提示词
提示工程学是一门相对较新的学科，用于开发和优化提示，以便高效地利用语言模型（LM）来进行各种应用和研究主题。提示工程技能有助于更好地了解大型语言模型（LLM）的能力和限制。研究人员使用提示工程来改善LLM在各种常见和复杂任务上的能力，例如问答和算术推理。开发人员使用提示工程来设计与LLM和其他工具接口的强大和有效的提示技术。
本文主要介绍标准提示的基础知识，以提供指导如何使用提示与大语言模型（LLM）进行交互。
提示的组成要素
提示主要包含以下组成部分：
- • 指令 - 您想让模型执行的具体任务或指令
- • 上下文 - 可以涉及外部信息或附加上下文，可以引导模型做出更好的响应
- • 输入数据 - 是我们有兴趣找到响应的输入或问题
- • 输出指示 - 表示输出的类型或格式。
并非所有组成部分都是提示所必需的，格式取决于手头的任务。我们将在后面发布的指南中涉及更多具体的示例。
提示词的通用设计技巧
指令
通过使用指令来指导模型进行各种简单任务的设计，例如“写入”、“分类”、“总结”、“翻译”、“排序”等。尝试使用不同的指令、关键字、上下文和数据，看看什么对您的特定用例和任务最有效。通常，上下文对于您尝试执行的任务越具体和相关，效果越好。建议将指令放在提示的开头。建议使用一些清晰的分隔符，如“###”，来分隔指令和上下文。
例如：
Prompt:
###指令###
将下面的文本翻译成西班牙语：
文本：“嗨！”
Output：
Texto: "¡Hola!"
具体的
我们输入的指示和任务上要非常具体，提示越详细，结果就越好，尤其是我们在要求大模型以特定格式或风格给我们返回内容时。需要注意的是，详细而具体的提示并不是越长越好，因为大模型的输入长度存在一定的限制，要尽量避免一些不是很重要的无用细节。
例如，让我们尝试从一段文本中提取特定信息的简单提示。
Prompt：
提取以下文本中的人物。
期望格式：
人物: {"姓名":"","性别":""}
输入：“姚明（Yao Ming），男，汉族，无党派人士，1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市，前中国职业篮球运动员，司职中锋，现任亚洲篮球联合会主席、中国篮球协会主席、中职联公司董事长兼总经理、十三届全国青联副主席，改革先锋奖章获得者，第十四届全国人大代表。”
Output:
人物: {"姓名":"姚明","性别":"男"}
Few-Shot提示
大语言模型经过大量的数据训练和指令微调，具备了强大的语义分析能力和推理能力。但在处理更复杂的任务时，推理能力仍然表现不足。为了改进这一点，few-shot prompt被用作一种技术，以实现上下文学习，在Prompt中提供演示，以引导模型获得更好的性能。
例如，任务是在一个句子中正确使用一个新词。
Prompt:
示例1:
生物名: 翼火龙
特征: 生活在火山地带，拥有火焰吐息能力，翅膀覆盖着耐高温的鳞片。
分类: 火元素生物
示例2:
生物名: 水灵狐
特征: 居住在深林的溪流旁，能够操控水流，毛发闪耀着水珠般的光泽。
分类: 水元素生物
请根据同样的模式，对以下生物进行分类：
生物名: 光羽兽
特征: 栖息于云之彼端，身体轻盈透明，背上生有能折射阳光形成彩虹的羽毛，以光线为食。
Output:
分类: 光元素生物
我们可以清楚地观察到，模型通过仅提供一个示例（即1-shot）学会了如何执行任务。对于更困难的任务，我们可以尝试增加演示次数（例如3-shot、5-shot、10-shot等）。
CoT思维链
标准的 Few-shot Promp 技术对于许多任务来说表现良好，但在处理更复杂的推理任务时仍然不够完美。当零次提示和少次提示不足时，这可能意味着模型所学到的不足以胜任任务。
所有的推理任务我们都可以给它拆分成几个步骤。换句话说，如果我们将问题分解成步骤，并向模型演示，可能会有所帮助。CoT思维链技术通过中间推理步骤实现复杂的推理能力。您可以将其与 Few-shot Prompting 结合使用，以在需要推理后响应的更复杂任务中获得更好的结果。
例如：
Prompt:
这组数中的奇数加起来是一个偶数：4、8、9、15、12、2、1。
A：将所有奇数相加（9、15、1），得到25。答案是 False。
这组数中的奇数加起来是一个偶数：15、32、5、13、82、7、1。
A:
Output:
这组数中的奇数加起来是一个偶数：15、32、5、13、82、7、1。
A：答案是 False。因为将所有奇数相加（15、5、13、7、1），得到41，是一个奇数，不是偶数。
Zero-Shot CoT
最近提出的一个新思路是Zero-Shot CoT，其基本思想就是将“让我们一步步思考”添加到提示中。让我们尝试一个简单的问题，看看模型的表现如何：
Prompt:
我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下多少苹果？
Output:
我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下6个苹果。
答案是不正确的！现在让我们试试特殊提示的方式。
Prompt:
我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下多少苹果？
让我们一步步思考。
Output:
好的，让我们逐步解决这个问题。
我去市场买了10个苹果。
剩余苹果数：10个。
我给了邻居2个苹果和给修理工2个苹果。
剩余苹果数：6个。
然后我又去买了5个苹果。
剩余苹果数：11个。
并吃了1个。
剩余苹果数：10个。
所以，最后我还剩下10个苹果。
实际上，这个简单的提示在这个任务上非常有效，令人印象深刻。这在您没有太多示例可用于提示的情况下特别有用。
Text2SQL提示词
以Text2QSL的具体任务为例：
【系统提示词】：你是一个IT开发工程师。在这个任务中，你的目标是将自然语言问题转换为有效的SQL查询语句。请仔细分析问题，逐步推理出所需的数据库表格、列名、以及
必要的SQL操作（如SELECT, FROM, WHERE, JOIN等），并确保遵循SQL语法规范。
【COT思维链】：当你处理每个问题时，想象你在心中逐步构建SQL查询的过程。
1、首先，先确定查询的目标是什么（即SELECT部分）；
2、然后，考虑从哪个表获取这些信息（FROM部分），以及是否有任何特定条件需要过滤结果（WHERE部分）；
3、如果涉及到多个表的关联，请明确它们之间的连接条件。
【表结构信息】：{
CREATE TABLE Books (
id INT AUTO_INCREMENT PRIMARY KEY COMMENT '主键',
title VARCHAR(255) NOT NULL COMMENT '图书标题',
author VARCHAR(255) NOT NULL COMMENT '图书作者',
isbn CHAR(13) UNIQUE NOT NULL COMMENT '图书ISBN号',
publication_date DATE NOT NULL COMMENT '出版日期',
category VARCHAR(100) NOT NULL COMMENT '图书类别'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='图书记录';
};
【样例数据】: {
"title": "示例图书",
"author": "作者名字",
"isbn": "1234567890",
"publication_date": "2023-04-01",
"category": "小说"
};
【Few-Shot示例】：[
{
"提问":"找出所有在2023年出版的书籍。",
"响应":"SELECT title FROM Books WHERE year(publication_date) = '2023'"
},
{
"提问":"找出所有在2023年出版的书籍，并按照出版日期排序。",
"响应":"SELECT title FROM Books WHERE year(publication_date) = '2023' ORDER BY publication_date"
}
]
【用户指令】：{question}
【响应格式】：请以SQL代码的形式提供您的答案，确保它直接回答了上述问题，并且遵循正确的SQL语法。
如何学习大模型
现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。
作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。
我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。
一、AGI大模型系统学习路线
很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。
二、AI大模型视频教程
三、AI大模型各大学习书籍
四、AI大模型各大场景实战案例
五、结束语
学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。
再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。
因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。
