Prompt Engineering初学者指南
Prompt Engineering初学者指南' can be condensed as 'Prompt Engineering Beginner's Guide'.
随着ChatGPT和Google的Bard等AI用户增长的爆炸性增长，提示工程正迅速被认识到其价值。如果您不熟悉这个术语，提示工程是一种有效利用基于文本的大型语言模型（LLM）如ChatGPT和Bard的关键技术。
这个过程涉及设计良好的指令或查询，即提示，以引起模型所需的响应。通过提供清晰和具体的提示，您可以引导LLM的输出，改善生成文本的质量和相关性。简而言之，这可能是可行信息和平淡无味的信息之间的区别。
因此，让我们看一下您可以提高提示工程技能的几种方法。
理解LLM的行为
在深入研究提示工程之前，了解您正在使用的AI的行为是很重要的。Bing的AI、ChatGPT和Bard是相似的，但并不相同。其他LLM也是如此。因此，重要的是要注意每个模型都有其优点、缺点和限制。
因此，请确保花时间熟悉典型的响应、倾向和可能的偏见，以便在设计提示时做出更好的决策。
明确目标
在当前的AI模型中，明确是很重要的。记住它们经常缺乏上下文反射。因此，您需要通过定义目标和期望的结果来开始提示。无论是创意写作、回答问题、生成代码还是其他任务，明确的目标将指导您的提示设计，并确保LLM生成相关的响应。如果不明确，您可能会得到无用的生成文本。
使用具体的指令
这是一个重要的问题。在使用LLM时，您要避免模糊或含糊的提示。为了有效，您需要提供具体的指令来引导LLM的响应。您可以通过明确指定格式、上下文或期望的信息来实现这一点，以获得准确和相关的结果。
提供上下文
如上所述，LLM目前缺乏上下文反射。因此，为了让模型提供更多具有上下文意识的响应，您需要提供相关的信息给LLM。这包括但不限于添加引言文本或提供一个起始句子来为生成的文本设置上下文。请记住，您可以添加上下文，但重要的是确保提供的上下文不是多余的信息。
长度控制
有时候当您与AI一起工作时，它可能会给您很多信息，这可能会让人感到不知所措。一个解决办法是使用长度控制技术。当您需要特定长度的响应或您正在寻找的信息最适合被总结时，这是最好的选择。此外，如果您使用API连接到一个LLM，您可以使用长度控制来限制令牌使用量。为此，您可以设置最大令牌限制，或在提示消息中告诉AI何时停止生成文本。
温度和抽样
基于文本的LLM使用抽样来生成响应。调整“温度”参数可以控制输出的随机性。较高的值使文本更多样化，但可能不太连贯，而较低的值使文本更加集中，但重复性更强。通过调整温度来找到适合您用例的合适平衡。
迭代改进
您可以根据LLM的响应迭代地改进提示。您可以观察模型的行为，并修改提示以获得更准确和理想的输出。例如，在ChatGPT中，您可能会发现部分提示并没有提供您要寻找的信息。您可以打开一个新的聊天，稍微修改提示，删除可能不起作用的信息，然后再试一次。这将为您提供未来提示的线索和方向。
实验和学习
就像任何新技能一样，你尝试和创建提示的次数越多，你的水平就会越好。这就是为什么有效的提示工程通常涉及实验和从语言模型的行为中学习。这适用于不同的模型，因为如果你将一个提示输入ChatGPT，它可能会产生不同的结果，如果输入Bard也是如此，反之亦然。所以不要害怕迭代你的提示，并观察不同的指令如何影响输出以实现所需的结果。
你可能会发现一个提示在一段时间内效果不错，但随着模型的进一步发展，生成的文本质量可能会发生变化，可能变得更好或更差。所以要敢于尝试不同的方法。
结论
正如你所见，通过将提示工程纳入与基于文本的语言模型的交互中，你可以有效地塑造它们的回应方式。所以请记住，遵循本指南中概述的原则，愿意继续学习。因为当你这样做时，你会提高生成文本的质量和相关性，更高效地实现你的目标。
就像任何技能一样，重要的是向该领域的专家学习，ODSC West将提供令人惊喜的机会，研讨会，讲座和活动，不仅可以帮助你提升提示工程的能力，还可以帮助你在这个不断发展的领域中制定前进的道路。
所以赶快获取你的通行证，准备好发掘你的提示潜力吧。
