点击⬇️图标关注 抓住你的灵感💡瞬间
“ 好的提示词的核心是把你大脑中的想法彻底分析，并以一种清晰易懂的方式将其外化，让没有先前背景的人（或人工智能）能够理解。”
文章对圆桌讨论内容进行了结构化的梳理和总结，提炼了关键要点，并揭示了其中一些潜在的争议性观点。目标是通过本文学习，各位能够对提示词工程获得最新、最全面的理解，并提升构建高效提示词的能力。
省时间版（全文4012字，如果你时间紧张，可以先看10条结论。）：
1、提示词工程涉及清晰的沟通、迭代实验以及理解模型的能力和局限性。它是关于如何发挥模型的最大潜力来完成任务。
2、优秀的提示词工程师具备以下技能：清晰的沟通能力、迭代的意愿、预测边缘情况的能力，以及对任务的系统思考能力。
3、仔细阅读模型输出对于有效的提示词至关重要。许多人没有对实际的响应给予足够的重视。
4、像对待代码一样对待提示，在版本控制和实验跟踪方面，这样做可能会有所帮助。
5、随着模型的改进，给予模型更多上下文并信任它们处理复杂信息变得更加有效。
6、即使随着时间的推移，一些技术被训练到模型中，思维链提示仍然很有用。
7、提示词工程的未来：
模型可能会变得更擅长从用户那里获取信息，从而改变动态。 人类和人工智能之间在提示创建方面的协作可能会增加。 该技能可能会演变为更加专注于清晰地阐明目标，并将“你的大脑外化”给人工智能。
8、提示工程的类比：
像教学一样 - 需要同理心和理解学生（模型）的思维方式。 像与设计师合作一样 - 可能会从给出指令转变为协作解决问题。
9、哲学技能可能有助于理解提示词工程，尤其是在向“受过教育的门外汉”清晰地解释复杂概念方面。
10、好的提示词的核心是把你大脑中的想法彻底分析，并以一种清晰易懂的方式将其外化，让没有先前背景的人（或人工智能）能够理解。
01
—
提示词工程（prompt engineering）的定义
提示工程旨在精心设计有效的输入（提示），以引导语言模型生成预期的输出。它包含清晰的沟通、理解模型的“内在逻辑”，以及通过反复试验迭代优化提示，整个过程类似于工程设计。更确切地说，提示词工程如同构建一座桥梁，连接人类的意图和机器的理解，最终引导模型生成符合我们预期的结果。
02
—
优秀的提示词工程师通常具备以下关键素质：
清晰的沟通能力： 能够准确无误地表达任务和概念，像一位经验丰富的教师，能够将复杂的知识点清晰地传授给学生。
快速迭代和改进能力： 勇于尝试和实验，并善于分析模型输出，从而识别和解决误解或歧义，从错误中学习，如同一位经验丰富的科学家，不断改进实验方法，最终获得令人满意的结果。
边缘情况意识： 能够预见潜在的陷阱，并设计出能够优雅地处理异常或意外输入的提示，如同一位经验丰富的工程师，能够预见并解决系统中可能出现的各种问题。
同理心： 理解模型的视角和潜在的局限性， 能够“像模型一样思考”，制定出全面且无歧义的指令，把模棱两可的 “我以为...” 移除。
信号解读能力： 能够审查模型的响应情况，提取洞察，而非仅仅关注简单的成功/失败指标，像一位经验丰富的侦探，能够从细微的线索中发现真相。
03
—
强调了模型在应对各种任务时的表现差异，以及通过优化提示（prompts）来提升模型效果的重要性。
模型自我校正的潜力：明确要求模型识别提示中的歧义或解释其犯错的推理过程，往往能够带来意想不到的显著效果。实验表明，这种方法并不总是有效，但有时能帮助模型更好地理解和执行任务。
提示设计对模型性能的重大影响：高质量的提示词设计对模型的性能有显著影响。研究员发现多次实验中，通过微调提示，性能提升显著，甚至是实验成功与否的关键因素。对于某些任务，一组精心设计的提示能够比大量无序提示提供更高的信号强度。
模型在多模态任务中的局限性：当前模型在处理多模态任务（如视觉识别）时存在明显不足。如让模型识别Game Boy游戏Pokemon中的元素时，模型始终无法准确理解屏幕内容。这种不足反映出模型在超出其训练分布的任务中可靠性降低。
对模型信任的建立过程：建立对模型的信任需要反复测试和谨慎验证。尽管模型在一些简单任务中表现优异，但在复杂或非典型任务中表现不稳定，使用者需要多次验证才能决定是否信任模型输出。随着模型的改进，任务成功率提升，但使用者仍需对边缘情况保持警惕。
04
—
专家小组成员就不同提示风格的有效性进行了深入探讨和辩论：
诚实性： 坦诚地向模型阐明任务的背景和目的，而不是使用具有欺骗性的角色扮演或虚构场景。诚实性是建立信任的基础，也是构建高效提示词的关键。
隐喻： 利用隐喻来引导模型的思考方式，例如要求它像批改高中生作业一样评估图表。隐喻能够帮助模型更好地理解抽象的概念，并将其与已有的知识联系起来。
角色扮演： 指示模型扮演特定的角色，例如乐于助人的助手，但这种方法有时不如清晰直接的指令有效。角色扮演虽然可以为提示词增添趣味性，但有时反而会增加模型理解的难度。
05
—
专家小组成员深入探讨了语言模型中“推理”的本质，特别是在思维链提示的语境下：
真正的推理 vs. 计算空间：模型的推理步骤究竟是反映了真正的认知过程，还是仅仅充当了中间计算的步骤。这是一个值得深入探讨的哲学问题，它触及了人工智能的核心——机器能否真正思考。
结构化推理： 无论底层机制如何，提供所需推理模式的示例都可以显著提升模型的性能。结构化推理能够帮助模型建立清晰的推理框架，并减少犯错的概率。
异议观点： 尽管模型推理的哲学本质仍然存在争议，但像思维链这样的技术能够切实提高模型性能却是不争的事实，这表明其中必然存在着超越单纯计算的因素。
06
—
讨论重点突出了不同应用场景下提示工程方法的主要区别：
企业场景提示词： 优先考虑的是可靠性、一致性以及处理大规模部署中各种输入的能力。通常会涉及大量的测试和边缘情况分析，如同建造一座摩天大楼，需要考虑各种安全性和稳定性因素。
研究场景提示词： 侧重于探索模型的潜在能力，鼓励模型生成多样化和灵活的响应。通常会使用较少的示例和更具说明性的提示，如同探索一片未知的森林，需要保持开放的心态和探索精神。
一般聊天场景提示词： 允许更多的人工参与和迭代优化，单个提示的风险相对较低，如同与朋友聊天，可以随意发挥，不必过于拘谨。
07
提升提示词效果的技巧
专家小组成员分享了一些提升提示工程技能的实用技巧：
处理不完善的输入：提示词必须考虑现实世界、混乱的数据。提前考虑局限性，在不完善的数据集上测试提示词效果。
阅读提示词和模型输出： 分析成功的提示词案例，并仔细剖析模型的响应，以便理解有效的技巧和潜在的陷阱。如同学习优秀作文，可以从中汲取写作技巧和灵感。
实验和挑战极限： 尝试用看似超出模型能力的任务去挑战它，从而更深入地了解模型的局限性和潜力。策略：像对待代码一样对待提示：跟踪更改并记录结果。
寻求反馈： 与他人分享你的提示词，尤其是那些不熟悉该任务的人，以便识别提示中存在的歧义或误解。
享受过程： 享受提示工程的迭代优化过程，并对模型的行为模式保持好奇心。如同进行一项有趣的科学实验，在探索中不断学习和成长。
提示词工程并非一成不变，它随着模型能力的提升而不断发展演变，如同生物进化一般，不断适应新的环境和挑战。
从预训练模型到 Claude 3.5： 早期的预训练模型如同蹒跚学步的孩童，需要大量的示例和关键词来引导其理解人类的意图。那时的提示工程更像是一门“技巧”，需要巧妙地运用各种方法来“哄骗”模型生成期望的输出。
迈向清晰与高效： 如今，随着 Claude 3.5 等更强大模型的出现，模型的理解能力如同一位博学多才的学者，能够更好地理解用户的意图。因此，提示工程的重点逐渐转向如何清晰地表达目标和需求，以及如何与模型进行高效的互动，如同一位经验丰富的指挥家，引导乐团演奏出美妙的乐章。
未来展望： 未来，提示词工程可能会发生更加深刻的变革：
模型引导用户： 模型可能会主动引导用户，帮助用户更清晰地表达需求，如同一位耐心的导师，引导学生找到正确的学习方法。
自我反省式的提示： 提示词工程可能会演变成一种“自我反省”的过程，用户需要更深入地思考自己的目标，并将其清晰地传达给模型，如同一位哲学家，不断反思自身的存在和意义。
专家顾问式的模型： 模型可能会扮演类似“专家顾问”的角色，用户需要向模型提供足够的信息，以便模型能够理解任务背景并提供专业的建议，如同一位经验丰富的医生，根据病人的病情给出专业的诊断和治疗方案。
提示词工程工程的未来
随着模型的不断改进，提示词的编写可能会变得更加简单直观，但对指令的精准性仍然会有较高的要求。未来的提示工程将会呈现以下趋势：
模型辅助提示工程： 模型将被更广泛地应用于提示工程本身，例如生成示例、编写元提示词，以及帮助用户完善提示词，如同一位技艺精湛的工匠，利用各种工具来提升工作效率。
人机交互方式的改变： 提示工程可能不再局限于简单的文本输入，而是会发展成一种更具交互性的体验，例如通过对话或图形界面引导用户完成提示词的编写，如同一位充满创意的设计师，设计出更人性化、更易于使用的界面。
信息提取的重要性： 如何有效地从用户那里提取信息将变得更加重要，这可能需要结合心理学、设计学等领域的知识，如同一位善解人意的朋友，能够理解用户的需求，并提供恰当的帮助。
提示词工程的专业化： 随着模型能力的提升，提示工程可能会发展成为一个更加专业的领域，需要专门的知识和技能，如同其他任何一门专业学科，需要经过系统的学习和实践才能掌握。
提示工程的本质： 提示工程的本质是将人类的意图清晰地传达给模型，无论模型如何发展，这一核心需求都不会改变，如同人与人之间的沟通，清晰的表达是理解和合作的基础。
10
结语
这场圆桌讨论分享到此结束。专家Alex Albert还特别指出，我们需要摒弃过于简单的启发式方法，转而拥抱更细致、更具原则性的提示设计方法，尤其是在大模型持续快速迭代的背景下，这一点显得尤为重要。
参考：
https://www.youtube.com/watch?v=T9aRN5JkmL8&list=WL
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
ideogram生成
推荐一套自己购买过好用的AI提示词教程，当前已经更新完结了。订阅量5000+，下方二维码了解详情。
另外，小七姐还有个专门的飞书知识库《提示词图书馆》，后台回复“提示词图书馆”可获取。（手动操作的，看到会回复的，取关我回发不了你们信息哦。）
点击关注和转发公众号 保持你对AI优质内容的敏感
