前言

曾經(jīng)有一批強(qiáng)大的 AI 模型擺在我面前，我卻未曾珍惜，知道發(fā)現(xiàn)別人能夠輕松駕馭它發(fā)揮巨大價(jià)值，才后悔莫及，如果上天給我重來(lái)一次的機(jī)會(huì)，我會(huì)努力學(xué)習(xí)經(jīng)驗(yàn)和技巧，成為第一批熟練駕馭 AI 模型的人!

隨著 ChatGPT 的問(wèn)世，各行各業(yè)深受震撼，國(guó)內(nèi)外各種新的大模型也如雨后春筍般相繼出現(xiàn)。一些對(duì)機(jī)遇反應(yīng)迅速的人已經(jīng)開(kāi)始將 AI 運(yùn)用到學(xué)習(xí)和工作中，甚至已經(jīng)開(kāi)始借助 AI 賺錢(qián)了。

目前市場(chǎng)上的 AI 模型眾多，包括國(guó)外的 ChatGPT、Claude、Bard 等，國(guó)內(nèi)的文心一言、通義千問(wèn)、訊飛星火大模型等?，F(xiàn)階段不是缺少 AI 工具，而是缺乏使用這些工具的經(jīng)驗(yàn)。多人由于缺乏經(jīng)驗(yàn)，用了幾次大模型后發(fā)現(xiàn)回答不符合預(yù)期就感到失望棄之不用，這非?？上?。其實(shí)不同的模型之間能力有差異，但是相同的模型不同人用起來(lái)效果也會(huì)相差很大，這里的關(guān)鍵在于提示詞技巧和使用和業(yè)務(wù)接入過(guò)程中遇到的常見(jiàn)問(wèn)題是否有好的辦法去解決。

雖然現(xiàn)在已經(jīng)進(jìn)入 AI 時(shí)代，已經(jīng)可以用自然語(yǔ)言和模型交互，但對(duì)提示詞的要求還是有點(diǎn)高，在 AI 工具發(fā)展的相對(duì)早期，很多問(wèn)題還沒(méi)有完全解決，很多功能還不完善。在我看來(lái)，現(xiàn)在大多數(shù)人使用大模型存在兩類主要問(wèn)題：

• 一類是提示詞寫(xiě)的不夠好，導(dǎo)致回答不滿意；

• 一類是大模型的使用和接入經(jīng)驗(yàn)不足，很多常見(jiàn)問(wèn)題不知道該如何解決。

提示詞掌握不好，可能會(huì)遇到下面的困惑：

• 大模型的回答總是簡(jiǎn)略、空洞和機(jī)械，怎么辦？

• 大模型的回答總是不能夠按照自己想要的格式輸出，怎么辦？

• 大模型的回答總是不夠完善，怎么辦？

大模型使用技巧掌握不足，可能會(huì)遇到下面的困惑：

• 優(yōu)化了很多版本提示詞，答案總不滿意，怎么辦？

• 想在公司里使用 ChatGPT ，但是又擔(dān)心數(shù)據(jù)泄露，怎么辦？

• 和 AI 多輪對(duì)話之后， AI 似乎忘記了自己的任務(wù)是什么，怎么辦？

• 問(wèn) AI 問(wèn)題，但又擔(dān)心它“說(shuō)假話”，怎么辦？

• 每次都要輸入相似的提示詞，嫌麻煩，怎么辦？

• 收費(fèi)模型有次數(shù)限制（如 GPT-4），如何讓它發(fā)揮更大作用？

業(yè)務(wù)接入大模型的經(jīng)驗(yàn)不足，可能會(huì)遇到下面的問(wèn)題：

• 認(rèn)為大模型是萬(wàn)能的，啥功能都想用大模型來(lái)解決，結(jié)果事倍功半。

• 剛開(kāi)始調(diào)通模型就匆忙上線，導(dǎo)致效果不理想，用戶流失。

• 構(gòu)造人工標(biāo)注太耗費(fèi)時(shí)間。

• 算法工程師不足，開(kāi)發(fā)人員自己訓(xùn)練模型，做了很多優(yōu)化效果都不理想。

如果你也遇到上述問(wèn)題，那么本文將對(duì)你有所幫助。接下來(lái)我將主要介紹如何通過(guò)精準(zhǔn)的提示詞技巧獲得想要的答案，以及在使用大模型使用和接入的過(guò)程中遇到的常見(jiàn)問(wèn)題該如何解決。

很多人試用幾次大模型，得不到想要的答案，頓感失望然后棄之不用。其實(shí)多半是自己的提示詞寫(xiě)的不夠好導(dǎo)致的。網(wǎng)上的提示詞教程五花八門(mén)，要么不成體系，要么過(guò)于復(fù)雜。接下來(lái)將用相對(duì)接地氣的方式，談?wù)勌崾驹~的標(biāo)準(zhǔn)、提示詞該如何寫(xiě)效果更好。

在我看來(lái)，一個(gè)粗略而簡(jiǎn)單的標(biāo)準(zhǔn)就是：你身邊的人是否能夠輕松聽(tīng)懂。如果你寫(xiě)一個(gè)提示詞，還需要?jiǎng)e人再問(wèn)你好幾個(gè)問(wèn)題才能真正明白什么意思，那么這個(gè)提示詞就不是好的提示詞。

好的提示詞應(yīng)該遵循清晰具體，重點(diǎn)突出，充分詳盡的原則。在提示詞中給出他回答問(wèn)題所需要的主要信息，并且清楚具體地告訴它要做什么事情。

2.1.2 提示詞公式

對(duì)于相對(duì)簡(jiǎn)單、通用的任務(wù)，由于模型對(duì)這類任務(wù)通常比較擅長(zhǎng)，一般遵循前面所講的原則直接寫(xiě)提示詞即可

示例 1：

請(qǐng)根據(jù) XXX 起 5 個(gè)有吸引力的標(biāo)題

示例 2：

請(qǐng)幫我找出下面段落中的錯(cuò)別字，段落內(nèi)容為：XXX。

示例 3：

請(qǐng)給我一個(gè) Java 語(yǔ)言實(shí)現(xiàn)策略設(shè)計(jì)模式的示例代碼。

對(duì)于相對(duì)復(fù)雜、專用的任務(wù)，可以參考下面的公式：立角色 + 說(shuō)問(wèn)題 + 定目標(biāo) + 給示例 + 加背景+ 補(bǔ)要求，往往可以得到更好的回答。實(shí)際使用過(guò)程中并非這四項(xiàng)都要有，可以根據(jù)實(shí)際情況進(jìn)行靈活組合。

示例：

我想讓你充當(dāng)我的導(dǎo)游（立角色），我計(jì)劃從青島出發(fā)去杭州旅游，預(yù)算是 10000 元，總共 2 個(gè)人，行程 3 天，請(qǐng)給我出一份攻略（說(shuō)問(wèn)題，定目標(biāo)）。注意行程不要安排過(guò)于緊湊，不想去網(wǎng)紅打卡點(diǎn)，想去有文化底蘊(yùn)的景點(diǎn)，另外推薦景點(diǎn)時(shí)，請(qǐng)附上景點(diǎn)的價(jià)格，不去太高檔的餐廳吃飯（補(bǔ)要求）。

提示詞的技巧有很多，這里給出一些自己實(shí)踐過(guò)的非常有用的一些經(jīng)驗(yàn)，更多進(jìn)階技巧大家可以再網(wǎng)上搜索更多資料進(jìn)一步學(xué)習(xí)。

加分隔符幫助模型區(qū)分不同的區(qū)塊如果提示詞包含多個(gè)部分，為了更好地區(qū)分開(kāi)來(lái)，可以使用分隔符。如使用三個(gè)反引號(hào)將命令和待處理的段落分開(kāi)。

示例 ：

執(zhí)行下面的步驟：

1 將下面由三個(gè)引號(hào)分隔的文本總結(jié)為一句話。

2 將總結(jié)翻譯成英文

3 統(tǒng)計(jì)英文中的每個(gè)字母的數(shù)量

4 參考三個(gè)#分割的文本格式進(jìn)行輸出

"""{text}"""

###{"a":1,"b":2}###

通過(guò)加限定詞提要求規(guī)范模型的輸出

如果 AI 模型輸出的風(fēng)格不符合你的要求，可以通過(guò)設(shè)置口吻、說(shuō)明面向的人群等，讓大模型按照你的意圖來(lái)回答問(wèn)題。如果 AI 模型輸出的內(nèi)容存在 Bad Case，你可以通過(guò)強(qiáng)勢(shì)的情態(tài)副詞對(duì)結(jié)果進(jìn)行干預(yù)，如“一定要”，"一定不要"，"必須"、“不許”、“應(yīng)該”等。身邊就有朋友反饋用 AI 寫(xiě)出的內(nèi)容有“機(jī)器味道”，采用了通過(guò)設(shè)置口吻和設(shè)定要求等優(yōu)化提示詞后，寫(xiě)出的內(nèi)容讓他非常滿意。

示例 1：

你是一位知名兒童文學(xué)作家，請(qǐng)使用親和力的口吻，幫我寫(xiě)一篇面向幼兒園兒童的，能夠體現(xiàn)親情重要性的故事。

要求：

1 文章內(nèi)容需要涉及至少兩個(gè)動(dòng)物。

2 文章內(nèi)容要具有想象力。

3 文章內(nèi)容需積極向上，絕不能出現(xiàn)血腥、暴力的內(nèi)容。

4 ...

說(shuō)明：提示詞中講口吻、面向人群和具體要求給出到模型，更容易寫(xiě)出讓你滿意的故事。在提示詞中通過(guò)“絕不能”的限定，模型構(gòu)造故事時(shí)會(huì)刻意避免。

示例 2：

請(qǐng)使用 PlantUML 的語(yǔ)法，幫我生成一個(gè)時(shí)序圖。

時(shí)序的對(duì)象包括：A、B、C。時(shí)序如下：XXX

說(shuō)明：如果不交代時(shí)序?qū)ο?，模型提取的?duì)象可能和你想的有偏差，而提示詞中直接將時(shí)序?qū)ο蠼淮o AI 模型，更容易繪制出讓你滿意的時(shí)序圖。

示例3：

執(zhí)行下面的步驟：

1 將下面由三個(gè)引號(hào)分隔的文本總結(jié)為一句話。

2 將總結(jié)翻譯成英文

3 統(tǒng)計(jì)英文中的每個(gè)字母的數(shù)量

4 參考三個(gè)#分割的文本格式進(jìn)行輸出

5 不需要輸出中間過(guò)程，只需要參考三個(gè)#分割的文本格式輸出最終結(jié)果即可（一定不要輸出開(kāi)頭和結(jié)尾分隔符#）

"""{text}"""

###{"a":1,"b":2}###

說(shuō)明：如果不加上 “一定不要輸出開(kāi)頭和結(jié)尾的分隔符#”，有些模型會(huì)輸出結(jié)果時(shí)前后帶上三個(gè) #，通過(guò)限定可以完美解決這個(gè)問(wèn)題。

提供參考示例讓模型更好理解你的意圖

在提示詞中給出一些示例，有助于大模型更好地理解你的意圖，回答出更符合你要求的答案。

示例 1：

請(qǐng)你充當(dāng)標(biāo)題優(yōu)化助手，我將給你發(fā)送一個(gè)主題，請(qǐng)從下面的原則中選擇最適合的一個(gè)原則，給出 5 個(gè)參考標(biāo)題。

好的文章標(biāo)題遵循三個(gè)原則：

（1）數(shù)字法則。如“寫(xiě)文章的 5 種技巧”、“工作 5 年，我學(xué)到了這 10 點(diǎn)”、“3 種姿勢(shì)幫你做出精美簡(jiǎn)歷”。

（2）給出結(jié)論和價(jià)值。如“重構(gòu)的必要性和方法”、“關(guān)于軟件復(fù)雜度的思考”、“工程師也要有產(chǎn)品思維”。

（3）激發(fā)好奇心。如“DDD 最短學(xué)習(xí)路徑”、“原來(lái)設(shè)計(jì)模式還可以這么用”、“ 99% 程序員理解錯(cuò)了字符串的可變性”、“不寫(xiě)代碼，程序員最重要的技能”。

主題：XXX  

示例 2：

請(qǐng)幫我寫(xiě)一個(gè)正則表達(dá)式，匹配的規(guī)則如下：數(shù)字或下劃線#some.com，并且不能以下劃線開(kāi)頭。

正確示例：123#some.com 、 123#some.com、1_23#some.com

錯(cuò)誤示例：123#some.com、12ac#some.com

示例 3：

你是一個(gè)知名互聯(lián)網(wǎng)論壇的編輯，請(qǐng)幫我校對(duì)一篇專業(yè)博文，請(qǐng)指出其中的專業(yè)術(shù)語(yǔ)錯(cuò)誤、拗口的句子等，并給出修改建議。

參考輸出格式見(jiàn)三個(gè)引號(hào)分隔的部分：

"""

第1處

原文：在軟件開(kāi)發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現(xiàn)問(wèn)題。

原因：“代碼審校”專業(yè)術(shù)語(yǔ)錯(cuò)誤，應(yīng)該是“代碼審查”

修改：在軟件開(kāi)發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現(xiàn)問(wèn)題。

第2處

原文：使用命令 dune init project my_compiler 創(chuàng)建新項(xiàng)目。

原因：此句中對(duì)命令的描述不夠通順，建議增加“來(lái)”字來(lái)連接動(dòng)作與目的。

修改：使用命令 dune init project my_compiler 來(lái)創(chuàng)建新項(xiàng)目。

"""

思維鏈 (Chain-of-Thought，CoT)

人們解決復(fù)雜問(wèn)題時(shí)，通常會(huì)將其分為一些中間的步驟逐步解決，最終得到答案。思維鏈就是參考人類的解決辦法，思維鏈提示詞模式包括輸入問(wèn)題、思維鏈和輸出結(jié)論。讓模型可以學(xué)習(xí)這種推理過(guò)程，從而提高大模型在復(fù)雜推理時(shí)的準(zhǔn)確率。

（圖片來(lái)源：《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 》論文）

很多人想在公司里使用 AI 工具，但對(duì)業(yè)務(wù)數(shù)據(jù)泄露持有顧慮。

如果你在大廠，可以考慮公司內(nèi)部自研的合規(guī)模型。也可以選擇公司代理（會(huì)進(jìn)行安全過(guò)濾）的外國(guó) AI 模型。如果想直接使用 ChatGPT 、Bard 之類的外國(guó)大語(yǔ)言模型試試效果，可以將數(shù)據(jù)先脫敏、構(gòu)造 mock 數(shù)據(jù)或者嘗試將遇到的問(wèn)題轉(zhuǎn)成一個(gè)通用的問(wèn)題來(lái)提問(wèn)即可，得到靠譜的方案或代碼再移植到公司內(nèi)部。