编写Prompt的艺术：如何提高大语言模型的表现力.pdf

Prompt工程：如何提升大语言模型的表现力致问封面标题最多不得超过十五个字符副标题字符可控制在10-20个字符内目录CONTENT PAGE TITLE1介绍2框架3研究和技巧4案例介绍背景为什么有这次分享？1、出于兴趣和一些使用需要，怎么才能写Prompt才能让大模型返回想要的内容。2、学习和研究Prompt这块的内容，分享文章后，不少同学对Prompt也是有兴趣的。3、希望能和大家交流和探讨下，有没有什么有趣的内容一起学习下。为什么要学？https:/ AI 模型的指令，一个简短的文本输入，用于引导AI模型生成特定的回答或执行特定任务。Prompt是你与语言模型沟通的方式。一个好的Prompt可以让AI更准确地理解你的需求，从而给出更有用的回答。介绍Prompt的原理GPT在处理Prompt时，GPT模型将输入的文本（也就是Prompt）转换为一系列的词向量。然后，模型通过自回归生成过程逐个生成回答中的词汇。在生成每个词时，模型会基于输入的Prompt以及前面生成的所有词来进行预测。这个过程不断重复，直到模型生成完整的回答或达到设定的最大长度。一个有效的Prompt可以：-提升AI模型给出的答案的质量-缩短与AI模型的交互时间，提高效率-减少误解，提高沟通的顺畅度关于提示工程提示工程（Prompt Engineering）是新兴起的概念：关注提示词开发和优化，帮助用户将大语言模型（Large Language Model,LLM）用于各场景和研究领域，通过问题、指令、示例文本或其他方式，用于引导模型生成适当的响应或输出。掌握提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。提高模型的可用性和用户体验，并减少不符合预期的输出。利用提示工程来提升大语言模型处理复杂任务场景的能力，如对话系统、文本生成、机器翻译、算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。Prompt工程师需要深入理解语言模型的特性和行为，分析和理解数据集，并设计合适的提示来引导模型生成准确、有用和符合上下文的文本。环境准备-OpenAI地址：https:/ GPT-3 系列模型中能力最强的模型。可以输出更高的质量、更长的回答。Temperature：控制模型生成结果的随机性。简而言之，温度越低，结果越确定Maximum length：设置单次生成内容的最大长度。Stop Sequence：该选项设置停止生成文本的特定字符串序列。如果生成文本中包含此序列，则模型将停止生成更多文本。环境准备-通义千问地址：https:/ Studio里面内置了一些模型可以用来调试。二、Prompt框架Prompt-编写的一些原则几个关键要素：明确目标清晰定义任务，以便模型理解。具体指导：给予模型明确的指导和约束。简洁明了：使用简练、清晰的语言表达Prompt。适当引导：通过示例或问题边界引导模型。迭代优化：根据输出结果，持续调整和优化Prompt。一些有效做法：强调，可以适当的重复命令和操作给模型一个出路，如果模型可能无法完成，告诉它说“不知道”，别让它乱“联想”尽量具体，它还是孩子，少留解读空间Prompt-结构化框架 重要性排序Prompt的组成拆解：1.任务（Task）:始终以动词开始任务句子（如“生成”，“给予”，“写作”等），明确表达你的最终目标。可以有多个。2.上下文（Context）:提供用户背景、成功标准和所处环境等信息3.示例（Exemplars）:提供具体的例子或框架，以改善输出质量。使用示例或框架可以大大提高输出质量。当然有时候我们可能没有示例，这个时候可以考虑让GPT帮忙生成示例。当然也有很多时候我们不用给示例。4.角色（Persona）:指定你希望ChatGPT和Bard扮演的角色。可以是具体的人，也可以是虚构的角色。5.格式（Format）:可视化你希望输出看起来的样子，表格、列表、段落等。6.语气（Tone）:指定输出的语气，如正式、非正式、幽默等。任务 上下文 示例 角色 格式 语气。如果模型回答不满意，依次Check自己的Prompt内容进行调整Prompt-框架结构化方式JSON或者Markdown形式提示词：https:/ 技术研究Prompt研究和技巧 简单案例一个简单案例，说明模型的输出是可以通过一些词来进行控制的，通过提示词能让模型输出更多内容，或者是你想要的内容。Prompt研究和技巧Prompt研究和技巧 Zero-shot直接向模型提出问题，不需要任何案例，模型就能回答你的问题，基于模型训练的时候提供的量数据，能做初步的判断。1.Zero-Shot Prompting 技术依赖于预训练的语模型2.为了获得最佳性能，它需要量的样本数据进微调。像 ChatGPT 就是个例，它的样本数量是过千亿。3.由于 Zero-Shot Prompting 技术的灵活性和通性，它的输出有时可能不够准确，或不符合预期。这可能需要对模型进进步的微调或添加更多的提示本来纠正。Prompt研究和技巧 Few-shot 少样本技术向模型提出问题，同时给出个案例，模型就会学习到这个案例；缺点：依赖于案例的格式，案例如果给的有问题，也会学到有问题的描述。Prompt研究和技巧 Chain of Thought(COT)思维链模型每次都会把之前成的本当成上下重新作为输，因此如果说在之前成的本中较详细和有逻辑性的话，就会表现出推理能。根据 Wei 等在 2022 年的论表明，它仅在于等于 100B 参数的模型中使才会有效。如果你使的是样本模型，这个法不会效。Prompt研究和技巧 Self-Consistency 自洽有时候般叫COT-ST，让模型成多个思维链，然后取最多数答案的作为最终结果。其实重复运算多次，取概率最的那个，需要借助脚本辅助完成这个功能。1、从语模型中成多个不同的“推理路径（reasoning paths）”，这些路径可能因模型的随机性或不同的参数设置（如温度、top_p等）有所不同。有助于模型更全地考虑问题，并可能导致更准确或更可靠的最终答案。2、对上步成的多个推理路径进“边缘化（marginalize out）”以得到个最终的、致的答案。边缘化在这意味着从多个可能的推理路径中找出最常或最致的答案。Prompt研究和技巧 Program-aided Language Models(PAL)程序辅助编程LLM在将然语问题分解为步骤表现良好，但在解决阶段往往会出现逻辑和算术错误。利LLM来阅读然语问题，并成程序作为中间推理步骤。然后将实际的解决步骤交给Python解释器处理。这使得LLM能够专注于将问题分解为可运的步骤上。Prompt研究和技巧 生成知识提示从语模型中成知识，并在回答问题时将这些知识作为额外的输。这种法不需要特定任务的监督或访问结构化知识库。该法包括两个步骤：1、成知识：语模型根据问题成知识陈述。2、知识整合：使成的知识陈述进预测，回答问题。本质上是帮助语模型做了步推理的过程。相当于的把问题拆解了，所以会表现好点。Prompt研究和技巧 Tree of Thoughts(TOT)思维树Tree of Thoughts（ToT）框架，于改进语模型（LMs）的推理能。该框架是对流的“Chain of Thought”法的种泛化，允许模型在解决问题的过程中进更多的探索和策略性前瞻。ToT允许模型我评估不同的选择，以决定下步的动，并在必要时进前瞻或回溯，以做出全局性的选择。在24点游戏中，使链式思考提示的GPT-4仅解决了4%的任务，使ToT法的成功率达到了74%。Imagine three different experts are answering this question.All experts will write down 1 step of their thinking,then share it with the group.Then all experts will go on to the next step,etc.If any expert realises theyre wrong at any point then they leave.The question is.Prompt研究和技巧 ReActCOT是LLM最常的推理式，该法揭示了LLMs在解决问题时能够形成的“思考过程”。WebGPT使LLM与浏览器进交互，浏览，并从中推断出复杂问题的答案，但是没有思考过程。ReAct（Reasoning and Acting）是个新颖的计算范式，旨在模拟类智能中“动”与“推理”的紧密结合。通过使型语模型（LLMs），ReAct能够成与特定任务相关的推理轨迹和动，从实现动态推理和级计划的创建、维护和调整。ReAct不仅执孤、固定的推理，*还将模型动作和相应的观察结果整合成个连贯的输流，以便模型更准确地进推理和处理超出推理范围的任务（例如，交互式决策）。*ReAct还增强了模型的可解释性、可信度和可诊断性。这创新范式有潜进步解锁型语模型的能。ReACT实现核逻辑：1、使Prompt引导LLM的输出格式。只进次推理，Action和Action Input。2、使正则解析LLM输出的Action和ActionInput。调具拿到结果。3、将具结果作为Observation，以及前步的Action和输出同放在Prompt中。4、继续让LLM进下步推理，直到FinalAnswser。Prompt研究和技巧 ReAct四、Prompt 场景案例Prompt的操作类型本缩减 总结 摘要 提取 分析 评估本转换 格式化 python-java 修改 解释本成 起草 规划 脑暴 扩展GPT 主要操作类型：参考：https:/ content you are provided with for a second-grade student.You will be provided with unstructured data,and your task is to parse it into CSV format.You will be provided with a block of text,and your task is to extract a list of keywords from it.You will be provided with a tweet,and your task is to classify its sentiment as positive,neutral,or negative.You will be provided with a piece of code,and your task is to explain it in a concise way.内容成：Create a two-column CSV of top science fiction movies along with the year of release.Write a lesson plan for an introductory algebra class.The lesson plan should cover the distributive law,in particular how it works in simple cases involving mixes of positive and negative numbers.Come up with some examples that show common student errors.Write a Python function that takes as input a file path to an image,loads the image into memory as a numpyarray,then crops the rows and columns around the perimeter if they are darker than a threshold value.Use the mean value of rows and columns to decide if they should be marked for deletion.https:/ PromptPrompt 输出JSON、与系统能力联动会话型 Prompt知识增强型 PromptPrompt 自动化Prompt上架浏览器插件使用Prompt用GPT帮助上架插件：1、学习：列出核心知识2、写PRD：生成需求内容3、编写代码与调整与修改。4、生成宣传文案和Logo。5、上架准备，让GPT准备相关材料https:/