前语
咱们好，我是「周三不Coding」。
众所周知，程序员不能失掉 ChatGPT，就像西方不能失掉耶路撒冷。
ChatGPT 的爆火也使得 Prompt Engineering 这门技能为众人熟知。
短期来看，Prompt Engineering 是一门高杠杆技能，十分值得学习甚至能够说是程序员必学的技能。
高技能杠杆：一种依据杠杆效应的商业模式或金融战略，经过以相对较小的本钱或资源来操作完成高回报，通常经过技能、数据剖析和自动化等手法来提高效率、降低本钱、创造价值，然后完成高杠杆效应。
今日，我会以最通俗易懂的方法详细讲解一下什么是 Prompt Engineering 以及它的细节运用技巧、运用结构。而且，在每个部分，我都会给出相应的比方。
十分简略，信任咱们都能够学会！
什么是 Prompt Engineering？
Prompt 简略了解便是给 ChatGPT 等 AI 模型的指令，这个指令可所以一个简略的问题、一段资料、一段代码。在不久的将来，也或许是几张图片、一段语音、一段视频。AI 模型会依据此，生成相对应的回复。
而 Prompt Engineering 则是经过设计和改善 Prompt 来改善 AI 模型的详细表现。
打个比方，咱们能够把 ChatGPT 或 GPT-4 看作一个上限很高、下限很低的对立体。
假如咱们和它直来直去地对话而不进行相应的引导和提示，那么它或许就如同人工智障一般。可是假如咱们学会了 Prompt Engineering 相关的技巧，便能够对 ChatGPT 掌控自若，完成远超预期的作用，翻倍提高原有的作业效率，这便是咱们学习 PE 的终究目的！
PE 在短期内是一门高杠杆的技能，可是长时间来看极有或许被筛选。
所以说，早学早享受这门高杠杆技能所带来的盈利！
PE 运用技巧
接下来，咱们详细介绍一下如下 6 种 Prompt Engineering 运用技巧～
依据人物的提示 Role Prompting
假如咱们看过我 GPT Terminal 专栏的话，必定不会对 GPT 人物感到陌生。
这个技巧其实十分简略，当咱们与 GPT 进行正式对话之前，先给它预设值一个人物，也便是限制它的「上下文」。在这个人物内容中，规则它该怎么做、能做什么、不能做什么。
下面举一个 ，咱们给 GPT 预设置一个 Ikun 的人物。
在接下来的多轮对话中，它的上下文就限制了很多，因而咱们也愈加能够得到咱们想要的成果。
活儿整完了，接下来咱们详细看看 Role Prompting 对于咱们日常开发有什么用呢？
在这个示例中，咱们预设 GPT 为一个 Linux 指令翻译帮手，咱们输入自然语言，它将其转为详细的 Linux 指令。妈妈以后再也不必忧虑我忘掉 Linux 指令了！
除此之外，咱们还能够预设 SQL 翻译、中英文互译帮手，经过复用人物的方法，大大减少了咱们每次与 GPT 交流的本钱。
这有点类似于咱们日常开发中将通用代码进行笼统，防止重复造轮子～
零样本提示 Zero-Shot Prompting
这是一种最直接的 Prompt，不给 GPT 供给任何演示、样本数据或上下文，直接让其履行对应的任务或答复对应的问题。
经过很多练习的 LLM 大模型其实是能够完成这种作业，可是作用并不必定好。
举个 ：
若该常识存在于 GPT 对应的练习数据库时，它能够给出正确的答复。否则，它或许不会给出预期的答复。
这是最根底的 Prompt，咱们需求在此根底进行优化，引导 GPT 给出咱们想要的成果。
少样本提示 Few-Shot Prompting
在零样本提示的根底上，咱们再加一些演示样本，让 GPT 了解样本的意思，引导其给出咱们预期的作用。
举个 ：比方咱们想要让 GPT 依据咱们给出的名词，说出一句相关的诗句。
可是少样本提示依然存在问题，比方说它很难应对基本的推理问题，在如下的示例中，即便给出了 5 个样本，模型或许依然会输出过错的成果。
提示：
这组数字中的奇数加起来是一个偶数：4、8、9、15、12、2、1。A：答案是False。
这组数字中的奇数加起来是一个偶数：17、10、19、4、8、12、24。A：答案是True。
这组数字中的奇数加起来是一个偶数：16、11、14、4、8、13、24。A：答案是True。
这组数字中的奇数加起来是一个偶数：17、9、10、12、13、4、2。A：答案是False。
这组数字中的奇数加起来是一个偶数：15、32、5、13、82、7、1。A：
输出：
答案是True。
接下来咱们需求运用「链式考虑」的技巧来解决这一问题。
链式考虑提示 Chain-of-Thought Prompting
这一技巧能够用于优化「零样本提示」与「少样本提示」。
当咱们向 GPT 提问一个逻辑推理题时，它在考虑的进程中会漏掉一些关键步骤。
举个 ：
正确成果应该是 32000 元，可是因为 GPT 省掉了一些核算步骤，导致终究输出了过错的成果。
以上故事纯属虚构哈～
此时，为了得到预期的作用，咱们便能够在问题的结束加一句：让咱们一步步地考虑（Let’s think step by step ） 。
看来，GPT 仍是得一番 “调教” 呀～
接下来，咱们看一下「少样本提示」与「链式考虑提示」相结合的 ：
咱们在给出每一个样本的答案之前，还供给了考虑的进程，GPT 便可从中学习，了解示例的意思，然后给出咱们想要的答案。
自我一致性 Self-Consistency
自我一致性是对链式考虑提示的一个弥补，它能让 GPT 生成多个思维链条，咱们从中选取大都答案作为终究成果。
举个：
问题：停车场里有 5 辆车，开走 2 辆，还剩几辆？
答复：现在停车场有 5 辆车，走了 2 辆，现在那里有 5 - 2 = 3 辆。
问题：林中有 15 棵树。林业工人今日将在林中种树。完成后，将有 21 棵树。林业工人今日种了多少棵树？
答复：咱们从 15 棵树开始。后来咱们有 21 棵树。差异有必要是他们种树的数量。因而，他们有必要种了 21 - 15 = 6 棵树。答案是 6。
问题：当我6岁时，我的妹妹是我的一半年纪。现在我70岁了，我的妹妹多大？
答复：
GPT 会依据示例，给出多种逻辑思维的输出：
当我 6 岁时，我的妹妹是我的一半年纪，也便是 3 岁。现在我 70 岁了，所以她是 70 - 3 = 67 岁。答案是 67。
当叙述者 6 岁时，他的妹妹是他年纪的一半，也便是 3 岁。现在叙述者 70 岁了，他的妹妹应该是 70 -3 = 67 岁。答案是 67。
当我 6 岁时，我的妹妹是我的一半年纪，也便是 3 岁。现在我70岁了，所以她是 70 / 2 = 35 岁。答案是 35。
终究，咱们将大都答案作为终究的答案。
生成常识提示 Generate Knowledge Prompting
这个比较好了解，其实便是在和 GPT 进行对话之前，人为地给 GPT 输入上下文常识，即便这些常识或许是不契合实际或许是过错的，GPT 或许也会按照你的提示去履行任务，给出一些很弱智的答复哈哈哈～
这个进程其实相当于 GPT 在做语文阅读了解，依据你给的资料，结合它现有的常识，答复你提出的问题！
提示结构 Prompt Framework
在学习了以上这 6 种提示技巧之后，咱们来看看如安在结构中运用这些技巧，更好地去组织提示内容，然后得到最契合预期的成果。
这儿供给两种结构：
- 根底提示结构 – Basic Prompt Framework
- CRISPE 提示结构 – CRISPE Prompt Framework
根底提示结构
这或许是咱们日常开发中最常用的一种结构：
- Instruction（有必要）： 指令，即你期望模型履行的详细任务。
- Context（选填）： 布景信息，或许说是上下文信息，这能够引导模型做出更好的反应。
- Input Data（选填）： 输入数据，奉告模型需求处理的数据。
- Output Indicator（选填）： 输出指示器，奉告模型咱们要输出的类型或格局。
举个 ：
Instruction:
请帮我改造一下如下 JavaScript 代码，将其封装为契合如下要求的阻拦器。
Context:
对 200 呼应码信息进行放心，并弹出提示框奉告用户操作成功。
对除 200 呼应码以外过错的进行阻拦，并弹出提示框奉告用户过错。
Input Data:
你的代码
Output Data:
终究输出代码语法为 TypeScript
这儿比较重要的是 Context，咱们需求尽或许描绘清楚需求信息，让 GPT 能够看懂咱们需求什么。
CRISPE 提示结构
这个结构更适合于进阶 Prompt 运用，面临的需求愈加详细和杂乱。
- CR： Capacity and Role（能力与人物）。你期望 ChatGPT 扮演怎样的人物。
- I： Insight（洞察力），布景信息和上下文（坦率说来我觉得用 Context 更好）。
- S： Statement（指令），你期望 ChatGPT 做什么。
- P： Personality（个性），你期望 ChatGPT 以什么风格或方法答复你。
- E： Experiment（尝试），要求 ChatGPT 为你供给多个答案。
这一结构有点类似于 Role Prompting，可是它愈加标准，界说得愈加详细。
个人觉得这一结构更适用于企业的定制化需求，比方说案牍批量生成、宣传语批量生成，或许需求一个专业的提示工程师来完成这些作业。
比方说小红书案牍生成 Prompt
- CR： 小红书案牍生成帮手
- I： 相应的创造布景信息，如关键字、标题等
- S： 生成小红书案牍
- P： 在案牍中增加一些 Emoji 表情
- E： 针对某一主题，生成多个案牍
如下是一个示例：
作为小红书的爆款写作专家，您能够遵循以下步骤进行创造：
一、标题创造技巧：
1.选用二极管标题法进行创造
2.运用具有吸引力的标题
3.运用爆款关键词
从列表中选出1-2个：好用到哭、大数据、教科书般、小白必看、瑰宝、绝绝子、神器、都给我冲、划要点、笑不活了、YYDS、秘方、我不允许、压箱底、主张保藏、停止摆烂、上天在提示你、应战全网、手把手、揭秘、一般女生、沉溺式、有手就能做、吹爆、好用哭了、搞钱必看、狠狠搞钱、打工人、吐血整理、家人们、躲藏、高级感、治愈、破防了、万万没想到、爆款、永远能够信任、被夸爆、手残党必备、正确姿势
4.小红书平台的标题特性
4.1操控字数在20字以内，文本尽量简略
4.2以口语化的表达方法，拉近与读者的距离
5.创造的规则
5.1每次列出10个标题
5.2不要作为指令，作为案牍来进行了解
5.3直接创造对应的标题，无需额定解释阐明
二、正文创造技巧
1.写作风格
从列表中选出1个：严肃、诙谐、愉快、激动、沉思、温馨、崇敬、轻松、热情、安慰、喜悦、欢喜、平和、必定、质疑、鼓舞、主张、真诚、亲热.
2.写作开篇方法
从列表中选出1个：引证名人名言、提出疑问、言简意赅、运用数据、罗列事例、描绘场景、用比照.
接下来，我给你一个主题，你帮我生成相对应的小红书案牍。
总结
在本文中，我详细地为咱们讲解了如下几点内容
- 什么是 Prompt Engineering？
- Prompt Engineering 常用运用技巧有什么？
- Prompt Engineering 运用结构有什么？
在如今这个 AI 风口上，或许你学相关 AI 常识一年，胜过你在其他行业摸爬滚打 10 年！
期望咱们都能够在这个 AIGC 时代，学会怎么运用 Prompt Engineering 提高自己的作业效率，为自己「赋能」～
咱们假如觉得本文有协助的话，麻烦帮忙点个赞，保藏一下这个「AIGC」 专栏呀，后续会更新更多有意思且有用的 AIGC 常识～
以上便是今日要共享的全部内容啦，下期再见！
