Prompt工程 - 技巧

规范 Prompt 编写

经典的Prompt通常由任务说明，上下文，问题，输出格式等部分中的一个或几个组成。

需要满足要求：

任务说明要明确
- 使用明确的动词：如“判断”、“分类”、“生成”等，避免使用模糊的动词如“处理”或“操作”。
- 具体的名词：例如“积极”和“消极”在情感分类任务中提供了明确的分类标准。
- 简洁明了：任务说明应简洁且直接，避免冗长或复杂的句子结构。
- 结构化布局：在较长的Prompt 中，将任务说明放置在开头和结尾，因为模型通常更关注这些部分的信息。
上下文丰富且清晰
- 丰富：内容的多样性和相关性
- 清晰：要求上下文信息必须与问题紧密相关
输出格式要规范
- 输出结构化，例如JSON等格式
排版要清晰
- 使用合适的分隔符和格式化技巧，将Prompt 的不同组成部分（如任务说明、上下文、问题和输出格式）明确区分开来。

合理归纳提问

两个高级提问策略：“复杂问题拆解”和“追问”。

复杂问题拆解
- 在处理复杂问题时，我们可以将问题分解为更小、更易于理解的子问题，并逐一解决。
  - 分步引导 —— 子问题拆分
  - 归纳总结 —— 子问题合并
追问
- 深入追问
- 扩展追问
- 反馈追问

适时使用CoT

任务类别：需要复杂推理的任务
模型规模：参数规模大的模型，CoT提升效果明显
模型能力：已经历过推理方面的指令微调的大语言模型

善用心理暗示

通过模仿自信和乐观的心态，一个人可以在他们的现实生活中实现这些品质。这种现象不仅局限于人类的行为，积极的心理暗示也可用于激发大语言模型的潜力。这种心理暗示可以通过角色扮演和情景代入的方式传达给大语言模型。

角色扮演
- 通过 Prompt 指导大语言模型扮演特定角色能够显著改善其与角色相关的技能。这种技术被称为角色扮演（Role-Playing），它可使大语言模型能够生成更为准确、角色相关的内容。
情景代入
- 通过情景代入，模型能够深入理解并反映特定情境下的文化社会背景与现实环境，从而生成更加丰富和有深度的回答。