“提示词工程，是一种不需要更新模型权重和参数来引导模型输出特定结果的方法”

大模型之所以叫大模型，不但是因为其参数量大，还有训练与运营成本高。因此，从企业运营成本来说，使用大模型能用提示词解决就坚决不微调(fine-tunning)，能微调解决就坚持不重新训练或设计。

那么提示词是什么？为什么需要提示词？有什么作用？

01、什么是提示词工程(prompt engineering)?

简单来说，提示词工程是一种不需要调整大模型参数或权重，就可以获取某种结果的方法。

提示词的作用和应用场景都非常广泛，不论是文本生成，还是问答系统，亦或者其它场景。

同一个LLM，提示词不一样生成的内容也会不一样，甚至会有很大的差别。

所以，从这个角度来说，提示词工程是一种更好地使用大模型的方法。

学好提示词，能够让你更好、地使用和操作大模型，并且得到更好的结果。

当然，从技术的角度来理解，提示词工程是一种过渡的技术，原因是因为大模型还无法做到像人类一样的语言理解能力，因此才需要提示词工程作为辅助手段，让大模型能够更好地理解人类的问题。

前面说了提示词的概念和作用，但如果只是说提示词工程的概念，可能很多人都觉得云里雾里，觉得它很高大上。

但事实上提示词工程说复杂也复杂，说简单也简单；网络上虽然有各种提示词模板，但事实上我我们随便问的一句问题都可以算作提示词工程。

比如在大模型的聊天输入框中，和它打招呼说哈喽；这个也可以算作提示词工程。

提示词工程的作用是为了让大模型给出更加准确的输出，而提示词的表现形式可以是任何形式，可以是一个问题，一段对话，一段描述等任何文本形式。

而从语言学的角度来说，一个问题描述的详细与否，主要就是问题的背景，上下文，以及各种限定语，这就是提示词工程的本质。

因此，提示词工程也叫做上下文提示。

比如说，在大模型中输入一句“哈喽”，其实也算提示词工程的一部分，只不过这个提示词很简单和没有提示词没什么区别。

部分功能就是使用提示词工程优化的，大模型人工智能小程序，感兴趣的可以点击查看：

而比较好的提示词是什么样的？

比如说，给大模型的输入中说：“给我介绍一下提示词工程”。

这时大模型给的结果可能会很宽泛；但如果这样问：“从大模型的使用角度，帮我介绍一下提示词工程，并且给出几个简单的使用场景，以及示例；还有怎么才能写出一个更好的提示词”。

这样大模型给出的输出结果就会好得多；如果你能用更加详细的描述来问大模型，你会得到更好的结果。

02、怎么才能写出一个更好的提示词？

一个好的提示词应该包含以下几个部分：

任务

任务序列是由动词引导的，例如generate, drive, write等，而且需要明确任务目标

上下文

背景上下文极具挑战性， 一般要描述什么是用户的背景信息，成功的结果希望是什么样子，以及他们处于怎样的环境中

示例

基本上，对所有主要语言模型进行的研究表明，在提示中包含例子都将产生更高质量的答案。

角色

这是你希望人工智能所扮演的角色。想象一下你有一个问题，想咨询专家来解决这些疑问。例如，你在找工作的时候可以让大模型扮演一个面试官；在买车的时候，让大模型扮演一个具有多年经验的汽车销售等。

格式

想象一下实现的目标，可以是个人或团体的目标，比如找到工作、成为一位优秀的演讲者等。

所有这些都是零散的想法，但借助人工智能的帮助，可以将它们整理成一个特定的格式，比如一个表格。我们也可以希望得到电子邮件、要点、代码块等格式。这些格式对我们的工作也很有用，例如段落和标记。

语气

如果正确衡量要使用的音调类型，“语气”者一个元素就很容易理解。

在这6个要素中，任务是必须的，上下文和示例非常重要，而且最好也要有角色、格式和语气。

原文链接：​ ​​ ​