【llm对话系统】LLM 大模型Prompt 怎么写？

如果说 LLM 是一个强大的工具，那么 Prompt 就是使用这个工具的“说明书”。一份好的 Prompt 可以引导 LLM 生成更准确、更相关、更符合你期望的输出。

今天，我们就来聊聊 LLM Prompt 的编写技巧，掌握这把解锁 LLM 潜能的钥匙！

一、什么是 Prompt？

简单来说，Prompt 就是你给 LLM 的指令或输入，它可以是一个问题、一句话、一段描述，甚至是几个词。LLM 会根据你提供的 Prompt 来理解你的意图，并生成相应的输出。

Prompt 的重要性：

• 引导 LLM 理解任务： Prompt 明确了你希望 LLM 完成的任务。
• 控制 LLM 的输出： Prompt 可以限定 LLM 生成内容的范围、格式、风格等。
• 激发 LLM 的潜能： 好的 Prompt 可以激发 LLM 的创造力，生成更有创意、更有价值的内容。

二、Prompt 的基本组成

一个完整的 Prompt 通常包含以下几个部分：

1. 指令 (Instruction)： 明确指示 LLM 要做什么，例如“总结”、“翻译”、“写一首诗”等。
2. 上下文 (Context)： 提供 LLM 需要的背景信息，例如相关的文本、数据等。
3. 输入数据 (Input Data): 需要被处理的具体内容，例如需要被翻译的句子、需要被总结的文章等。
4. 输出指示 (Output Indicator)： 指定输出的格式、长度、风格等要求。

并非所有 Prompt 都需要包含以上所有部分，可以根据具体任务进行调整。

三、Prompt 编写技巧：从入门到精通

1. 清晰明确的指令

指令是 Prompt 的核心，要让 LLM 准确理解你的意图，指令必须清晰明确，避免使用模糊或有歧义的措辞。

Bad: “告诉我关于这个的内容。” (不明确，LLM 不知道要告诉你关于什么的)

Good: “请总结一下这篇文章的主要内容。” (明确指示 LLM 进行总结)

Good: “写一段代码实现快速排序”

2. 提供必要的上下文

对于需要背景知识的任务，提供必要的上下文可以帮助 LLM 更好地理解任务，并生成更相关的输出。

示例：

Prompt: “请写一篇关于人工智能的博客文章，目标读者是 AI 初学者。”

在这个 Prompt 中，“目标读者是 AI 初学者”就是上下文信息，它限定了文章的写作风格和深度。

3. 指定输出格式

通过指定输出格式，你可以控制 LLM 生成内容的结构、样式和长度。

示例：

Prompt: “请将以下英文句子翻译成中文，并用表格的形式输出：This is a cat.”

输出指示: 用表格形式输出

输出(可能):

英文	中文
This is a cat.	这是一只猫.

Prompt: “请列举 5 个提高工作效率的方法，并用编号列表的形式输出。”
输出指示: 用编号列表输出，并举出5个方法

4. 使用示例引导 (Few-Shot Learning)

通过提供一些示例，可以让 LLM 更好地理解你的期望，并生成符合要求的输出。

示例：

Prompt: "请将以下句子改写成更正式的表达：

1. 我觉得这个想法不错。-> 我认为这个想法是可取的。
2. 这个东西很好用。-> 这个工具非常实用。
3. 你的方案是什么？ -> 你的方案具体是什么样的？"

通过提供几个示例，LLM 可以学习到如何将非正式的表达改写成更正式的表达。

5. 逐步引导 (Chain-of-Thought)

对于复杂的任务，可以将任务分解成多个步骤，逐步引导 LLM 完成任务。

示例：

任务： 解答一个数学应用题

Prompt: “一辆汽车以每小时 60 公里的速度行驶，行驶 240 公里需要多少小时？请逐步解释你的解题思路。”

LLM 输出 (可能)：

1. 首先，我们需要计算汽车行驶的时间。
2. 已知汽车的速度是每小时 60 公里，行驶的距离是 240 公里。
3. 根据公式：时间 = 距离 / 速度，我们可以计算出汽车行驶的时间。
4. 将数据代入公式：时间 = 240 公里 / 60 公里/小时 = 4 小时。
5. 因此，汽车行驶 240 公里需要 4 小时。

6. 尝试不同的 Prompt

同一个任务，可以用不同的 Prompt 来实现。尝试不同的 Prompt，比较它们的输出结果，可以帮助你找到最佳的 Prompt。

7. 使用 Prompt 模板

针对常见的任务，可以总结出一些常用的 Prompt 模板，以便重复使用。

例如，一个通用的总结模板：

请总结以下文本的主要内容，并用 [输出格式] 输出：[输入文本]

四、常见任务的 Prompt 最佳实践

1. 文本生成

• 写一篇文章： “请写一篇关于 [主题] 的文章，目标读者是 [目标读者]，文章要包含 [要点]，文章字数在 [字数] 字左右。”
• 写一首诗： “请写一首关于 [主题] 的 [诗歌类型]，例如五言绝句或七言律诗。”
• 写一个故事： “请写一个关于 [主题] 的故事，故事的主角是 [角色]，故事发生在 [地点]，故事的结局是 [结局]。”

2. 问答系统

• 简单问题： “请回答以下问题：[问题]”
• 需要推理的问题： “请根据以下信息，回答这个问题：[信息] 问题：[问题]”
• 开放性问题： “对于 [话题]，你有什么看法？”

3. 机器翻译

• 指定源语言和目标语言： “请将以下 [源语言] 翻译成 [目标语言]：[文本]”
• 指定翻译风格： “请将以下英文句子翻译成中文，要求翻译风格正式/口语化：[文本]”

4. 文本摘要

• 指定摘要长度： “请总结以下文本的主要内容，摘要长度不超过 100 字：[文本]”
• 指定摘要要点： “请总结以下文本的主要内容，并重点突出 [要点]：[文本]”

5. 代码生成

• 指定编程语言和功能： “请使用 [编程语言] 编写一个函数，实现 [功能]：”
• 提供示例代码： “请参考以下示例代码，实现类似的功能：[示例代码]”

五、代码示例 (使用 OpenAI API)

import openaiopenai.api_key = "YOUR_API_KEY" #替换成自己的keydef get_completion(prompt, model="gpt-3.5-turbo"):messages = [{"role": "user", "content": prompt}]response = openai.ChatCompletion.create(model=model,messages=messages,temperature=0, # 控制生成结果的随机性)return response.choices[0].message["content"]# 示例：翻译
prompt = "请将以下英文句子翻译成中文：This is an example."
response = get_completion(prompt)
print(response)# 示例：总结
text = """
(这里放入需要总结的文本)
"""
prompt = f"""
请总结以下文本的主要内容，并用一句话概括：{text}
"""
response = get_completion(prompt)
print(response)