NSDT工具推荐Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

提示工程(prompt engineering)是人工智能领域的一门新兴学科,特别是随着 GPT-4 等高级语言模型的出现。 本指南旨在揭开这一过程的神秘面纱,提供战略见解和实际示例,以充分利用这些模型的潜力。 读完本文后,你将具备制定有效提示的知识,从而从 GPT 模型中产生最相关和最准确的响应。

1、了解提示工程

提示工程的核心是与人工智能模型进行有效沟通。 它涉及以模型可以准确理解和响应的方式构建查询和指令。 在处理 GPT(生成式预训练 Transformer)模型(例如 GPT-4)时,该领域尤其相关,该模型旨在根据接收到的输入生成类似人类的文本。

为什么提示工程很重要?

  • 清晰和精确:精心设计的提示可以带来更精确和相关的响应。
  • 效率:通过减少后续查询的需要来节省时间和计算资源。
  • 探索能力:帮助发现和利用模型的全部能力。

有效的提示工程策略包括:

  • 写下清晰的说明。示例:不要要求“写一个故事”,而是指定“以第一人称叙述方式写一个关于一位年轻侦探在维多利亚时代的伦敦解决一个谜团的短篇故事。”
  • 提供参考文本。示例:当询问有关历史事件的信息时,提供简短的背景或特定的细节来锚定模型的响应。
  • 将复杂的任务拆分为更简单的子任务。示例:对于一个研究项目,将提示分解为“首先,提供主题概述。 其次,列出该领域的主要研究人员。 第三,总结一下最近的进展。”
  • 给模型“思考”的时间。示例:解决数学问题时,指示模型在给出最终答案之前显示逐步计算。
  • 使用外部工具。示例:对于数据分析,将提示与 Python 解释器等工具结合起来以处理复杂的计算。
  • 系统地测试变更。示例:在完善提示时,跟踪修改并评估它们对响应质量的影响。

2、增强结果的6种策略

策略1:在查询中包含详细信息,具体说明你的问题。

糟糕的提示:“告诉我关于狗的事。”
改进的提示:“概述家养狗的进化史,重点关注它们与人类的关系。”

策略2:采用角色扮演,要求模型扮演特定的角色或语气。

示例:“写出量子物理原理的摘要,就像你是一名高中物理老师向学生解释一样。”

策略3:使用分隔符,清楚地指示输入的不同部分。

示例:“总结以下文章[插入文章],重点关注其对气候变化的影响。”

策略4:指定所需的步骤,将任务分解为更小的步骤。

示例:“第1步:列出法国大革命的主要原因。 第 2 步:讨论每个原因的影响。”

策略5:提供示例,展示,而不仅仅是讲述。

示例:“就像本例[插入示例]一样,为可持续时尚品牌起草一份商业提案。”

策略6:指定所需长度:控制响应的详细程度。

示例:“用不超过三句话解释相对论的概念。”

3、制作原创示例

让我们通过一些原始示例将这些策略付诸实践:

示例1:旅游指南详细查询。

提示:“为日本京都制作一份详细的旅行指南,涵盖历史地标、当地美食以及经济型旅行者的住宿选择。 包括 5 天旅行的每日行程。”

示例2:在创意写作中采用角色。

提示:“作为一名经验丰富的侦探小说家,为一部以 1920 年代纽约市为背景的悬疑小说写一个扣人心弦的开头段落,其中涉及一件被盗的艺术品。”

示例3:教育内容的分步说明。

提示:“第一步:概述光合作用的基本原理。 第 2 步:解释其在生态系统中的重要性。 第三步:描述该过程对气候变化的影响。”

示例4:结合详细查询和长度规范。

提示:“用大约 100 字概括居里夫人科学生涯的主要成就,重点介绍她获得的诺贝尔奖和放射性发现。”

通过应用这些策略和策略,可以显着提高与 GPT 模型交互的效率。 实验和实践是关键——随着你越来越熟悉模型的功能和局限性,你的提示工程技能自然会得到发展。


原文链接:Mastering the Art of Prompt Engineering with GPT-4 Models

BimAnt翻译整理,转载请标明出处