ChatGPT进阶：提示工程的神秘面纱与实战指南

news2024/11/26 18:43:50

文章目录

  • 一、提示工程的概念与原理
  • 二、提示工程的实践方法
  • 三、提示工程的挑战与展望
  • 四、实战案例分析
  • 总结
  • 《ChatGPT进阶：提示工程入门》
    • 内容简介
    • 作者简介
      • 陈颢鹏：
      • 李子菡：
    • 目录
    • 获取方式

在人工智能领域，对话系统已经成为了一个热门的研究方向。其中，OpenAI的ChatGPT模型凭借其强大的生成能力和广泛的应用场景，成为了业界的翘楚。然而，要让ChatGPT发挥出最大的潜力，仅仅依赖于模型本身是不够的，还需要进行一系列的优化和调整。这其中，提示工程（Prompt Engineering）就是一个关键的环节。本文将从提示工程的概念、原理、实践方法等方面，为大家揭开提示工程的神秘面纱，并提供一些实用的实战指南。

一、提示工程的概念与原理

提示工程，顾名思义，就是通过设计合适的提示（Prompt），来引导模型生成我们期望的输出。在对话系统中，提示通常是一个问题或者一个话题，而模型则是根据这个提示来生成相应的回答。因此，提示的设计对于模型的输出质量具有至关重要的影响。

提示工程的原理可以从以下几个方面来理解：

  1. 语言模型的生成过程：语言模型通常是一个概率分布，它描述了给定一个输入序列，模型生成下一个词的概率。在对话系统中，我们可以将提示看作是输入序列的一部分，而模型生成的回答则是输出序列。因此，提示的设计可以影响模型生成回答的概率分布。

  2. 上下文信息的处理：在对话系统中，上下文信息是非常重要的。一个好的提示应该能够引导模型充分利用上下文信息，从而生成更加合理和连贯的回答。提示工程的一个重要任务就是如何设计一个能够有效传递上下文信息的提示。

  3. 多样性与可控性：一个好的提示应该能够引导模型生成多样化的回答，而不是陷入重复和单调的模式。同时，我们还希望能够控制模型生成的回答的范围和方向，避免出现不相关或者不合适的内容。提示工程需要在这两个方面找到一个平衡点。

二、提示工程的实践方法

了解了提示工程的概念和原理之后，下面我们来探讨一些实用的提示工程方法。这些方法可以分为两类：基于规则的方法和基于数据的方法。

  1. 基于规则的方法：这类方法主要是通过人工设计一些规则和模板，来生成提示。例如，我们可以设计一些常见的问题模板，如“请解释什么是XXX”、“XXX有哪些优缺点”等。这些模板可以根据不同的应用场景进行调整和扩展。此外，我们还可以通过设置一些限制条件，如禁止使用某些词汇或者要求回答的长度在一定范围内，来控制模型生成的回答的质量和范围。

  2. 基于数据的方法：这类方法主要是通过分析大量的对话数据，来挖掘一些有效的提示模式。这些模式可以是一些常见的问题结构、回答风格等。通过对这些模式的学习，我们可以生成更加自然和合理的提示。此外，我们还可以通过对抗训练等技术，来提高模型对提示的敏感性和适应性。

三、提示工程的挑战与展望

尽管提示工程在对话系统中具有重要的作用，但是目前仍然面临一些挑战：

  1. 如何设计一个既能够引导模型生成多样化回答，又能够控制回答范围和方向的提示？这是一个非常复杂的问题，需要结合多种方法和技巧来解决。

  2. 如何利用有限的标注数据来提高提示工程的效果？目前，大部分的对话数据都是未标注的，这给提示工程带来了很大的困难。未来的研究可以尝试从无监督学习、迁移学习等方面入手，来解决这个问题。

  3. 如何评估提示工程的效果？目前，还没有一个统一的评估标准和方法。未来的研究可以尝试建立一个更加科学和客观的评估体系。

总之，提示工程是对话系统中一个非常重要的环节，它对于提高模型的输出质量和效果具有关键的作用。通过深入理解和掌握提示工程的原理和方法，我们可以更好地利用ChatGPT等先进的对话模型，为实际应用带来更大的价值。

四、实战案例分析

为了帮助大家更好地理解提示工程的原理和方法，下面我们来看一个实战案例。假设我们要开发一个智能问答系统，用户可以通过提问来获取关于某个主题的信息。在这个场景中，我们需要设计一些合适的提示，来引导模型生成高质量的回答。

首先，我们可以通过分析大量的对话数据，来挖掘一些常见的问题结构和回答风格。例如，我们发现用户通常会提出一些具体的问题，如“XXX是什么”、“XXX的特点是什么”等。针对这些问题，我们可以设计一些模板化的提示，如“请解释XXX是什么”、“XXX有哪些特点”。这些模板可以根据不同的主题进行调整和扩展。

其次，我们可以通过设置一些限制条件，来控制模型生成的回答的质量和范围。例如，我们可以要求回答的长度在一定范围内，以减少过长或者过短的回答；我们还可以禁止使用某些词汇或者表达方式，以避免出现不相关或者不合适的内容。

最后，我们可以通过对抗训练等技术，来提高模型对提示的敏感性和适应性。例如，我们可以设计一些对抗性的提示样本，让模型在生成回答时更加关注上下文信息和多样性。

通过以上方法，我们可以设计出一个既能够引导模型生成高质量回答，又能够控制回答范围和方向的提示系统。这对于提高智能问答系统的性能和用户体验具有重要的意义。

总结

提示工程是对话系统中一个关键的环节，它对于提高模型的输出质量和效果具有关键的作用。通过深入理解和掌握提示工程的原理和方法，我们可以更好地利用ChatGPT等先进的对话模型，为实际应用带来更大的价值。在未来的研究和应用中，我们还需要不断探索和创新，以应对提示工程面临的挑战和问题。

《ChatGPT进阶：提示工程入门》

在这里插入图片描述

爆火全网的原创提示词设计框架BROKE，带你5步掌握向人工智能提问的艺术，从小白变身ChatGPT应用专家，将AI转化为生产工具，重塑你的工作流！

系统：全面剖析ChatGPT应用技巧，带你从小白变身ChatGPT应用专家。
实用：内含开箱即用的“提示公式”，聚焦ChatGPT实际应用。
有思路，有办法，能落地：带你将ChatGPT真正转化为生产力，开启AI驱动的工作流程。
简单易读：深入浅出，循序渐进，内含60 个示例，适合初学者和进阶读者。
深度：理论结合实际，涵盖提示工程学科深度讨论，授人以鱼更授人以渔。

内容简介

本书是一本面向所有人的提示工程工具书，旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。学习完本书后，你将能够自如地将ChatGPT运用在生活和专业领域中，成为ChatGPT进阶玩家。
本书共分为9章，内容涵盖三个层次：介绍与解读、入门学习、进阶提升。第1～2章深入介绍与剖析了ChatGPT与提示工程，并从多个学科的角度探讨了提示工程学科。第3～5章演示了ChatGPT的实际运用，教你如何使用ChatGPT解决自然语言处理问题，并为你提供了一套可操作、可重复的提示设计框架，让你能够熟练驾驭ChatGPT。第6～9章讲解了来自学术界的提示工程方法，以及如何围绕ChatGPT进行创新；此外，为希望ChatGPT进行应用开发的读者提供了实用的参考资料，并介绍了除ChatGPT之外的其他选择。
本书聚焦ChatGPT的实际应用，可操作，可重复，轻松易读却不失深度。无论你是对ChatGPT及类似工具充满好奇，还是期待将其转化为生产力，本书都值得一读。此外，本书还可作为相关培训机构的教材。

作者简介

陈颢鹏：

提示工程师，AI产品经理，毕业于北京邮电大学计算机学院。曾在滴滴自动驾驶、图森未来、字节跳动、美团等公司积累了行业经验，现就职于一家AI领域的独角兽公司。作为ChatGPT发布后的初期用户，他运用该技术重塑了工作流程，显著提高了工作效率，发明的ChatGPT提示设计框架在小红书（ID：陈财猫）上获得了40000 赞与收藏，被多次转载，并在多家公司内部被广泛分享。他负责本书主体内容的写作。

李子菡：

硕士就读于香港科技大学计算机与工程系，本科毕业于北京邮电大学。研究的领域涉及大语言模型和Prompt，参与相关工作已在自然语言处理领域学术会议ACL上发表，对人工智能领域及各种语言模型有着深入的了解。她是本书的科研顾问，参与了第一章的写作，并对本书进行了审阅。

目录

第1章 认识ChatGPT

1.1 ChatGPT是什么

1.1.1 什么是语言模型

1.1.2 什么是GPT

1.2 ChatGPT的能力

1.2.1 GPT-4有多强

1.2.2 大语言模型的“涌现”能力

1.2.3 “GPT们”会抢走我们的工作吗

1.3 ChatGPT的局限

1.3.1 大语言模型的“幻觉”现象

1.3.2 有限的上下文：ChatGPT的“失忆症”

1.3.3 隐私漏洞与安全隐患

1.3.4 大语言模型的偏见

第2章 人机共舞的艺术：提示工程简介

2.1 什么是提示与提示工程

2.1.1 什么是提示

2.1.2 什么是提示工程

2.2 提示工程的巨大威力：从Let’s think step by step说起

2.3 我们与ChatGPT的沟通模型

2.4 从人工智能学科角度看提示工程

2.4.1 技术奇点与智能增强：人类需要学会与人工智能合作

2.4.2 对齐：如何避免人工智能毁灭世界

2.4.3 弥达斯国王问题：我们想要的就是我们的真实需求吗

2.5 拆解、标准化、流程化：如何用AI改造工作

第3章 使用ChatGPT的基础技巧

3.1 使用文本分隔符分割指令和上下文

3.2 使用标记语言标记输入格式

3.3 使用有序列表与无序列表列出不同的项

3.4 量化你的要求

3.5 不要说“不要做什么”，要说“要做什么”

3.6 利用ChatGPT“接龙”的特性引导下一步动作

3.7 多轮对话：ChatGPT“越用越聪明”的秘诀

3.8 使用ChatGPT插件

第4章 使用ChatGPT完成自然语言处理任务

4.1 什么是自然语言处理任务

4.2 文本摘要：提炼文本精华

4.2.1 文本摘要的提示公式

4.2.2 用文本摘要+ChatGPT进行论文阅读

4.2.3 用文本摘要+ChatGPT做会议记录

4.3 文本纠错：检测和修正文本错误

4.4 情感分析：挖掘文本中的情感倾向

4.4.1 情感分析任务的提示公式

4.4.2 场景示例：批量分析外卖评论，寻找经营改进点

4.5 实体识别：抽取特定实体

4.5.1 实体识别任务的提示公式

4.5.2 示例：从简历中提取关键信息

4.5.3 ChatGPT+实体识别+5W1H快速阅读复杂文本

4.6 机器翻译：跨语言的文本转换

4.6.1 机器翻译任务的提示公式

4.6.2 用ChatGPT翻译诗歌

4.7 关键词抽取：从文本中识别主题

4.7.1 关键词抽取任务的提示公式

4.7.2 用ChatGPT抽取论文摘要关键词

4.8 问题问答：用ChatGPT学知识

4.8.1 用类比学习复杂概念

4.8.2 小朋友也能听得懂的故事解释法

4.8.3 如何减少ChatGPT的“幻觉”

4.9 生成式任务：用ChatGPT做内容创作

4.9.1 生成式任务的提示设计维度

4.9.2 用ChatGPT写深度评论文章

第5章 使用BROKE框架设计ChatGPT提示

5.1 BROKE框架

5.1.1 BROKE框架的基本内容

5.1.2 用BROKE框架让ChatGPT介绍BROKE框架

5.2 背景（Background）：信息传达与角色设计

5.2.1 让ChatGPT向使用者提问，分析问题背景

5.2.2 给ChatGPT尽可能多的原始信息

5.2.3 用符合直觉与经验的方式设计问题背景

5.3 角色（Role）：AI助手的角色扮演游戏

5.4 目标与关键结果（Objectives&Key Results）：给ChatGPT“打绩效”

5.4.1 如何设计目标

5.4.2 如何设计关键结果

5.5 改进（Evolve）：进行试验与调整

5.6 示例：写自动驾驶出租车试乘报告框架

5.7 从认知心理学角度看BROKE框架的设计

第6章 使用ChatGPT的进阶技巧

6.1 使用分治法让ChatGPT完成大而复杂的任务

6.1.1 如何将分治法应用到ChatGPT提示设计中

6.1.2 用ChatGPT+分治法写长篇科幻小说

6.1.3 示例：使用ChatGPT完成复杂程序代码

6.2 上下文学习：为ChatGPT提供范例

6.2.1 上下文学习的基本步骤

6.2.2 示例：规定回复格式，让ChatGPT当英语外教陪聊

6.3 用链式思维提高ChatGPT的逻辑能力

6.4 自一致性：利用“投票”获得可靠答案

6.5 知识生成提示

第7章 如何用ChatGPT进行创新

7.1 组合式创新

7.2 ChatGPT+领域知识

7.2.1 ChatGPT+心理学：设计更容易被填写的问卷

7.2.2 ChatGPT+逻辑学：用谓词逻辑提取文字中的命题

7.2.3 ChatGPT+管理学+心理学+社会学：用多领域理论优化管理策略

7.3 ChatGPT+工具

7.3.1 ChatGPT+Mermaid：用ChatGPT画时序图

7.4 ChatGPT+其他AI工具

7.5 用ChatGPT做数据分析

7.5.1 用ChatGPT做数据分析可以利用的工具

7.5.2 用ChatGPT做数据分析的注意事项

7.5.3 示例：使用ChatGPT选择算法并设计数据集

第8章 基于ChatGPT进行开发

8.1 ChatGPT API：利用ChatGPT制作自己的应用

8.1.1 什么是API

8.1.2 API的参数：如何造就疯癫赛博诗人

8.2 LangChain：大语言模型开发框架

第9章 ChatGPT的替代品们

9.1 Claude：ChatGPT的孪生姐妹

9.2 PaLM 2：来自谷歌的实力对手

9.3 HuggingChat：“抱抱脸”聊天机器人

9.4 ChatGLM：来自清华大学的语言模型

9.5 Alpaca&Vicuna：语言模型之羊驼家族

9.6 其他大语言模型

9.6.1 文心一言：百度的聊天机器人

9.6.2 讯飞星火：科大讯飞的聊天机器人

9.6.3 通义千问：阿里巴巴的聊天机器人

参考文献

获取方式

京东：https://item.jd.com/14098844.html
当当：http://product.dangdang.com/29612772.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1257552.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

数智赋能 锦江汽车携手苏州金龙打造高质量盛会服务

数智赋能 锦江汽车携手苏州金龙打造高质量盛会服务

作为一家老牌客运公司，成立于1956年的上海锦江汽车服务有限公司（以下简称锦江汽车），拥有1200多辆大巴和5000多辆轿车，是上海乃至长三角地区规模最大的专业旅游客运公司。面对客运市场的持续萎缩，锦江汽车坚…
阅读更多...
不用再羡慕“SpaceX“ 民营星际荣耀打造国产可回收火箭双曲线二号

不用再羡慕“SpaceX“ 民营星际荣耀打造国产可回收火箭双曲线二号

大家好，我是极智视界，欢迎关注我的公众号，获取我的更多前沿科技分享 邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码和资源下载，链接：https://t.zsxq.com/0aiNxERDq 大家似乎习惯了对马…
阅读更多...
PDF不小心关闭没保存？这4个方法教你拯救文件！

PDF不小心关闭没保存？这4个方法教你拯救文件！

“我刚刚在查看一个PDF文件，但是一不小心我就把它关闭了，而且我还忘记保存了。这可怎么办呢？PDF不小心关闭没保存应该怎么解决呢？还有办法恢复吗？” PDF文档是我们日常工作和学习中常用的文件格式，但有时候…
阅读更多...
QQ录屏保存到哪了？教你快速找到保存位置

QQ录屏保存到哪了？教你快速找到保存位置

qq录屏是许多用户常用的屏幕录制工具，可是一旦录制结束，许多人不清楚如何找到和管理录制的视频文件。那么，您知道qq录屏保存到哪了吗？本文将深入研究qq录制视频功能，以帮助您了解如何存储和管理这些重要的录制视频文件…
阅读更多...
【Android Gradle】之一小时 Gradle及 wrapper 入门

【Android Gradle】之一小时 Gradle及 wrapper 入门

😄作者简介： 小曾同学.com,一个致力于测试开发的博主⛽️，主要职责：测试开发、CI/CD 如果文章知识点有错误的地方，还请大家指正，让我们一起学习，一起进步。 😊 座右铭：不…
阅读更多...
【算法萌新闯力扣】：合并两个有序链表

【算法萌新闯力扣】：合并两个有序链表

力扣题目：合并两个有序链表 开篇 今天是备战蓝桥杯的第24天及算法村开营第2天。根据算法村的讲义，来刷链表的相关题目。今天要分享的是合并两个有序链表。 题目链接: 21.合并两个有序链表 题目描述 代码思路 通过创建一个新链表，然后遍历…
阅读更多...
DEM分析

DEM分析

一、实验名称： DEM分析 二、实验目的： 通过本实验练习，掌握DEM的建立与应用基本方法。 三、实验内容和要求： 实验内容： 利用ARCGIS软件相关分析工具及实验数据，创建DEM，并计算相应坡度的区…
阅读更多...
Android 单元测试初体验

Android 单元测试初体验

Android 单元测试初体验 前言一、单元测试是什么？二、简单使用1.依赖2.单元测试代码简单模版及解释 总结 前言 当初在学校学安卓的时候，老师敢教学进度，翻到单元测试这一章节的时候提了两句，没有把单元测试当重点讲，只…
阅读更多...
文章解读与仿真程序复现思路——电力自动化设备EI\CSCD\北大核心《考虑碳排放分摊的综合能源服务商交易策略》

文章解读与仿真程序复现思路——电力自动化设备EI\CSCD\北大核心《考虑碳排放分摊的综合能源服务商交易策略》

这篇文章的标题表明它将讨论一个关于综合能源服务商交易策略的主题，而在这个策略中，特别考虑了碳排放分摊的因素。以下是对标题中各关键词的解读： 综合能源服务商： 这指的是在能源领域提供多种服务的企业或组织，可能涵…
阅读更多...
https到底把什么加密了?

https到底把什么加密了?

首先直接说结论， https安全通信模式，是使用TLS加密传输所有的http协议。再重复一遍，是所有！ 通常将TLS加密传输http这个通信过程称为https，如果使用协议封装的逻辑结构来表达就是： IP TCP TLS 【 HTTP 】…
阅读更多...
算法效率的度量

算法效率的度量

算法效率的度量通常是通过时间复杂度和空间复杂度来描述的。 一、时间复杂度 算法中所有语句的执行次数之和为T(n)，它是算法问题规模n的函数，时间复杂度主要分析T(n)的数量级。 分类 1. 最好时间复杂度：最好情况下，算法的时间…
阅读更多...
python subprocess

python subprocess

查看python官方文档：最全 p subprocess.Popen([rpng2bdf.exe,[r-o .\tst\myfont.bdf -f myfont -e 65 tst\*.png]],stdoutsubprocess.PIPE,stderr subprocess.PIPE) out,err p.communicate() print(out) 注意，如何将shell命令分解为参数序列可能并…
阅读更多...
HT97226 免输出电容立体声耳机放大器的应用与曲线

HT97226 免输出电容立体声耳机放大器的应用与曲线

HT97226应用： ・耳机 ・多媒体音频接口 ・机顶盒 ・ 蓝光/DVD播放器 ・LCD电视 ・音频消费电子产品 HT97226应用图于曲线： HT97226是一款差分输入/单端输入、可直接输出驱动的耳机放大器。5V供…
阅读更多...
CentOS添加开机启动

CentOS添加开机启动

1.编写项目启动脚本（run.sh） #!/bin/bash-切换到程序所在路径 cd /home/cavs_install/app/cavs-admin/target/ # 等待其他组件启动完毕后再启动本项目（如果不需要等待，本步骤可省略） sleep 300 # 实际启动命令 nohup …
阅读更多...
Python Xorbits库：实现无限可能的编程旅程

Python Xorbits库：实现无限可能的编程旅程

概要 Python Xorbits是一个强大而多功能的开源Python库，为开发者提供了实现创新和复杂计算的能力。它提供了各种功能和工具，帮助开发者在编程旅程中探索无限可能。本文将详细介绍Python Xorbits的用途和使用教程，帮助读者了解和掌握这个令人…
阅读更多...
网络运维与网络安全 学习笔记2023.11.27

网络运维与网络安全 学习笔记2023.11.27

网络运维与网络安全 学习笔记 第二十八天 今日目标 OSPF基本原理、OSPF单区域配置、OSPF多区域配置 特殊区域之Stub、特殊区域之NSSA OSPF基本原理 项目背景 随着企业的发展，网络的规模越来越大，网段的数量越来越多，公司内部的路由器的…
阅读更多...
聚观早报 |智界S7首发无人代客泊车；仰望U9内饰公开

聚观早报 |智界S7首发无人代客泊车；仰望U9内饰公开

【聚观365】11月27日消息 智界S7首发无人代客泊车 仰望U9内饰公开 微信医保码上线四周年 梦饷科技与纳维凯尔达成战略合作 百度地图升级AI向导功能 智界S7首发无人代客泊车 在11月9日的华为智慧出行解决方案发布暨智界S7新品预售发布会上，余承东宣布&#xff…
阅读更多...
【Android知识笔记】性能优化专题（四）

【Android知识笔记】性能优化专题（四）

App 线程优化 线程调度原理 任意时刻，只有一个线程占用CPU，处于运行状态多线程并发：轮流获取CPU使用权JVM负责线程调度：按照特定机制分配CPU使用权线程调度模型 分时调度模型：轮流获取、均分CPU时间抢占式调度模型：优先级高的获取，JVM采用Android线程调度 nice值：Proc…
阅读更多...
ES6模块化暴露与引入

ES6模块化暴露与引入

一、暴露 1.分布暴露 2.统一暴露 3.默认暴露 二、引入 1.通用引入 2.解构赋值形式 3.简便形式 只针对默认暴露 4.动态引入 hello.js export function hello() {alert(Hello); }
阅读更多...
Camunda资料学习

Camunda资料学习

CSDN参考博客：https://blog.csdn.net/leyoliu/category_12001501.html Camunda-热门工作流引擎框架 Lecture：波哥 一、工作流相关介绍 BPM(BusinessProcessManagement)，业务流程管理是一种管理原则，通常也可以代指BPMS(BusinessP…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023