介绍
“人工智能（AI）”一词于 1956 年问世，如今已为大家所熟知。然而，在 ChatGPT 迅速流行之前，AI 的使用和讨论大多局限于科学研究或虚构电影。如今，AI 尤其是生成式 AI 已成为大家热议的话题。初学者生成式人工智能科普系列内容面向希望踏上人工智能之旅的任何人。目前，无论您的角色和工作内容如何，无论您是技术人员还是产品专家，或者担任其他任何角色，学习了解生成式人工智能的基础知识绝对是一个明智之举。在本系列文章中，我们将一步步分享生成式人工智能的基础知识。为了便于理解，将整个系列分为8篇内容（阅读时间8分钟）：第 1 篇--人工智能简介（点击查看）
第 2 篇--理解机器学习（点击查看）
第 3 篇--深度学习基础（点击查看）
第 4 篇--生成式人工智能简介（点击查看）
第 5 篇--什么是大型语言模型 (LLM)？（点击查看）
第 6 篇--与人工智能沟通的艺术[当前内容]
第 7 篇--生成式人工智能中的伦理考量
![]()
下面是本系列第 6 篇内容——探讨与人工智能沟通的艺术
1-人工智能（AI）
- 通过一个简单的类比和例子，我们了解了什么是机器学习。
- 我们对监督学习、无监督学习和强化学习有了清晰的认识。
我们了解了深度学习是如何从人类大脑中受到启发的。
我们了解了人工神经网络的工作原理。
现在，继续我们的学习旅程，并尝试了解如何使用 Prompt Engineering 与 AI 系统进行清晰有效的沟通！你看过电影《我，机器人》吗？如果看过，你马上就会明白下面的图片。对于那些还没有看过这部电影的人，让我简单介绍一下。
电影中，侦探斯普纳（威尔·史密斯饰演）正在调查他的朋友（也是科学家）兰宁博士的死因。兰宁博士死前用人工智能创建了自己的全息图像，这将有助于斯普纳找到答案。然而，有时当斯普纳提出问题时，全息图像会说：“对不起！我的回答有限。你必须问正确的问题。”![]()
这个场景和我们的讨论有什么关系？
您是否曾与 ChatGPT 等 AI 工具进行过交互，但没有得到想要的答案？或者您是否曾觉得 ChatGPT 提供的答案不够好？如果你没有从 AI 系统（例如 ChatGPT）获得适当/预期的响应，你的第一反应就是 — AI 系统不够好！然而，真正的问题可能是您不知道如何提出正确的问题或如何给出正确的命令。在与 ChatGPT 交互时，我们需要知道如何向它提出正确的问题并给出精确的指示——这正是 Prompt Engineering！在当今世界，我们随处可见基于人工智能的系统，快速工程已经成为一种改变游戏规则的技术，并且是释放人工智能全部潜力的必需技术。提示是用户向人工智能系统提供的输入或问题，以获得特定的响应。例如，如果您希望 ChatGPT 为孩子们写一个关于动物的故事，您可以使用提示“给我讲一个包含动物角色的故事。这个故事是针对儿童的。”，如下所示。人工智能系统（本例中为 ChatGPT）使用提示来生成响应（本例中为文本响应，即儿童讲述的动物故事）。根据人工智能系统的类型，响应可以是文本、图像、视频或其他内容。用简单的英语（或任何其他人类语言）写的句子，
或代码片段
或命令
生成式人工智能程序使用提示来了解您希望它创建什么样的内容，然后基于该起点生成新内容。再举一个例子。下图显示了 DALL-E 用来生成图像的提示—— “一位宇航员以照片写实风格骑着一匹马。”你的提示越具体、越详细，人工智能就越能理解你想要创建的内容。提示工程并不询问一般性问题，而是提供具体的指令或背景以获得更好的结果。例如，您可以使用提示工程来获得更有针对性的结果，而不是向 ChatGPT 询问“告诉我关于狗的事”这样的一般性问题。例如，您可以问“以智力闻名的五种狗品种是什么？”通过这样做，您正在引导 ChatGPT 为您提供一份聪明的狗品种列表。总结一下：
让我们深入了解一下快速工程如何帮助我们获得更好的结果。为了便于理解，以 ChatGPT 为例。即时工程中的明确性意味着您向 AI 提供的指令要清晰详细。您不要问一个宽泛的问题，而是要给出您希望 AI 做什么或谈论什么的具体细节。具体提示：“你能描述一下电动汽车与传统汽油车相比的特点吗？”具体化可以帮助人工智能准确理解您的要求，从而为您提供更好的答案。即时工程中的情境化意味着向 AI 模型提供有关其被要求执行的情况或任务的清晰细节和信息。这类似于为 AI 提供背景故事或设置场景。这有助于 AI 系统了解它应该做什么以及应该为谁做这件事。例如，如果你想让人工智能写一篇关于生日派对的故事，你可以提供背景信息，比如过生日的人是谁、派对在哪里举行、派对类型是什么（例如惊喜派对或主题派对）。这有助于人工智能创作出符合你提供背景的故事。情境提示：“撰写一份关于该产品的评论，重点关注其在户外活动中的表现。”情境化提示可确保生成的评论针对特定用例和受众进行定制，从而提高其相关性和实用性。提示工程中的微调是指根据人工智能系统的输出，对提示进行反复调整和细化。这是一个持续的过程，目的是优化提示并引导人工智能系统产生期望的结果。微调是一个反复试验的过程。我们会不断调整您的提示，直到您得到想要的响应。想象一下，你要求 ChatGPT 写一篇关于狗的短篇故事。收到回复后，您可能会发现回复太笼统或不完全符合您的要求。这时，微调就派上用场了。您可以调整提示，为 ChatGPT 提供更多指导。微调提示：“写一个令人感动的故事，讲述一只名叫马克斯的金毛猎犬帮助一个小女孩克服对游泳的恐惧。”微调是一个反复的过程。如果人工智能系统的响应仍然不太正确，你可以继续调整提示，直到得到想要的结果。一些好的和坏的提示示例
当然，这里有一些你可以使用 ChatGPT 尝试的好提示和坏提示的示例。好的提示（更具体）：“写一个关于侦探破获神秘谋杀案的短篇故事。”说明：第二个提示提供了明确的指示并为所需的输出设置了上下文，引导 ChatGPT 生成以指定主题和人物为中心的故事。好的提示（提供详细信息）：“解释植物的光合作用过程，包括叶绿素和阳光的作用。”说明：第二个提示指定了主题并包含关键细节，帮助 ChatGPT 了解所需的具体信息并产生连贯且信息丰富的响应。好的提示：“建议在阳光明媚的日子进行一些有趣的户外活动。”说明：第一个提示太笼统和开放。而第二个提示提供了具体的观点和背景。如何撰写有效的提示？
明确而具体
确保您的提示清楚地传达了您希望 AI 系统解决的任务或问题。避免使用可能让 AI 感到困惑的模棱两可或过于复杂的语言。为 AI 系统提供足够的背景信息，以便其了解其正在解决的问题或主题。这有助于 AI 系统生成更相关、更有用的响应。如果适用，请提供示例来说明您的要求。示例可以帮助 AI 系统理解所需的输出并提供更准确的响应。不要提出模糊的提示，而是提出具体的问题来引导人工智能系统实现预期的结果。如果对回答有任何限制或要求（例如字数限制、特定格式），请务必将其包含在提示中。这有助于 AI 系统生成符合您标准的回答。测试和迭代
尝试不同的提示并观察 AI 系统如何响应。根据结果调整提示，以提高其有效性。虽然在某些情况下，创造力是有益的，但提示的清晰度和有效性是首要考虑因素。清晰直接的提示更有可能产生预期的结果。看到这里，相信您已经对提示工程以及如何编写好的提示有一个清晰的认识。下期内容--AI初学者必看：第 7 部分 - 生成式人工智能的伦理考量
![]()
