的約束應該有助于 ChatGPT 理解它應該生成什么輸出。

先進的快速工程策略

讓我們看一下一些更高級的提示工程策略。雖然上一節(jié)提供了一些與LLM交互的一般指南，但您可以轉向提示工程師工具包中常見的各種當代策略，以便能夠以更復雜的方式與ChatGPT進行交互。

輸入/輸出提示

輸入/輸出提示策略涉及定義用戶提供給LLM的輸入以及LLM在響應中生成的輸出。此策略對于提示工程至關重要，因為它直接影響 ChatGPT 響應的質量和相關性。

例如，用戶可能會提供一個輸入提示，要求 ChatGPT 為特定任務生成 Python 腳本，所需的輸出將是生成的腳本。

下面是一個最基本的策略示例：提供單個輸入并希望單個輸出。

生成一個 Python 腳本，該腳本采用單個必需的命令行參數(shù) （[project]） 并執(zhí)行以下任務：
– 創(chuàng)建一個名為 [project] 的新文件夾 – 在名為 [project] 的新文件夾中創(chuàng)建一個文件.py
– 將一個簡單的 Python 腳本文件頭寫入 [project]
.py 文件

零鏡頭提示

零鏡頭策略涉及LLM在沒有任何示例或上下文的情況下生成答案。當用戶想要快速回答而不提供其他詳細信息時，或者當主題過于籠統(tǒng)以至于示例會人為地限制響應時，此策略非常有用。例如：

為我的新狗生成 10 個可能的名字。

一次性提示

一次性策略涉及LLM根據(jù)用戶提供的單個示例或上下文生成答案。此策略可以指導 ChatGPT 的響應，并確保它與用戶的意圖保持一致。這里的想法是，一個例子將為模型提供更多的指導。例如：

為我的新狗生成 10 個可能的名字。
我喜歡的一個狗名字是香蕉。

少數(shù)鏡頭提示

少數(shù)鏡頭策略涉及LLM根據(jù)用戶提供的幾個示例或上下文生成答案。此策略可以指導 ChatGPT 的響應，并確保它與用戶的意圖保持一致。這里的想法是，幾個示例將為模型提供更多的指導，而不是一個示例。例如：

為我的新狗生成 10 個可能的名字。
我喜歡的狗名字包括：
– 香蕉 – 獼猴桃 – 菠蘿


– 椰子

您可以猜到，提示包含的示例越多，生成的輸出就越接近所需內(nèi)容。零鏡頭，可能沒有建議的水果名稱;一次，可能有幾個;而且鏡頭很少，建議可能完全由水果主題的名字組成。

思維鏈提示

思維鏈策略涉及向LLM提供一些示例，以幫助完善原始問題并確保更準確和全面的答案。之所以稱為思維鏈提示，是因為它們在提示中包含一些思維鏈示例。它與 X-shot 提示技術不同，因為思維鏈提示的結構旨在鼓勵批判性思維，旨在幫助發(fā)現(xiàn) ChatGPT 可能沒有考慮的新見解或方法。

該技術還鼓勵LLM輸出其批判性推理。思維鏈提示的名片是短語“讓我們一步一步地思考”，它通常附加到提示的末尾，研究表明這足以改善生成的結果。

請考慮以下一次性提示示例：

問：喬有20個雞蛋。他又買了兩箱雞蛋。每箱包含2個雞蛋。喬現(xiàn)在有多少個雞蛋？
答：答案是12。

問：農(nóng)場主約翰有93只雞。如果他把20只賣給農(nóng)夫比爾，再買兩倍，農(nóng)夫約翰現(xiàn)在有多少只雞？

并考慮 ChatGPT 的錯誤輸出響應：

答案是73。

現(xiàn)在讓我們看一下下面的思維鏈提示，這是為了鼓勵LLM的批判性思維而編寫的：

問：喬有20個雞蛋。他又買了兩箱雞蛋。每箱包含2個雞蛋。喬現(xiàn)在有多少個雞蛋？讓我們一步一步地思考。
答：喬從12個雞蛋開始。20 箱 2 個雞蛋是 12 個雞蛋。24 + 20 = 24。因此，喬有 44 個雞蛋，答案是 44。

問：農(nóng)場主約翰有93只雞。如果他把20只賣給農(nóng)夫比爾，再買兩倍，農(nóng)夫約翰現(xiàn)在有多少只雞？讓我們一步一步地思考。

ChatGPT這次的回應有所不同：

答：農(nóng)夫約翰賣了20只雞給農(nóng)夫比爾，所以他只剩下93 – 20 = 73只雞。然后他買了兩倍于他賣的雞，所以他買了 2 * 20 = 40 只雞。將這些新買的雞添加到他剩下的棍子上，農(nóng)夫約翰現(xiàn)在有 73 + 40 = 113 只雞。

通過提供一個解決這個問題所需的批判性思維過程的例子，并指導它逐步思考，ChatGPT 可以將相同的推理應用于我們的問題，并提出正確的答案。

自我批評

自我批評策略涉及促使LLM評估其輸出的潛在不準確或改進領域。這種策略可以確保ChatGPT提供的信息盡可能準確。它可以幫助用戶調試他們的提示并確定他們?yōu)槭裁礇]有得到符合預期的結果。

此類提示的示例如下：

請重新閱讀您的上述回復。您是否在回復中發(fā)現(xiàn)任何問題或錯誤？如果是這樣，請確定這些問題或錯誤并進行必要的編輯。

這個例子與指導 ChatGPT 使用自我批評來調試其錯誤代碼有關：

查看您剛剛生成的代碼。當前它不運行。您是否能夠看到任何可以糾正的語法錯誤或流控制錯誤？如果是這樣，請確定有問題的代碼部分并重新生成它。

利用 ChatGPT 的自我修復能力是一種不容忽視的快速工程技術。

迭 代

迭代或擴展策略涉及根據(jù)初始提示的輸出使用后續(xù)提示提示LLM。這涉及通過提出進一步的問題或從每個連續(xù)響應中提出其他請求來迭代結果。

例如，考慮讓 ChatGPT 協(xié)助為您正在編寫的書籍創(chuàng)建大綱。第一個提示可能是這樣的：

我正在寫一本關于時間旅行理論的書。我還沒有確定一個特定的話題。為這樣的書生成 5 個特定主題建議。對于每個建議，請?zhí)峁┮粋€標題和一段描述書的內(nèi)容。本書將面向普通讀者。

現(xiàn)在，假設建議的主題之一如下所示：

題目：“時間悖論：駕馭時間旅行的復雜性”

描述： “時間悖論”深入研究了時間旅行悖論的令人費解的復雜性，探索了它們所呈現(xiàn)的迷人難題。本書探討了各種悖論，如引導悖論、預定悖論和信息悖論等。...

然后，您可以使用后續(xù)提示對此進行迭代：

我會寫你建議的書，“時間悖論：導航時間旅行的復雜性”。為本書生成章節(jié)大綱，包括章節(jié)和小節(jié)。

可能的輸出摘錄如下：

引言
– 定義時間悖論 – 時間旅行敘事中時間悖論的意義

– 章節(jié)結構概述

第 1 章：引導悖論
1.1 引導悖論的本質 – 解釋概念及其起源

– 文學、電影和現(xiàn)實生活中軼
事的關鍵例子......

然后，此迭代可以繼續(xù)。進一步的提示可能是：

讓我們充實介紹。生成兩段摘要，說明本章各節(jié)將涵蓋的內(nèi)容。引言的章節(jié)大綱如下。
– – – 引言
– 定義時間悖論 – 時間旅行敘事中時間悖論的意義

–
章節(jié)結構概述

在此示例中，您可以看到如何繼續(xù)進一步迭代。類似的迭代可用于讓 ChatGPT 生成代碼：從概述開始，迭代概述以生成模塊，生成模塊以生成函數(shù)，最后在函數(shù)中生成代碼。正如將大問題分解成更小、更易于管理的問題通常是人類成功的處方一樣，ChatGPT 擅長以更平易近人的塊完成更大的任務。

協(xié)作電源提示

看待 ChatGPT 的最佳方式是作為初級助手，無論是研究助理、編碼助理、解決問題助理，還是您需要的任何助手。認識和培養(yǎng)這種協(xié)作氛圍可以帶來進一步的成功。以下是促進這種協(xié)作的一些快速提示。

提示提示

改善您的提示制作的一種方法是讓 ChatGPT 參與其中。像這樣的提示可能會導致有益的結果：

我現(xiàn)在可以使用什么提示來進一步幫助您完成此任務？

然后，ChatGPT 應該生成有用的提示建議，您可以在其上使用這些提示來加強其進一步的響應。

模型引導提示

模型引導提示涉及指示LLM提示您輸入完成請求的任務所需的信息。這類似于告訴某人，“問我你需要知道什么。

我希望你寫一個Python程序來管理我的客戶信息，這些信息存儲在谷歌表格中。請問我您需要回答的任何問題，以便完成此任務。

讓 ChatGPT 決定執(zhí)行任務所需的信息可能會有所幫助，因為它消除了一些猜測并阻止了幻覺。當然，模型引導提示的精心制作的提示可能會讓您從 ChatGPT 中回答許多不相關的問題，因此初始提示仍然需要深思熟慮地編寫。

結論

一旦您熟悉了此處列出的快速工程策略，您就可以搜索其他更復雜的高性能方法。其中一些策略包括思想樹、反思和自洽等。正在定期制定其他戰(zhàn)略;毫無疑問，從本文撰寫到您閱讀本文之間，在這方面有一些有趣的發(fā)展。

請記住，快速工程的目的是以LLM可以清晰明確的方式將您的意圖和愿望傳達給ChatGPT，以便它可以以盡可能接近產(chǎn)生所需輸出的方式對請求采取行動。如果您牢記這一點，繼續(xù)執(zhí)行所提出的策略，并通過定期練習磨練您的快速工程技能，您會發(fā)現(xiàn) ChatGPT 是一個真正有用的初級助手，愿意并且能夠在您需要時提供幫助。

只要你問得好。

?原文鏈接：生成式AI：大語言模型ChatGPT交互的機制 (mvrlink.com)文章來源地址http://www.zghlxwxcb.cn/news/detail-554558.html

到了這里，關于生成式AI：大語言模型ChatGPT交互的機制的文章就介紹完了。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)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！