【吴恩达课程-2023】提示工程第一原则ChatGPT Prompt Engineering for Developers

我们一起读起来！！！了解过往历史文献的方法和不足之处，展望最新的文献和技术。

课程：ChatGPT Prompt Engineering for Developers

时间：2023

网址：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

5 提示工程两大原则

使用提示语的两个原则：

「原则1」：编写清晰具体的指令（Write clear and specific instructions）

「原则2」：给模型充足的“思考”时间 （Give the model time to “think”）

1）原则1：编写清晰具体的指令

策略1-使用定界符清楚地限定输入的不同部分

策略2-要求结构化输出

下一个策略是请求结构化输出。为了使解析模型输出更容易，请求HTML或JSON等结构化输出是有帮助的。

策略3-要求模型检查是否满足条件

下一个策略是要求模型检查是否满足条件。如果任务有假设条件并且这些条件不一定被满足，那么我们可以告诉模型首先检查这些假设条件，如果不满足则指示出来，并停止完全的任务完成尝试。

你还应该考虑潜在的边缘情况以及模型如何处理它们，以避免意外的错误或结果。现在我将复制一段描述如何泡茶的段落，然后复制我们的提示。

因此，提示是，如果文本包含一系列指示，请将这些指示重写为以下格式，然后写出步骤说明。如果文本不包含一系列指示，则只需写下“未提供步骤”。如果我们运行这个 cell，你会看到模型能够从文本中提取出指示。

策略4-小批量提示

“少样本”（few-shot）可以理解为模型利用少量未知领域的样本举一反三的能力。当我们对模型的输出有一个比较明确的预期时，我们可以通过举一些例子告诉模型我们期望得到怎样的输出。之后模型将会根据我们给出的少量样本执行更多的任务。

语言大模型LLMs