许多开发者最初对大语言模型抱有不切实际的期望,认为它们能完美执行任何任务。实际上,有效的提示工程需要清晰的指令、适当的上下文、必要的约束和明确的输出格式。本文通过"画一只猫"的简单例子,介绍了少样本提示、思维链提示、角色提示和工具增强提示四种核心模式,帮助开发者构建可靠的AI应用,减少输出差异性并提高结果的准确性。
用反向提纲测试你的逻辑。反向提纲是一种通过识别每个段落的要点来评估文章结构的技术。能一目了然地看懂结构,可以帮助你退后一步并评估思想的逻辑流程。
保持提示词简单直接:模型擅长理解和相应简单、清晰的指令,而不需要大量的指导。 当时我对这一条的理解,觉得是为了让o1模型更好的理解我的要求,同时可以加快模型的处理速度,因为模型不需要花费额外的时间去解析复杂的语句。
所谓的提示是指我们给人工智能工具下达的指令,提示用于引导人工智能工具的输出。我们可以把提示想象成现代计算机代码的等价物,只不过提示是用自然语言编写的。与编写传统计算机程序一样,编写的提示也有好坏之分,好的提示可以有效地引导人工智能工具生成所需要的输出,不好的提示就做不到这一点。
首先考虑企业已经拥有的、或者可以使用的、符合要求的数据和数据集。接下来,你需要决策点透明度,以及信号值来评估可用性、可行性和业务效果等因素,或者潜在表现与竞争对手相比的数据等。