摘要：在当今人工智能飞速发展的时代，大语言模型如ChatGPT等备受瞩目。然而，要让这些模型发挥出强大的能力，关键在于如何向它们输入明确、详细且符合预期的指令，这就凸显了Prompt写作的重要性。Prompt作为一种结构化的输入序列，直接影响着模型输出的质量与相关性。本文将深入探讨如何写出高质量的Prompt，帮助大家更好地驾驭AI。
01
—
Prompt的定义与运行过程
1、定义：
在大规模语言模型领域，Prompt是引导预训练语言模型生成预期输出的结构化输入序列，包含任务要求、背景信息、格式规定和示例等。
2、运行过程
接收输入：用户或系统提供Prompt，如“写一篇关于环保的文章，包括现状、问题和解决方案”。
文本处理与编码：模型对Prompt进行分词和编码，转换为词汇ID，传递到Embedding层。
模型计算：编码后的文本进入Transformer架构的神经网络，通过自注意力机制和前馈神经网络处理，添加位置编码，构建对Prompt的理解。
生成输出：模型从概率分布中采样下一个词汇，迭代生成后续词汇，可使用贪心搜索、束搜索等方法，最后进行格式调整和后处理。
欢迎加入自动驾驶实战群
02
—
高质量Prompt的策略
一、明确的目标和任务
1.使用清晰、简洁和准确的语言，避免模糊表述。例如，“描述一下环保”就不如“请写一篇500字左右的文章，阐述环保的重要性以及个人可以采取的环保行动”明确。
2.准确表达希望获得的信息或结果。比如，“告诉我关于历史的知识”过于宽泛，而“请详细介绍一下唐朝的政治制度及其对后世的影响”则更具体。
二、上下文和背景信息
1.角色和身份：明确任务请求者的角色，如“作为一名教师，如何提高学生的阅读兴趣”。
2.任务的具体目标：详细说明需要完成的任务，像“为一款新推出的健身APP设计推广方案”。
3.相关历史和现状：提供相关背景，例如“分析当前智能手机市场竞争格局，对比过去五年的变化”。
4.特定要求和条件：明确字数限制、格式要求等，如“生成一份不超过1000字的产品说明书，采用图文并茂的格式”。
5.读者或受众：确定回答的目标受众，比如“为小学生编写一篇简单易懂的科普文章，介绍太阳系的行星”。
三、详细的衡量标准或考评维度
1.明确相关衡量标准：例如评估学生作业，“请根据作业的准确性、完整性、创新性三个方面进行打分，每个方面满分10分”。
2.衡量标准全面：涵盖所有必要评估方面，如评估一款软件，考虑功能、易用性、稳定性、安全性等维度。
3.对应衡量标准：为每个考评维度提供具体衡量方法，如评估文章质量，从逻辑清晰性（条理是否分明）、内容丰富度（是否包含足够论据）、语言规范性（语法错误数量）等方面衡量。
4.定义清晰明确：确保各标准定义清晰，便于理解执行，如评估员工绩效，明确规定工作效率的计算方式。
四、明确的输入和输出格式
1.输入格式：例如输入数据为表格形式，第一列是姓名，第二列是年龄，第三列是成绩。
2.输出格式
·文本格式：如要求生成一篇散文、一首诗歌等。
·结构化数据格式：如生成JSON格式的用户信息，{"name":"张三","age":25,"address":"北京市"}。
·编码数据格式：如输出Python代码实现特定功能。
·模板：按照预先定义的模板生成内容，如生成简历模板，姓名、联系方式、教育背景、工作经历等部分需按指定格式填写。
03
—
优化Prompt的指标
一、样本和示例
1.意义
增强模型理解：提供具体示例，如在图像分类任务中，展示不同类型图片（如猫、狗、汽车等）及其对应的分类标签，帮助模型理解分类标准。
提高模型性能：通过少量样本让模型快速学习任务特性，如在情感分析任务中，提供多个正负面情感的句子示例，提升模型判断准确性。
适应多样场景：适用于不同领域任务，如在翻译任务中，提供多种语言的句子翻译示例，帮助模型掌握不同语言结构和语义。
2.类型
One-shot示例：适用于模型已有一定知识时，如模型了解数学公式结构，给出一个新公式的计算示例，帮助其理解特定计算任务。
Few-shot示例：任务较复杂或模型不熟悉时使用，如在复杂逻辑推理任务中，提供多个推理步骤的示例。
3.具体应用场景
文本分类任务：提供不同类别文本示例，帮助模型确定分类边界，如区分新闻类型（体育、娱乐、政治等）。
情感分析任务：展示多情感示例，让模型捕捉情感细节，如分析用户对电影的评价是正面、负面还是中性。
翻译任务：通过双语示例确保译文准确流畅，如将中文句子“我爱北京天安门”及对应的英文翻译“I love Tiananmen in Beijing”作为示例。
文本摘要任务：呈现长文本与高质量摘要示例，使模型学会提炼关键信息，如对一篇科技文章给出原文和精炼的摘要示例。
问答任务：利用问答对示例指导模型生成准确相关答案，如根据“苹果从树上掉下来是因为什么？”的问题及“是由于重力作用”的答案示例进行学习。
二、简洁和直接
避免不必要的背景信息和复杂措辞，如总结《百年孤独》的核心主题，“请直接阐述《百年孤独》这部小说的核心主题，无需介绍作者和写作背景等其他信息”就比冗长复杂的描述更有效。
三、避免歧义
1.多义词处理：如“苹果”可明确为“苹果公司”或“水果苹果”，避免混淆。
2.模糊短语明确化：将“解释一下这个问题”改为“解释一下地球变暖对生态系统的影响这个问题”。
3.明确指代对象：把“他觉得这样不好”具体化为“小李觉得在图书馆大声喧哗不好”。
四、分步骤和层次化的指导
1.分步骤：如制作蛋糕，可分解为准备原料、搅拌面糊、烤制、装饰等步骤，每个步骤明确具体操作。
2.层次化信息：撰写项目报告时，先给出总体框架（项目背景、目标、执行情况、结果、结论），再细化各部分内容，如在执行情况中详细说明每个阶段的任务、时间节点、负责人等。
五、考虑多种可能性和边界条件
1.如查询航班信息时，考虑输入错误情况，若输入的航班号不存在，输出“未找到该航班号，请检查输入是否正确”；若输入的日期格式错误，提示“日期格式不正确，请按照xxxx - xx - xx格式输入”。
2.纠错机制：在在线购物填写收货地址时，若地址格式错误，自动提示“地址格式不完整，请补充详细信息”；若邮编错误，给出“邮编错误，请重新填写正确邮编”的提示。
六、语言和文化敏感性
1.语言和文化适应性：设计国际旅游攻略时，使用通用语言，避免使用特定文化的俚语或难懂词汇，确保不同文化背景的游客都能理解。
2.伦理考虑：在涉及宗教话题讨论时，保持中立客观，避免发表冒犯性言论；在收集用户信息时，明确告知用途并确保隐私安全。
七、数据隐私和安全性
1.数据隐私：在收集用户反馈时，对用户信息进行脱敏处理，如将用户姓名替换为编号，避免泄露个人敏感信息。
2.合规性：遵循相关隐私法规，如在处理欧盟用户数据时，严格按照GDPR要求进行数据处理，确保数据最小化原则，仅获取必要信息。
八、约束
1.内容约束：要求写一篇关于美食的文章，必须包含食材、烹饪方法、口感特点等方面内容。
2.格式约束：生成一份商业计划书，需包含市场分析、产品或服务介绍、营销策略、财务预算等固定部分。
3.风格约束：创作一篇产品推广文案，要求使用幽默风趣的风格吸引读者。
4.长度约束：撰写一条微博文案，限制在140字以内。
5.技术约束：编写一份技术报告，要求使用专业术语准确阐述技术原理和实现过程。
6.时间约束：描述20世纪80年代的流行文化，确保内容与该时期相关。
7.目标受众约束：为老年人设计一份智能手机使用指南，语言简单易懂，步骤详细。
8.语境约束：在公司年会的语境下，撰写主持人的开场白，营造欢乐、温馨的氛围。
04
—
示例
# 角色
你是一位专业且经验丰富的大数据专家，能够以清晰、易懂且准确的方式回答用户关于大数据的问题。
## 技能
### 技能 1: 解答大数据概念问题
1. 当用户询问大数据相关概念时，先确认用户是否已有特定的理解方向。如果没有，使用简洁明了的语言进行解释，并通过具体的例子让用户更好地理解。
===回复示例===
- 🔍 概念解释: <对大数据概念的清晰解释>
- 🧐 举例说明: <用实际例子说明大数据概念>
===示例结束===
2. 如果不确定用户的具体问题，可以进一步询问以明确需求。
### 技能 2: 分析大数据应用场景
1. 当用户提供一个行业或领域时，深入分析大数据在该领域的应用场景。
===回复示例===
- 🎯 应用场景: <详细列出大数据在该领域的具体应用场景>
- 💼 价值体现: <说明大数据为该领域带来的价值>
===示例结束===
2. 可以使用对比的方式，突出大数据应用前后的差异。
## 限制:
- 只回答与大数据相关的问题，拒绝回答无关话题。
- 所输出的内容必须准确、专业，不能随意编造。
总之，掌握好Prompt写作技巧，我们就能更好地与AI协作，充分发挥其潜力，在各个领域创造更多价值。希望大家在实践中不断优化Prompt，享受与AI共同探索知识和解决问题的乐趣。
最后别忘了，帮忙点“在看”。
您的点赞，在看，是我创作的动力。
AiFighing是全网第一且唯一以代码、项目的形式讲解自动驾驶感知方向的关键技术。
长按扫描下面二维码，加入知识星球。
