如何充分利用大語(yǔ)言模型的潛力，特別是在預(yù)算有限的情況下，成為一個(gè)值得探討的話題。本文將深入介紹提示詞技巧的重要性和實(shí)用方法，最大化AI的價(jià)值。

如果你不想花一分錢，讓AI給你寫高質(zhì)量文章，那么下面的內(nèi)容一定會(huì)讓你興奮起來(lái)。

你是不是遇到過(guò)這樣的情況？

請(qǐng)你告訴我怎么能賺到錢！

AI的回答：

1.就業(yè)：找到一份工作，通過(guò)你的技能和勞動(dòng)來(lái)獲得收入。

2.教育提升：提高你的教育水平或?qū)I(yè)技能，以獲得更高的職位和收入。

3.創(chuàng)業(yè)：創(chuàng)立自己的公司或業(yè)務(wù)，提供產(chǎn)品或服務(wù)來(lái)賺錢。

等等這些答案！

是不是看起來(lái)回答了！

但是實(shí)際上，這些答案對(duì)你來(lái)說(shuō)一點(diǎn)用處都沒(méi)有！

其實(shí)原因并不是AI無(wú)用！而是你沒(méi)有掌握正確向AI提問(wèn)的方法！

想象一下，你正在給一個(gè)同事指派一個(gè)工作任務(wù)，如果只給了他一句話來(lái)描述這個(gè)需求，他的任務(wù)完成效果可能很難達(dá)到你的預(yù)期。

但如果你提供了明確的目標(biāo)、建議的思考方向和執(zhí)行策略等等，更多參考信息，他更有可能以高標(biāo)準(zhǔn)完成任務(wù)。

使用大語(yǔ)言模型也一樣，你的提問(wèn)方式?jīng)Q定了大語(yǔ)言模型的回答質(zhì)量。

不過(guò)現(xiàn)在你不用擔(dān)心了，因?yàn)楸酒谧髌罚b會(huì)帶著大家學(xué)習(xí)優(yōu)質(zhì)提示詞技巧的知識(shí)，這些知識(shí)的掌握，能夠讓你的AI給你更加高質(zhì)量的答案。

歡迎回到弼小俠AI，一個(gè)專注于AI商業(yè)化應(yīng)用研究的AI知識(shí)博主，如果你對(duì)我的作品感興趣，記得點(diǎn)贊加關(guān)注，感謝您的支持。

本期視頻作為【AI入門科普課】第三期作品，學(xué)習(xí)之后你將收獲：

1.了解什么是提示詞和提示詞工程！

2.獲得更高質(zhì)量的提示詞的方法和實(shí)用技巧！

視頻全篇干貨！伙伴們記得提前收藏加關(guān)注，避免后續(xù)找不到！

一、什么是提示詞和提示詞工程

提示詞，英文名叫Prompt。

是用戶發(fā)送給大語(yǔ)言模型的問(wèn)題、指令或請(qǐng)求，用來(lái)明確地告訴模型用戶想要解決的問(wèn)題或完成的任務(wù)，是大語(yǔ)言模型理解用戶需求并據(jù)此生成相關(guān)、準(zhǔn)確回答或內(nèi)容的基礎(chǔ)。

對(duì)于大語(yǔ)言模型來(lái)說(shuō)，提示詞就是用戶輸入給大語(yǔ)言模型的文本信息。

通俗點(diǎn)就是你向AI輸入的內(nèi)容，可以是問(wèn)題，也可以是要求。

下面先看一個(gè)簡(jiǎn)單的例子：

假設(shè)你問(wèn)AI：

評(píng)價(jià)一下最近剛上映的電影！

這個(gè)提問(wèn)就是提示詞。

AI接收到你的問(wèn)題后回復(fù)：

我無(wú)法完成這項(xiàng)任務(wù)，因?yàn)槲夷壳盁o(wú)法訪問(wèn)實(shí)時(shí)數(shù)據(jù)或外部信息，包括最近上映的電影評(píng)價(jià)。如果您能提供具體的電影名稱，我可以嘗試根據(jù)我最后更新時(shí)的知識(shí)庫(kù)提供一般性的電影分析或討論電影評(píng)價(jià)的角度。

可以看出，AI的回復(fù)并不是你需要的答案！

出現(xiàn)這種問(wèn)題原因是什么？

上面這個(gè)例子中，導(dǎo)致大語(yǔ)言模型無(wú)法順利完成任務(wù)的原因是我們沒(méi)有能夠讓AI理解到底要評(píng)價(jià)哪部電影。

盡管大語(yǔ)言模型經(jīng)過(guò)了海量數(shù)據(jù)的預(yù)訓(xùn)練，并獲得了理解和生成文本的能力。但不同于人類交流時(shí)，能夠通過(guò)語(yǔ)氣、非語(yǔ)言線索和背景知識(shí)來(lái)理解對(duì)方的意圖。

大語(yǔ)言模型僅能夠根據(jù)輸入的文本提示進(jìn)行操作，如果文本的信息不足以讓他理解你的意圖，AI將沒(méi)辦法正確回答你的問(wèn)題。

接著這個(gè)案例，我們對(duì)提示詞進(jìn)行一些優(yōu)化：

比如提問(wèn)：

請(qǐng)結(jié)合《猩球崛起》整個(gè)系列評(píng)價(jià)最近剛剛上映的電影《猩球崛起：新世界》

AI回答：

《猩球崛起：新世界》作為《星球崛起》系列的最新篇章，延續(xù)了這一科幻經(jīng)典IP的傳奇，盡管它……

在角色刻畫上，《猩球崛起：新世界》似乎得到了積極的反饋，尤其是對(duì)于反派和配角的描繪……

對(duì)于老粉絲而言，這部電影可能沒(méi)有提供必須觀看的新鮮理由，但對(duì)于新加入的觀眾……

總體而言，《猩球崛起：新世界》在保持系列精髓的同時(shí)，嘗試了某種程度的軟重啟，為新老觀眾都提供了值得一看的科幻體驗(yàn)。雖然可能在創(chuàng)新性上有所欠缺，但它在情感深度、視覺(jué)震撼以及對(duì)未來(lái)敘事線索的鋪設(shè)上都交出了滿意的答卷。

通過(guò)對(duì)比可以發(fā)現(xiàn)，經(jīng)過(guò)優(yōu)化的提示詞更符合我們對(duì)結(jié)果的預(yù)期。精心設(shè)計(jì)和優(yōu)化后的提示詞，使大語(yǔ)言模型輸出的結(jié)果更符合用戶預(yù)期，這一過(guò)程就稱之為“提示詞工程，英文名：Prompt Engineering”。

這個(gè)過(guò)程包括以下關(guān)鍵步驟：

1.理解任務(wù)需求；

2.構(gòu)建有效提示詞；

3.評(píng)估提示詞效果；

4.持續(xù)迭代改進(jìn)；

通過(guò)上述4個(gè)步驟，優(yōu)化后的提示詞，將對(duì)AI對(duì)問(wèn)題的處理能力大大提高。

插個(gè)題外話！基于AI的蓬勃發(fā)展，提示詞工程師也隨著AI的興起孕育而生，有些企業(yè)開(kāi)設(shè)了提示詞工程師的崗位需求，伙伴們可以通過(guò)學(xué)習(xí)掌握提示詞的方法和技巧，獲得入職的機(jī)會(huì)。

回到正題，通過(guò)上述內(nèi)容可以看出，提示詞的有效性會(huì)直接影響大語(yǔ)言模型的輸出質(zhì)量。接下來(lái)我們可以一起來(lái)學(xué)習(xí)構(gòu)建有效提示詞的技巧。

二、提示詞技巧

紙上得來(lái)終覺(jué)淺，絕知此事要躬行。學(xué)習(xí)這期內(nèi)容，希望伙伴們能夠在課后訪問(wèn)AI進(jìn)行對(duì)話，做到邊學(xué)邊實(shí)踐，效果會(huì)更好！

技巧1：直接提問(wèn)法

直接提問(wèn)，也稱為零樣本提示（Zero-Shot Prompting），即不給大語(yǔ)言模型提供案例，完全依靠AI自身的理解和處理能力完成任務(wù)。前文給的提示詞例子，都屬于直接提問(wèn)。

目前大部分開(kāi)源和商用的大語(yǔ)言模型已經(jīng)經(jīng)過(guò)了大量的訓(xùn)練和指令調(diào)試，能夠很好的理解并響應(yīng)用戶的直接提問(wèn)。

這種方法適用于目標(biāo)明確、問(wèn)題簡(jiǎn)單、答案確定且唯一的場(chǎng)景。

直接提問(wèn)時(shí)，伙伴們可以遵循以下原則：

• 簡(jiǎn)潔：盡量用最簡(jiǎn)短的方式表達(dá)問(wèn)題。過(guò)于冗長(zhǎng)的問(wèn)題可能包含多余的信息，導(dǎo)致模型理解錯(cuò)誤或答非所問(wèn)。
• 具體：避免抽象的問(wèn)題，確保問(wèn)題是具體的，不含糊。
• 詳細(xì)上下文：如果問(wèn)題涉及特定上下文或背景信息，要提供足夠的詳情以幫助模型理解，即使是直接提問(wèn)也不例外。
• 避免歧義：如果一個(gè)詞或短語(yǔ)可能有多重含義，要么明確其含義，要么重新表述以消除歧義。
• 邏輯清晰：提問(wèn)題時(shí)，應(yīng)該邏輯連貫，避免出現(xiàn)邏輯上的混淆或矛盾，這樣才能促使模型提供有意義的回答。

為了大家更好的理解，小俠例舉以下提示詞例子，大家對(duì)比答案就能感受到不同提示詞對(duì)結(jié)果的影響。

不好的提示詞，比如：蘋果好看嗎？

AI回答：不好意思，我不清楚你所指的“蘋果”具體指的是什么，水果還是電子設(shè)備。

這個(gè)提示詞并沒(méi)有明確對(duì)“蘋果”進(jìn)行明確描述，因此導(dǎo)致AI無(wú)法理解蘋果的真實(shí)含義。

好的提示詞，比如：這批紅色的蘋果水果外觀怎么樣，新鮮嗎？

AI回答：新鮮。

通過(guò)上述案例對(duì)比，可以看到表達(dá)清晰度對(duì)結(jié)果的影響還是很大的。

然而，直接提問(wèn)效果在很大程度上取決于所使用模型的理解能力和泛化能力。

AI無(wú)法很好地處理復(fù)雜、模糊或多義性的問(wèn)題，當(dāng)需要較深入的背景知識(shí)或分析時(shí)，可能無(wú)法準(zhǔn)確了解用戶的真正意圖。

我們可以嘗試在提示詞中增加示例樣本、分配角色、提示寫作風(fēng)格、輸出格式或構(gòu)建思維鏈和思維樹(shù)拆解復(fù)雜任務(wù)等方式來(lái)彌補(bǔ)AI能力上的不足。

技巧2：增加提示

在提示詞中提供少量提示，通常幾個(gè)或幾十個(gè)具有標(biāo)簽的示例，也稱為少樣本提示（Few-Shot Prompting），用來(lái)幫助大模型更好地理解任務(wù)要求，從而獲得更高質(zhì)量的答案。比如:

• 讓大模型跟隨我們所要求的規(guī)范、格式、概念、文本結(jié)構(gòu)和語(yǔ)氣進(jìn)行回答。
• 又或者提供進(jìn)一步推理的參考，比如讓大模型學(xué)會(huì)數(shù)學(xué)運(yùn)算或按照示例方式進(jìn)行邏輯推理。

下面，小俠就例舉提示詞中增加示例和不增加示例的方式詢問(wèn)大模型，看看大模型分別給出的答案有什么差別：

不增加示例的效果，比如：請(qǐng)根據(jù)以下電影評(píng)論，判斷其情感屬于正面、負(fù)面或中性中的哪一類。

以下是電影評(píng)論內(nèi)容：這部電影音樂(lè)動(dòng)人，但劇情略顯平淡，請(qǐng)你根據(jù)這個(gè)內(nèi)容進(jìn)行評(píng)價(jià)。

AI回答：中性！

雖然AI對(duì)評(píng)論進(jìn)行了判斷，但是并沒(méi)有給出相關(guān)理由和解釋，因此這個(gè)判斷參考價(jià)值不高！

同樣，我們采用增加示例的方式進(jìn)行提問(wèn)，看看AI的回答。

比如：請(qǐng)根據(jù)以下電影評(píng)論，判斷其情感屬于正面、負(fù)面或中性中的哪一類。 以下是我提供的示例參考。

• 示例1：這部電影劇情引人入勝，但特效炸裂。情感評(píng)價(jià)：正面
• 示例2：雖然這部電影劇情單調(diào)，但特效卻非常炸裂。情感評(píng)價(jià)：負(fù)面+正面
• 示例3：這部電影不好不壞。情感評(píng)價(jià)：中性

以下是電影評(píng)論內(nèi)容：這部電影音樂(lè)動(dòng)人，但劇情略顯平淡，請(qǐng)你根據(jù)這個(gè)內(nèi)容進(jìn)行評(píng)價(jià)。

AI回答：

情感評(píng)價(jià)為正面+負(fù)面。

AI給出的解釋是：評(píng)論中提到“音樂(lè)動(dòng)人”屬于正面評(píng)價(jià)，表明了對(duì)電影音樂(lè)部分的喜愛(ài)和贊賞。然而，緊接著的“但劇情略顯平淡”則為負(fù)面評(píng)價(jià)，表達(dá)了對(duì)電影劇情的不滿或失望。因此，整體評(píng)價(jià)是正面和負(fù)面情感的混合。

很顯然，增加了示例后，AI能夠?qū)W習(xí)示例中的回復(fù)技巧，并進(jìn)行模仿，這種回答質(zhì)量會(huì)更高！同時(shí)更有利于我們判斷AI的回答是否正確。

另外在日常工作中，讓AI幫忙翻譯是常有的事，但是很多專業(yè)性文檔的翻譯，會(huì)涉及大量的專屬名詞或者縮寫！

在這種情況下，讓AI進(jìn)行翻譯工作，我們就需要提供一些縮寫翻譯示例給AI，然后讓AI根據(jù)示例進(jìn)行翻譯，這樣能夠極大提高翻譯的準(zhǔn)確性和質(zhì)量，如圖所示：

當(dāng)然，上述案例只適合文本量較少的翻譯工作，如果是非常專業(yè)且數(shù)量龐大的專業(yè)性翻譯，上述方法顯然AI是不能完成這項(xiàng)翻譯工作！

這時(shí)，我們可以讓大語(yǔ)言模型接入專業(yè)的術(shù)語(yǔ)庫(kù)，也就是把涉及到的專業(yè)詞匯整理成知識(shí)庫(kù)，讓AI能夠檢索知識(shí)庫(kù)里面的專業(yè)知識(shí)，這樣就能增強(qiáng)大語(yǔ)言模型的能力，這種方式也稱之為“檢索增強(qiáng)生成”，簡(jiǎn)稱RAG，這方面的知識(shí)，小俠后面會(huì)跟大家單獨(dú)分享。

另外很多企業(yè)想要訓(xùn)練私有AI客服，搭建了Agent后發(fā)現(xiàn)，回復(fù)的質(zhì)量并不高！主要原因就是沒(méi)有做RAG優(yōu)化，因此想要搭建一個(gè)高質(zhì)量的AI客服，RAG是必須懂的知識(shí)。

回到正題，給AI提供的示例的質(zhì)量和數(shù)量會(huì)直接影響AI回答的結(jié)果，增加示例時(shí)可參考以下技巧：

1. 精選代表性樣本：選擇具有代表性的示例，覆蓋任務(wù)的各種情況和邊緣案例，確保模型能從有限的數(shù)據(jù)中學(xué)習(xí)到任務(wù)的核心特征。
2. 保證示例的多樣性：盡可能覆蓋任務(wù)的各種角度和情景，包括正常情況和特殊邊緣案例，確保模型能從有限的數(shù)據(jù)中學(xué)習(xí)到任務(wù)的核心特征。
3. 使用相似的格式和結(jié)構(gòu)：使模型能夠清晰識(shí)別輸入與輸出的關(guān)系。
4. 讓大語(yǔ)言模型生成示例：實(shí)踐時(shí)，我們還可以先讓 LLM 按照提示生成一些示例，再進(jìn)行篩選或人工調(diào)整，以提高示例質(zhì)量和針對(duì)性。

看到這里的伙伴，有沒(méi)有一種想法！

怎么這么復(fù)雜！還不如自己干！搞個(gè)AI要花這么多心思！

有同樣想法的伙伴可以評(píng)論區(qū)回復(fù)“麻煩”兩個(gè)字！

其實(shí)大家思考一個(gè)問(wèn)題！假設(shè)你是企業(yè)老板，你想招聘一個(gè)銷售人員，人員到崗之后，你第一件事是要做什么？

讓他直接聯(lián)系客戶還是先崗前培訓(xùn)？

當(dāng)然是需要先崗前培訓(xùn)！

其實(shí)用AI替代部分員工的工作，AI在上崗前也是需要進(jìn)行崗前培訓(xùn)，只有通過(guò)培訓(xùn)后的AI才能滿足相關(guān)工作！

培訓(xùn)確實(shí)會(huì)花費(fèi)比較多的時(shí)間和精力，但是相比真人員工，AI上崗后，你要花費(fèi)的心思就小很多了。

這其實(shí)就是AI在實(shí)際業(yè)務(wù)中的價(jià)值，如果你還是覺(jué)得麻煩！那當(dāng)小俠什么都沒(méi)說(shuō)！

技巧3：分配角色

賦予模型一個(gè)具體的角色或身份，比如告訴AI“假設(shè)你是一名經(jīng)驗(yàn)豐富的短視頻專家”，通過(guò)角色設(shè)定，引導(dǎo)模型在特定角色視角下回答問(wèn)題，這種方式非常常見(jiàn)！大家一定要掌握。

下面一起看看分配角色適用哪些場(chǎng)景：

1. 需要專業(yè)知識(shí)或特定視角的問(wèn)題解答。例如，模擬老師、醫(yī)生、律師等回答相關(guān)領(lǐng)域的問(wèn)題。
2. 模擬特定人物或角色的語(yǔ)言風(fēng)格。例如，模仿某個(gè)著名人物，例如歷史人物或文學(xué)角色，讓AI模仿他們的語(yǔ)言風(fēng)格生成文本時(shí)需要用到。
3. 進(jìn)行角色扮演游戲或創(chuàng)作時(shí)。在創(chuàng)意寫作或角色扮演游戲中扮演指定的角色，讓AI與用戶進(jìn)行互動(dòng)。
4. 在特定行業(yè)內(nèi)進(jìn)行決策模擬。例如讓AI模擬一個(gè)管理咨詢師，幫助分析商業(yè)案例或提供商業(yè)建議。

以上幾點(diǎn)，都是需要用到角色分配的場(chǎng)景。

下面，小俠列舉幾個(gè)不同風(fēng)格角色的AI，讓他對(duì)同一個(gè)酒店評(píng)論進(jìn)行評(píng)價(jià)，一起看看不同角色在回復(fù)的時(shí)候風(fēng)格的區(qū)別：

通過(guò)表中示例可以看出，不同角色的AI在回答同一個(gè)問(wèn)題時(shí)，語(yǔ)氣、風(fēng)格、態(tài)度都有所不同，看過(guò)上一期【AI入門科普課】的伙伴應(yīng)該知道！

AI在前期訓(xùn)練時(shí)，研發(fā)人員會(huì)給AI投喂不同專業(yè)的數(shù)據(jù)讓其學(xué)習(xí)，如果使用的AI之前學(xué)習(xí)過(guò)相關(guān)角色的數(shù)據(jù)，當(dāng)我們給AI賦予相應(yīng)角色時(shí)，AI就能很好的模擬特定角色的風(fēng)格和表達(dá)方式。

一般來(lái)說(shuō)，通用大模型學(xué)習(xí)的知識(shí)都會(huì)比較全面，所以平時(shí)大家用AI的時(shí)候，讓AI模仿任何角色他都能很好的模仿出來(lái)！當(dāng)然，如果你選定的角色比較獨(dú)特，也不排除AI在之前的訓(xùn)練數(shù)據(jù)中沒(méi)有的角色風(fēng)格，最后的結(jié)果就是模仿的效果并不理想。

另外使用過(guò)不同企業(yè)推出的大模型的伙伴，應(yīng)該都感覺(jué)到不同企業(yè)的大模型，風(fēng)格和能力會(huì)有所區(qū)別，這也是由于訓(xùn)練數(shù)據(jù)質(zhì)量和數(shù)量差距導(dǎo)致的結(jié)果。

根據(jù)上述分配角色技巧的案例，下面小俠針對(duì)角色分配的方法給出以下技巧：

1）明確角色身份與特性

1. 確定角色的基本屬性，如年齡、性別、職業(yè)、性格、技能、價(jià)值觀等。
2. 賦予角色相關(guān)領(lǐng)域的專業(yè)知識(shí)或特殊背景，如專家、學(xué)者、歷史人物、虛構(gòu)角色等。

2）設(shè)定角色目標(biāo)與動(dòng)機(jī)

1. 為角色設(shè)定對(duì)話的目標(biāo)，如尋求信息、說(shuō)服他人、解決問(wèn)題、分享觀點(diǎn)等。
2. 揭示角色的內(nèi)在動(dòng)機(jī)，如個(gè)人利益、道德信念、情感需求等，有助于塑造角色的真實(shí)性和深度。

3）設(shè)定角色語(yǔ)言風(fēng)格：

1. 根據(jù)角色性格、教育水平、文化背景等設(shè)定其語(yǔ)言習(xí)慣、用詞選擇、句式結(jié)構(gòu)、口頭禪等。
2. 規(guī)定角色在對(duì)話中的情緒狀態(tài)，如冷靜理智、激動(dòng)憤怒、悲傷失落、幽默風(fēng)趣等，影響其表達(dá)方式。

4）設(shè)定角色規(guī)則約束：

規(guī)定角色在對(duì)話中的行為約束，如不能人身攻擊、保持禮貌尊重、遵守討論主題等。

5）動(dòng)態(tài)調(diào)整角色設(shè)定：

1. 隨著對(duì)話深入，適時(shí)調(diào)整角色設(shè)定以適應(yīng)新的情景和話題，如角色態(tài)度轉(zhuǎn)變、關(guān)系演變、目標(biāo)更新等。
2. 向模型反饋角色表現(xiàn)，如偏離設(shè)定、缺乏個(gè)性、對(duì)話僵化等，及時(shí)修正角色設(shè)定并引導(dǎo)模型調(diào)整。