Prompt Engineering，提示工程

什么是提示工程？

提示工程也叫【指令工程】。

• Prompt发送给大模型的指令。比如[讲个笑话]、[用Python编个贪吃蛇游戏]、[给男/女朋友写情书]等
• 看起来简单，但上手简单精通难
  • [Propmpt]是AGI时代的[编程语言]
  • [Propmpt]是AGI时代的[软件工程]
  • [提示工程]是AGI时代的[程序员] 
• 学会提示工程，就好比学会使用电脑学鼠标、键盘一样，是AGI时代的基本技能
• 提示工程[门槛低，天花板高]，所以有人对称prompt为[咒语]
• 但专门的[提示工程师]不会长久，因为每个有都要会[提示工程],AI的进化会让提示工程越来越简单

如果人人都会，那我们应该如何建立优势？

1、我们要懂原理，会把AI当人看，所以知道:

• 为什么有的指令有效，有的指令无效

• 为什么同样的指令有时有效，有时无效
• 怎么提升有效的概率 

2、我们懂编程

• 知道哪些问题用提示工程解决更高效，哪些用传统编程更高效

• 能完成和业务系统的对接，把效能发挥到极致 

Prompt的典型构成 

不要固守[模版]。模版的价值是提醒我们加漏掉什么，而没有必要遵守模板才行。

角色：给AI定义一个最匹配任务的角色。比如:[你是一个软件工程师]  [你是一个小学老师]

指示:对任务进行描述

上下文:给出与任务相关的其它背景信息（尤其在多轮交互中）

例子：必要时给出格式描述，以便后继模块自动解析模型的输出结果，比如(JSON\XML)

[定义角色]为什么有效?

• 模型训练者也没想过会这样，完全是大家[把Ai当人看]玩出一个用法

• 实在传得太广,导致现在的大模型训练数据里充满了角色定义，所有更有效了

• 有一篇论文的现象，可以说明为啥[你是一个xxx]特别有效 

大模型对prompt开头和结尾的内容更敏感 

先定义角色，其实就是在开关把问题域收窄，减少二义性。 

• 大模型如何使用长上下文信息？斯坦福大学最新论文证明，你需要将重要的信息放在输入的开始或者结尾处！
• Lost in the Middle: How Language Models Use Long Contexts

对话系统的基本模块和思路

核心思路：

• 把输入的自然语言对话，转成结构化的表示
• 从结构化的表示，生成策略
• 把策略转成自然语言转出