用戶在使用大模型產(chǎn)品的過程中，需要通過輸入精準的prompt，來得到自己想要的答案。那么，在使用大模型的時候，我們要怎么寫prompt，才可以更高效地獲得想要的答案？這篇文章里，作者便做了梳理和總結，或許會對想了解大模型的同學有所啟發(fā)。

前言

一直有在持續(xù)研究大語言模型，給身邊的朋友推薦了很多國內(nèi)外的GPT產(chǎn)品，大多數(shù)朋友體驗完的感受就是“AI也就這樣吧～”，這可能也是Chat GPT在今年第二、三季度的日活開始下滑的原因之一。

目前的市面上大部分的大模型訓練數(shù)據(jù)量級少則都在百億級別，多則在萬億級別，GPT的回答質(zhì)量高低一方面取決于模型本身的數(shù)據(jù)和對自然語言的理解，另一方面取決于我們輸入的提示內(nèi)容（prompt）是否足夠精準和具體。

在今年五月份的一篇文章也有提到過如何使用GPT類產(chǎn)品，那么今天就從更專業(yè)的角度，再給大家詳細科普一下究竟如何寫prompt，可以更高效得到你想要的答案？

一、基礎概念

在開始寫 prompt之前，我們先了解關于prompt的這些基本概念：

1. Prompt定義

Prompt（提示）是一段文字、一句話或一個問題，它被用來引導人工智能模型生成文本或執(zhí)行特定的任務。它是用戶與模型之間進行交互的起點，用于明確用戶的需求和意圖。

2. prompt作用

Prompt的主要作用是引導模型進行文本生成或其他自然語言處理任務。

模型會根據(jù)提示理解用戶的要求，并生成相應的文本作為響應。

3. 示例

一個常見的示例是，如果你想要讓模型翻譯一段文字成另一種語言，你可以使用以下提示：“請將下面的英文文本翻譯成法語?！痹谶@個提示中，明確了任務（翻譯）和要翻譯的語言（英文到法語）。

4. 任務導向

Prompt可以是任務導向的，它明確要求模型執(zhí)行特定的任務，如翻譯、回答問題、生成文章等。任務導向的提示通常包含清晰的指令。

5. 開放性提示

除了任務導向的提示，還可以使用開放性提示，讓模型自由生成文本，例如：“請寫一篇關于夏季的文章?！边@種提示不會明確規(guī)定具體的任務，模型需要自行決定生成什么內(nèi)容。

6. 上下文（背景）

在多輪對話或復雜任務中，提示可以包含上下文信息，以確保模型理解問題的背景和條件。上下文可以幫助模型更好地生成相關的響應。

二、不同類型prompt示例

1. 任務導向型

生成一首詩歌，主題是秋天。翻譯以下西班牙文句子成英文：“El sol brilla en el cielo.”回答問題：“誰是莎士比亞？”創(chuàng)建一則新聞標題，涵蓋太空探索的最新進展。

2. 開放型

請寫一封感謝信，內(nèi)容自由。描述一個你最喜歡的旅行目的地。編寫一篇文章，討論氣候變化對環(huán)境的影響。請寫一個故事，以“一只迷路的小狗”為主題。

3. 上下文

在以下對話中，作為第三輪的回應，繼續(xù)對話：對話前兩輪：用戶：明天天氣怎么樣？模型：明天預計會有陣雨，最高溫度25°C。用戶：那我應該穿什么？你是一名餐廳服務員，一位客人對你的建議提出了投訴，請回應。

4. 提示設計

對比下面兩個提示，哪一個更適合獲取模型的長篇文章回應？提示1：請寫一篇關于太陽系的文章。提示2：請用詳細的文字描述太陽系中每個行星的特點和軌道。

5. 復雜任務型

你是一位虛擬助手，一位用戶要求你協(xié)助安排一次商務旅行，包括預訂機票、酒店和制定行程安排。請?zhí)峁┮粋€適當?shù)幕貞Ｄ闶且幻幊虒?，一位學生向你提問如何編寫一個簡單的網(wǎng)頁應用程序。請解釋并提供指導。

看了上面的5種類型的prompt示例，大家有沒有一點找到一些規(guī)律，分別對應在不同的使用場景中。比如你不知道自己的prompt哪個更優(yōu)或者不會寫prompt也可以讓GPT幫助你，使用提示設計。

復雜任務型是我們比較高頻使用到的prompt類型，它是由特定場景的角色設定+上下文+任務組成的。掌握這個prompt結構，可以讓prompt充當任何角色幫助你高質(zhì)量輸出內(nèi)容。

三、prompt設計

1. prompt設計原則

1）清晰和明確

提示應當表達清晰和明確的指令或任務，使模型明白你想要什么。避免模糊不清或含糊的表述，以免引導模型產(chǎn)生不準確的響應。不佳示例：請寫一篇文章。優(yōu)化示例：請寫一篇關于氣候變化對極地冰融化的影響的文章。

2）具體性

提示應盡可能具體，以減少模型的猜測和誤解。提供必要的上下文信息，以便模型理解問題的背景和條件。不佳示例：請翻譯這句話。優(yōu)化示例：請將以下英文句子翻譯成法語：“The sun is shining in the sky.”

2）任務導向

如果你希望模型執(zhí)行特定任務，明確提供任務導向的提示，包括明確的動作動詞或指令。不佳示例：關于自然界的一些信息。優(yōu)化示例：請列舉五種生活在雨林中的動植物。

3）不帶偏見

避免在提示中包含可能引導模型產(chǎn)生偏見或不公平內(nèi)容的語言。確保提示設計中的語言中性和尊重。

2. 編寫高質(zhì)量prompt

• 仔細考慮任務：在編寫提示時，首先明確任務和目標。問自己你想要模型做什么，以及你期望得到什么樣的響應。
• 使用明確的語言：使用清晰、直接和明確的語言。不要留下歧義或多義性，以確保模型理解你的意圖。
• 提供上下文：如果需要，提供必要的上下文信息，以幫助模型更好地理解問題。
• 避免過于復雜的提示：過于復雜或含糊不清的提示可能會導致模型產(chǎn)生混亂的響應。保持提示簡潔而具體。

提示設計1（簡潔而具體）：“將以下英文句子翻譯成法文：‘Hello, how are you?’”

提示設計2（過于復雜和模糊）：“請將這個句子從英文轉化為法文，并考慮其中的問候和詢問對方的情感，以及可能的回應?！?/p>

在這個例子中，提示設計1非常簡潔而具體。它明確了任務，即將給定的英文句子翻譯成法文。這樣的提示很清晰，模型可以直接理解任務并提供正確的翻譯。

相比之下，提示設計2過于復雜和模糊。它包含了許多不相關的信息，例如情感和可能的回應，這可能會讓模型感到困惑，并導致不準確的翻譯或混亂的響應。

3. 避免常見prompt設計錯誤

1）不要假設模型知道你的意圖：不要期望模型能夠猜測你的意圖。確保你的提示能夠明確傳達你的需求。

2）避免含糊不清的問題：避免使用模糊或開放性的問題，除非你明確希望獲得開放性的響應。任務導向的提示通常更有效。

3）謹慎使用負面指令：避免使用否定語言，因為它可能導致混淆或產(chǎn)生不期望的結果。

不清晰的提示：“不要忘記不按照這個方法做?！边@個提示使用了多個否定性詞匯（“不要”和“不按照”），這使得它的意思變得不明確。用戶可能會疑惑，到底是要按照這個方法做還是不要按照這個方法做，因為否定性詞匯相互抵消，導致混淆。

更清晰的提示：“請按照這個方法操作?！痹谶@個提示中，去掉了否定性詞匯，指令變得明確和清晰。用戶明白他們應該按照給定的方法進行操作，而不需要猜測是否需要做相反的事情。

4）考慮多個提示：如果你不滿意模型的響應，不要猶豫嘗試不同的提示。不同的提示可能會產(chǎn)生不同的效果。

四、如何優(yōu)化prompt

1. 優(yōu)化提示以獲得更好的結果

• 明確目標：在設計提示之前，明確你的任務目標是什么。確定你希望模型生成什么樣的文本或完成什么任務。
• 考慮上下文：如果是多輪對話或需要依賴先前信息的任務，確保提示包含足夠的上下文信息，以便模型理解問題的背景。
• 清晰明了：提示應該清晰、明了，具體說明你的需求或任務。避免使用模糊或多義性的語言。
• 任務導向性：如果需要模型執(zhí)行特定任務，使用任務導向性的提示，明確任務和行動動詞。
• 實驗和反饋：在設計提示后，進行實驗，觀察模型的響應，并收集用戶反饋。這有助于確定提示的有效性和效果。

2. 不斷迭代和實驗以改進提示的方法

1）嘗試不同的提示：不要害怕嘗試不同的提示，尤其是在初始嘗試沒有達到預期效果時。通過多次嘗試，你可以發(fā)現(xiàn)哪些提示對模型性能更有效。

2）收集反饋：收集用戶和領域專家的反饋。他們的反饋可以提供有關提示效果的有用信息，并指導下一步的改進。

3）使用探索性問題：提出一系列探索性問題，以測試模型在不同條件下的響應。這有助于了解提示的效果。

例子：假設你正在開發(fā)一個智能客服聊天機器人，其任務是回答關于產(chǎn)品的問題。你已經(jīng)設計了一些提示，用于引導模型回答用戶的問題?，F(xiàn)在，你希望測試這些提示的效果。

探索性問題：

• 問題類型1：“產(chǎn)品的尺寸是多少？”
• 問題類型2：“這個產(chǎn)品有哪些顏色可供選擇？”
• 問題類型3：“這個產(chǎn)品的價格是多少？”
• 問題類型4：“產(chǎn)品在哪里生產(chǎn)？”
• 問題類型5：“這個產(chǎn)品的評價如何？”

在這個示例中，你提出了一系列不同類型的問題，涵蓋了尺寸、顏色、價格、制造地點和評價等方面。這些問題代表了不同的查詢類型，有些可能需要模型回答一個具體的數(shù)值，而有些可能需要模型提供一些描述性信息。

通過觀察模型在回答這些不同類型問題時的表現(xiàn)，你可以了解哪些提示對不同任務更有效，哪些可能需要進一步改進或優(yōu)化。這種方法有助于你更全面地了解提示的效果，以便在實際應用中更好地滿足用戶的需求。

4）引入多樣性：嘗試在提示中引入一些多樣性，以測試模型的靈活性和適應能力。不要一成不變地使用相同類型的提示。

3. 根據(jù)模型的反饋進行調(diào)整

• 分析生成文本：仔細分析模型生成的文本，確定是否滿足了預期的標準。檢查文本的準確性、流暢性和相關性。
• 識別問題：如果模型的響應不符合預期，嘗試確定問題所在?？赡苁翘崾驹O計、上下文不足或任務定義的問題。
• 調(diào)整提示：根據(jù)分析的結果，對prompt進行調(diào)整?？梢愿鞔_地描述任務，提供更多上下文信息，或者改進提示的語言。
• 重新實驗：重新運行實驗，觀察模型的新響應。不斷調(diào)整和測試，直到獲得期望的結果。

通過不斷迭代、實驗和根據(jù)模型的反饋進行調(diào)整，你可以優(yōu)化提示，以獲得更好的模型性能和生成文本的質(zhì)量。這是一個持續(xù)改進的過程，可以幫助你充分利用自然語言處理模型的潛力。

五、prompt設計考慮倫理和法律

• 避免偏見和不公平性：提示設計應避免包含偏見或不公平內(nèi)容，不應歧視任何特定群體，不應促使模型生成歧視性或有害的文本。
• 不誤導用戶：提示不應具有誤導性。它們應當清晰明了，不應故意誤導用戶，而應當以用戶的最佳利益為優(yōu)先考慮。
• 維護隱私：在多輪對話中，不應泄露用戶的敏感信息或違反隱私。提示設計應保護用戶的個人信息，符合數(shù)據(jù)隱私法規(guī)。
• 確保安全性：提示不應鼓勵危險、非法或有害的行為。它們應當有助于維護網(wǎng)絡和個人安全。
• 法律遵從性：提示設計應符合適用的法律法規(guī)，包括數(shù)據(jù)隱私、版權和消費者權益法規(guī)。

六、一些大模型AI產(chǎn)品如何設計prompt

1. 文心一言

用戶和模型直接進行對話交互，文心一言在對話框提供了一些prompt示例和一言百寶箱，不難看出提供的prompt結構基本都遵循前面提到的角色、任務、上下文、要求（對任務的補充）。例如：

任務：為電影[消失的她]寫一則無劇透的影視評論任何?要求：為杭州亞運會賦詩一首，要求表達出對杭州亞運會的美好期待和祝福。

角色+任務+要求：請作為一名媒體編輯，寫一個[九九重陽節(jié)全民開啟登山活動]的新聞報道的標題，要求主題明確、結構合理、節(jié)奏鮮明、風格獨特。

上下文+任務：想象一下你置身于一個魔法世界，你的魔法能力是可以隨心所欲地創(chuàng)造出任何東西。現(xiàn)在，請寫一篇關于你如何使用這個魔法能力的故事。

2. 訊飛星火

同樣是用戶與模型直接進行對話交互，星火在個人用戶側的投入相對更多，不僅僅有文心一言的場景百寶箱，還有各類AI助手，并且還支持個人用戶上傳數(shù)據(jù)自定義AI助手，大大提升了大模型的可玩性及個性化程度。

訊飛的prompt基本都是這種復雜任務型的，角色設定（場景）+上下文+任務+要求。例如：

我希望你是一位手工達人，現(xiàn)在需要制作一個[手工紙杯女孩]主題的手工，需要用到[環(huán)保類材料，例如生活中常見的廢品]材料，請?zhí)峁┦止ぶ谱鞯慕坛獭?/p>

七、prompt學習

1. 在線教程和課程

prompt個人分享文章：https://hubeiqiao.notion.site/ChatGPT-c13f60d4adc14eb0ae73a58dca3a54af

油管的prompt視頻：https://www.youtube.com/watch?v=dOxUroR57xs

國外付費的ChatGPT課程–初級：https://www.edx.org/learn/artificial-intelligence/edx-introduction-to-chatgpt

2. 論文

prompt一些論文研究：https://learnprompting.org/docs/intro

3. 博客和網(wǎng)站

文心一言的官方課程：https://yiyan.baidu.com/learn

https://github.com/dair-ai/Prompt-Engineering-Guide

https://github.com/openai/openai-cookbook/

AI新聞社區(qū)：https://news.bensbites.co/

國內(nèi)大神個人博客：https://learningprompt.wiki/zh-Hans/docs/recommend/information-worth-reading

Azure 官方prompt教程：https://learn.microsoft.com/zh-cn/azure/ai-services/openai/concepts/prompt-engineering

推薦小白先看文心一言的官方課程https://yiyan.baidu.com/learn，一共8節(jié)，深入淺出的帶你玩轉AI大模型。其次是prompt一些論文研究，了解大模型的原理有助于你寫出更好的prompt。其他的感興趣可以多多了解。

八、總結

作為一個AIGC產(chǎn)品經(jīng)理，我認為他的核心價值有兩點：

1. 場景切入

精準的需求場景切入：產(chǎn)品經(jīng)理需要腦洞大開，找準用戶需求，結合AI滿足用戶在這一場景下的需求。

2. 低成本使用

低成本的讓普通用戶用起來：許多人都聽過chat GPT和Midjourney，但由于目前有一定的使用門檻，很少有人真正的使用過它們，會用的人更是少之又少，那么AIGC產(chǎn)品經(jīng)理的價值就體現(xiàn)在，如何巧妙設計prompt和交互，讓普通人不改變現(xiàn)有的提問習慣下就能更高效更精準的進行內(nèi)容創(chuàng)作。