ChatGPT调教指南 | 咒语指南 | Prompts提示词教程（三）

news/发布时间2024/5/14 9:13:14

在这里插入图片描述
在人工智能成为我们日常互动中无处不在的一部分的时代，与大型语言模型(llm)有效沟通的能力是无价的。“良好提示的26条原则”为优化与这些复杂系统的交互提供了全面的指导。本指南证明了人类和人工智能之间的微妙关系，强调清晰、专一和结构化的沟通方法。从鼓励直来直去的提问到整合目标受众，每一个原则都是制作提示的基石，以产生准确和相关的回答。

这些原则的范围从分解复杂任务的简单性到匹配所提供文本的风格和基调的复杂性。他们强调了类人对话的语气、无偏见的回应和处理复杂编码辅助的能力的重要性。这些指导方针不仅是关于获取信息，而且是关于促进交互式和迭代学习过程。通过坚持这些原则，用户可以将他们与llm的交互从单纯的事务转换为有意义的对话。

无论是通过使用肯定的语言、结合示例驱动的提示，还是规范文本生成的详细说明，每一条原则都在提高提示的有效性方面发挥着关键作用。对于任何希望处理与llm通信的复杂性的人来说，本指南都是一个必不可少的工具，确保每个交互都得到优化以获得成功。

将这些原则纳入您的提示中，不仅提高了回答的质量，而且有助于更有效和高效地使用人工智能技术。当我们继续探索人- ai交互的边界时，“良好提示的26条原则”就像一座灯塔，引导我们与大型语言模型进行更有效、更有意义的接触。

开门见山：不需要礼貌（“请”、“谢谢”等）。直接获取您想要的内容。
受众整合：在提示中指定目标受众，例如“受众是该领域的专家”。
简化复杂任务：在交互式对话中将复杂任务分解为一系列更简单的提示。
使用肯定性语言：使用“做”等肯定性指令，避免使用“不”等否定性语言。
寻求清晰或更深入的理解：利用提示要求用简单的术语进行解释，对于初学者来说，或者就像向孩子解释一样。
通过小费激励：提及小费以获得更好的解决方案，尽管这在大多数法学硕士背景下更为假设。
示例驱动的提示：通过在提示中包含示例来使用几次提示。
格式：以“###Instruction###”开头，然后是“###Example###”或“###Question###”，然后是您的内容。
明确的指示：使用“您的任务是”和“您必须”等短语来清楚地定义任务。
提及惩罚：虽然更具假设性，但陈述“你将受到惩罚”设定了任务完成的严肃性。
自然、类人的响应：请求响应以模仿自然的人类对话。
逐步思考：鼓励模型逐步思考流程。
无偏见的回答：通过在提示中指定这一点，确保答案没有偏见，并且不依赖刻板印象。
迭代提问：允许模型向您提出问题以进行澄清，直到它有足够的信息来准确响应。
测试教学：要求模型教你一个主题并测试你，而不预先提供答案。
角色分配：为法学硕士分配特定角色以指导他们的反应。
使用分隔符：清晰地分割提示的不同部分。
重复强调：重复特定的单词或短语以强调其重要性。
Chain-of-Thought with Few-Shot：将思想链推理与少样本示例相结合，以完成复杂的推理任务。
输出引物：以所需输出的开头结束提示，以指导模型的响应。
文本生成详细说明：提供编写任务的全面详细信息，以获得信息丰富的内容。
不改变风格的文本修改：要求在不改变原始写作风格的情况下改进语法和词汇。
复杂编码协助：对于跨越多个文件的编码任务，指示模型生成自动创建或修改文件的脚本。
继续提示：开始一段文本并要求模型继续，确保与提供的开头一致。
具体要求：明确说明模型必须遵循的任何要求或准则。
风格模仿：对于旨在模仿给定样本风格的任务，指示模型匹配所提供文本的语言和语气。

总而言之，“良好提示的26条原则”是任何人与llm交互的关键框架。通过遵循这些指导方针，用户可以确保他们的提示是明确的，具体的，并有效地定制，以从人工智能中引出最准确和相关的回答。