最近大模型方面的发展真是让人耳目一新，从去年底的ChatGPT，到微软的New Bing，再到GPT4，直至Microsoft 365 Copilot，每一个产品的呈现，都在冲击着全世界人类关于AI的想象力。
可是，关于大部分人目前能够体验到的产品，则是ChatGPT类的谈天机器人或许说是人工智能助理。
可是这种基于大模型的人工智能助理绝大部分的时刻也是看人下菜碟，你给他更多更详细的辅导，它就越可能直接给出你答案。
这种更多更详细的辅导，有一个专业的名词，叫做prompt，翻译过来就是提示词。今天这篇文章就给出一些编写prompt的辅导和样例，以辅助大模型生成更令人满意的内容。
Prompt是什么
Prompt是近年来呈现的一个概念，直观上，能够理解为在我们向大模型进行提问时，在问题前后补充一些比方或许布景知识。
为什么需求Prompt
Prompt的主要意图是为了激发出大模型的上下文小样本学习、零样本学习、思维链方面的才能，辅导大模型生成更令人满意的内容。
详细有下面的比方：
在上面的比方中，添加了足够多的布景知识（语言模型是物理学家，听众是六年级的小朋友，要求答案通俗易懂）之后，语言模型给出的答复更贴合上下文的要求。
更多的比方，能够参阅prompts advanced usage。
怎样结构Prompt
Prompt的基本构成
一般情况下，Prompt能够分红以下4个部分：
- Instruction：指引，即要处理的问题类型
- Context：上下文，即问题的布景
- Input Data：输入数据，即详细的问题
- Output Indicator：输出指示，即对输出的一些束缚
需求阐明的是，上述4部份不一定都需求。
比方上面黑洞的那个比方，能够按照下面的分解对应到4个部分：
Instruction: 解释一下什么是黑洞
Context: 假设你是一个物理学家，我呢，是一个六年级小学生
InputData: 解释一下什么是黑洞
Output Indicator: 用尽量简略易懂的语言
Prompt结构的基本原则
Prompt的结构，有一些能够遵循的基本原则：
- prompt能够分步结构，依据得到的答案来调整构成prompt的4部分
- 依据不同的使命，给出不同的提示词（常见的使命类型，下文会给出）
- 布景描述要详细
- 尽量少使用含糊词
常见的使命类型如下：
- 摘要
- 信息抽取
- 问答
- 文本分类
- 对话
- 代码生成
- 推理
详细每种类型对应的常见prompt，详见prompts basic usage。
一些常见的Pompt的样例
目前这些内容网络上查找后会有很多，这儿摘抄几个效果看上去还不错的：
- ChatGPT中文提示词
- Prompt-Engineering-Guide
- awesome-chatgpt-prompts
最终，推荐一个专门做prompt产品的网站——promptperfect.jina.ai/。
本文正在参加人工智能创作者扶持计划
