《深入浅出LLM基础篇》（五）：Propmt工程优化

🎉AI学习星球推荐： GoAI的学习社区 知识星球是一个致力于提供《机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC 》各个最新AI方向综述、论文等成体系的学习资料，配有全面而有深度的专栏内容，包括不限于 前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关（简历撰写技巧、面经资料与心得）多方面综合学习平台，强烈推荐AI小白及AI爱好者学习，性价比非常高！ 限时优惠加入星球➡️点击链接

✨专栏介绍： 本作者推出全新系列《深入浅出LLM》专栏，将分为基础篇、进阶篇、实战篇等，本文为基础篇具体章节如导图所示（导图为常见LLM问题，导图专栏后续更新！），将分别从各个大模型模型的概念、经典模型、创新点、微调、分布式训练、数据集、未来发展方向、RAG、Agent及项目实战等各种角度展开详细介绍，欢迎大家关注。

👨‍💻作者简介： CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。✨公众号：GoAI的学习小屋 ，免费分享书籍、简历、导图等，更有交流群分享宝藏资料，关注公众号回复“加群”或➡️点击链接 加群。

《深入浅出LLM基础篇》目录

《深入浅出LLM基础篇》（一）：大模型概念与发展
《深入浅出LLM基础篇》（二）：大模型基础知识
《深入浅出LLM基础篇》（三）：大模型结构分类
《深入浅出LLM基础篇》（四）：主流大模型分类介绍
《深入浅出LLM基础篇》（五）：Propmt工程优化

《深入浅出LLM基础篇》（五）：Propmt工程优化

导读：本篇为《《深入浅出LLM基础篇》（五）：Propmt工程优化，主要讨论各自Propmt优化的tips，与效果差进行对比展示。由于 OpenAI模型的训练方式，特定的提示格式效果特别好，可以产生更有用的模型输出。OpenAI 的官方提示工程指南通常是提示技巧的最佳起点，大家有好的也可以在评论区交流学习。

注：本文参考 OpenAI API 进行快速工程的最佳实践

下面开始正式介绍一些效果很好的提示格式，但您可以随意探索不同的格式，它们可能更适合您的任务。

经验法则和示例

注意：“ {此处输入文本} ”是实际文本/上下文的占位符

1.使用最新模型

为了获得最佳效果，我们通常建议使用最新、性能最强的模型。较新的模型往往更容易提示工程师。

2. 将指令放在提示符的开头，并使用###或“”将指令和上下文分开

效果较差❌：
将下面的文字总结为最重要的要点列表。

{在此处输入文本}

更好✅：
将下面的文字总结为最重要的要点列表。

文字：“”
{在此处输入文本}
“”

3. 尽可能具体、详细地描述所需的背景、结果、长度、格式、风格等

具体说明背景、结果、长度、格式、风格等

效果较差❌：
写一首关于 OpenAI 的诗。

更好✅：
以{著名诗人}的风格写一首关于 OpenAI 的简短励志诗，重点介绍最近的 DALL-E 产品发布（DALL-E 是一个文本到图像的 ML 模型）

4. 通过示例阐明所需的输出格式

效果较差❌：
提取以下文本中提到的实体。提取以下 4 种实体类型：公司名称、人名、特定主题和主题。

文本：{text}
展示并说明 - 当展示特定格式要求时，模型会做出更好的响应。这也使得以编程方式可靠地解析多个输出变得更加容易。

更好✅：
提取下面文本中提到的重要实体。首先提取所有公司名称，然后提取所有人名，然后提取符合内容的特定主题，最后提取一般的总体主题

所需格式：
公司名称：<comma_separated_list_of_company_names>
人名：-||-
特定主题：-||-
一般主题：-||-

文本：{text}

5. 从零样本开始，然后是少样本，都不起作用，然后进行微调

✅ Zero shot
从以下文本中提取关键字。

文本：{text}

关键字：

✅ 小样本few shots - 提供几个示例
从下面相应的文本中提取关键词。

文本 1：Stripe 提供 API，Web 开发人员可以使用这些 API 将支付处理集成到他们的网站和移动应用程序中。
关键词 1：Stripe、支付处理、API、Web 开发人员、网站、移动应用程序

文本 2：OpenAI 训练了非常擅长理解和生成文本的尖端语言模型。我们的 API 提供对这些模型的访问，可用于解决几乎任何涉及处理语言的任务。
关键词 2：OpenAI、语言模型、文本处理、API。

文本 3：{text}
关键词 3：

✅微调：在此处查看微调最佳实践。

6. 减少“空洞”和不精确的描述

效果较差❌：
该产品的描述应该比较简短，只有几句话，不要太多。

更好✅：
使用3到5个句子的段落来描述该产品。

7. 不要只说不该做什么，而要说该做什么

效果较差❌：
以下是代理与客户之间的对话。请勿询问用户名或密码。请勿重复。

客户：我无法登录我的帐户。
代理：

更好✅：
以下是代理与客户之间的对话。代理将尝试诊断问题并提出解决方案，同时避免询问任何与 PII 相关的问题。不要询问 PII（例如用户名或密码），而是让用户参考帮助文章 www.samplewebsite.com/help/faq

客户：我无法登录我的帐户。
代理：

8. 代码生成专用 - 使用“引导词”推动模型向特定模式发展

效果较差❌：

编写一个简单的 Python 函数，

1. 询问我一个英里数
2. 将英里转换为公里

在下面的代码示例中，添加“ import ”提示模型应该开始用 Python 编写。（类似地，“ SELECT ”是 SQL 语句开头的一个很好的提示。）

更好✅：

编写一个简单的 Python 函数，

1. 询问我一个英里数
2. 将英里转换为公里

import

9. 使用“生成任何内容”功能

可以使用“生成任何内容”功能来描述任务或预期的自然语言输出并接收定制的提示。

参数

通常，我们发现model和是改变模型输出最常用的参数。temperature

1. model-性能更高的型号通常更昂贵，并且可能具有更高的延迟。
2. temperature-衡量模型输出不太可能的标记的频率。 越高temperature，输出越随机（通常越有创意）。 但是，这与“真实性”不同。 对于大多数事实用例（例如数据提取和真实的问答），temperature0 是最好的。
3. max_tokens（最大长度） - 不控制输出的长度，而是对 token 生成的硬性截止限制。理想情况下，您不会经常达到此限制，因为您的模型会在它认为完成时或达到您定义的停止序列时停止。
4. stop（停止序列） - 一组字符（标记），当生成时，将导致文本生成停止。
   其他参数说明请参见API参考。

propmt参考学习资料

https://learnprompting.org/zh-Hans/docs/introduction