提示工程：像对待成年人一样对待AI模型，无需角色扮演，坦诚沟通

提示工程是什么？

提示工程的核心在于通过与模型协作，实现那些原本不可能完成的任务，从而最大化模型的价值。这不仅仅是编写单一的提示，更涉及到将提示整合到更大的系统中，并考虑数据来源、延迟和数据量等因素。虽然提示可以像代码一样进行版本控制和实验跟踪，但本质上它们是自然语言指令。

**“工程”的含义：**提示工程的“工程”部分体现在反复试验的迭代过程中，允许实验和设计。

**不仅仅是代码：**虽然提示可以像代码一样被处理，但它们本质上是自然语言指令，需要更注重清晰度和沟通。

优秀提示工程师的特质

一个优秀的提示工程师需要具备以下特质：

• 清晰的沟通能力： 能够清晰地表达任务并描述概念。
• 迭代思维： 愿意反复迭代，并观察模型如何响应提示。
• 预见错误： 考虑不寻常的情况以及模型可能如何反应。
• 用户视角： 理解用户实际的输入，包括错误和非传统的语言。

提示的关键原则

以下是一些关键的提示原则：

• 写下模型不知道的内容： 明确表达模型完成任务所需的所有信息，避免假设。
• 仔细阅读模型输出： 检查模型的输出，确保它遵循指令并正确推理。
• 考虑用户交互： 思考用户如何与模型交互以及他们可能会问的问题。
• 向模型寻求反馈： 请模型识别提示中不清晰或模棱两可的部分，并提出改进建议。

何时放弃提示

并非所有的提示都能成功，以下情况应考虑放弃当前提示：

• 模型不理解： 如果模型明显不理解任务，最好不要花费太多时间。
• 结果越来越差： 如果每次调整都使结果更糟，最好放弃这种方法。
• 模型能力限制： 某些任务可能超出当前模型的能力，最好等待未来的改进。

坦诚和直接的重要性

随着模型的日益复杂，不再需要欺骗或使用角色扮演。直接沟通和坦诚地表达任务和目标更为有效。避免使用隐喻，而是详细描述上下文和环境，而不是依赖通用的角色。

模型推理

模型推理与人类推理不同，不应过度拟人化。重点应放在模型推理过程是否能带来更好的结果。可以通过移除正确的步骤并替换为错误的步骤，来测试模型的推理能力。

细节的重要性

虽然语法和标点符号并非总是至关重要，但良好的语法和标点符号有助于提高清晰度。像对待代码一样，仔细注意提示的细节。专注于清晰的概念和措辞选择，而不仅仅是语法。

提高提示技巧

以下是一些提高提示技巧的方法：

• 阅读和分析： 仔细阅读你的提示和模型的输出。
• 学习优秀提示： 从写得好的提示中学习，并尝试不同的方法。
• 寻求反馈： 从他人那里获得反馈，特别是那些不熟悉你工作的人。
• 挑战模型： 尝试让模型做你认为它做不到的事情，以突破其极限。

研究与企业提示的区别

研究提示侧重于多样性和探索，而企业提示则优先考虑稳定性和一致性。研究提示通常使用较少的示例，而企业提示可能使用较多的示例。企业提示必须考虑所有边缘情况，因为它们将被使用数百万次。

提示工程的演变

许多有效的提示技巧在被纳入模型训练后都会变得过时。现在，人们越来越倾向于信任模型，给予它们更多的上下文和复杂性。直接向模型提供论文并要求它们生成示例正变得越来越有效。应该将模型视为智能工具，而不是需要过度简化的孩子。

提示工程的未来

模型将更擅长理解意图，从而减少对详细提示的需求。提示工程将被用于生成和改进提示，特别是对于那些没有经验的人。模型最终可能会直接从我们的思想中提取信息，而不是依赖于明确的提示。提示将涉及定义新的概念并将它们传达给模型，类似于哲学写作。