大模型笔记2：提示词工程

提示词工程的概念

提示词工程是为大模型设计精确输入指令的过程，确保模型输出符合预期。它涉及对需求的深度理解、场景分析和结构化的表达，是AI应用的关键环节。

提示词构建过程

1.理解任务需求

2.构建有效提示词

3.评估提示词效果

4.持续迭代改进

构建提示词的技巧

1.直接提问（零样本提示）

不提供案列，完全依靠大模型的理解和处理能力。适用于目标明确、问题简单、答案确定且唯一的场景。

遵循的原则：简介、具体、详细上下文、避免歧义。

2.增加样本（少样本提示）

下面是一个增加样本的例子：

添加样本的技巧：精选代表性的样本、保证样本多样性、使用相似的内容和结构、让大语言模型生成样本。

分配角色

例子：

限定输出风格和格式

这个很好理解，就是限定输出的风格和输出的格式要求。

思维链提示CoT

CoT就是把一个复杂的问题，拆解为多个简单的问题，让大模型分步解决问题。

0样本思维链提示

例子：

少样本思维链

提示词框架的概念

提示词框架可以包含以下任意要素

1.指令instruction:也就是表明要大模型做什么，回答什么问题。

2.背景信息context:为大模型设置背景角色、任务背景等信息。

3.参考样本Examples

4.输入数据

5.输出指示output indicator：指定输出的类型和格式

通用大模型和推理模型的区别