随着深度学习技术的不断发展 ， 人工智能在各个领域都表现出越来越强大的能力。其中 ， 自然语言处理 （NLP） 领域发展迅猛 ， 将人工智能技术应用于对话系统、语音识别和机器翻译等方面。ChatGPT 是一个基于 GPT-3.5 语言模型的智能对话系统 ， 可以在多种应用场景下提供优质的对话服务。聊天机器人已经成为越来越多企业和个人在智能客服、智能娱乐等领域的必备工具。而其核心技术之一——自然语言处理 （NLP） 技术 ， 目前又以大型预训练模型 （ 如 GPT-4） 为代表进一步展示出其巨大威力。而如何更好地优化 Prompt， 成为一名专业的 Prompt 工程师 ， 已经成为许多人想要了解的技能。
本文将围绕如何成为 Prompt 工程师、如何更好地优化 Prompt 以及如何向 ChatGPT 提问这三大方面展开讲解。同时 ， 本文也会提供一些具体示例来帮助读者深入理解。
通过搜索引擎或社交媒体 ， 我们可以看到很多人正在讨论 Prompt engineer， 这是因为 Prompt engineer 可以帮助我们更好地进行文本交互。Prompt engineer 是一种人工智能技术 ， 它可以让我们从一个简短的文本提示开始 ， 自动生成连贯、有意义的文本。这种技术可以确保我们使用最少的输入或编码来完成任务 ， 这在手动完成某些复杂任务时尤为重要。
但是 Prompt engineer 对于大多数人来说还是一个相对新的领域 ， 很多人可能不知道这是什么 ， 也不知道为什么需要学习它。在本文中 ， 我们将深入研究 Prompt engineer 并提供有价值的启示 ， 让你更好地了解这个技术 ， 并学会如何使用它。
Prompt engineer 是一种技术 ， 它使用机器学习来帮助我们自动生成文本。在这个领域 ， 机器学习算法将从大量的数据中提取出统计特征 ， 以预测要生成的文本。这些算法可以分为三个主要部分 ： 生成、筛选和评估。生成阶段是 Prompt engineer 的重点部分 ， 它可以帮助我们从一个简短的提示开始 ， 逐步生成更多的文本。
那么 ， 为什么我们需要学习 Prompt engineer 呢 ？ 简单地说 ，Prompt engineer 可以帮助我们更好地完成各种文本任务。如果你曾经参与过需要大量文本处理的活动 ， 你就知道这项任务需要耗费大量的时间和精力。Prompt engineer 能让你在使用更少的输入或编码的情况下快速完成任务 ， 从而提高效率并节省时间。
总体来说 ，AI 相当于美国队长的实力 ， 遇强则强 ， 遇弱则弱 ， 关键其实在于 Prompt。所以 ， 如何更好地完善 prompt， 实现 prompt 工程就是 ： 如何更好地使用 AI 的基础。
Prompt 工程师是对智能对话场景 （ 比如 ChatGPT） 进行定制的人。他们不但可以调整模型 ， 让模型能够根据特定条件生成更加符合期望的答案 ， 而且还可以理解算法优化。Prompt 可以被看作是一种用来交互的消息。比如你可以问“蒜蓉西兰花怎么做 ？”或者“我怎样才能制作一碗尽善尽美的鸡汤 ？”这些都可以作为 Prompt 被输入到 ChatGPT 进行回答。
成为 Prompt 工程师可以让你把自己的聊天体验提高到一个全新的水平 ， 可以让你更好地向 ChatGPT 提问 ， 获取更加精准的答案。此外 ， 追求新奇体验 ， 发起趣味聊天等等 ， 都可以通过更好地使用 Prompt 技巧来实现。
为了成为 Prompt 工程师 ， 你需要具备以下基础知识 ：
- 自然语言处理 （NLP）： 这是指将机器学习应用于人类语音和文本处理的能力。无论是基础的词法分析和命名实体识别 ， 还是更复杂的语法树 ， 这些技能都是你成为 Prompt 工程师所必需的。
- 机器学习基础 ：Prompt 工程师需要了解机器学习的基础知识 ， 以便能够调整诸如学习率、损失函数等参数 ， 并为模型选择合适的超参数调参。
- 语言模型 ：Prompt 工程师需要对其使用的语言模型有足够的了解。这包括知道如何针对不同的问题使用不同的模型 ， 以及如何根据具体的需求对模型进行微调、修整。
- Prompt 技巧 ：Prompt 工程师需要了解如何优化 Prompt， 以便更有效地与 ChatGPT 交互 ， 并且在技术层面强调“创新性”。
3.1 确定任务和目标
ChatGPT 支持回答多种类型的问题 ， 如开放性问题、特定主题问题等。因此 ， 在提问前需要先确定问题类型 ， 以便更好地设计 Prompt。
比如 ， 下面三个例子分别属于开放性问题和特定主题问题 ：
- 开放性问题 ： 你觉得明天的天气会怎么样 ？
- 特定主题问题 ： 请问楼下的洛杉矶新闻在哪里可以看 ？
对于这两种问题 ， 我们需要设计不同的 Prompt， 以使 ChatGPT 可以根据问题类型生成相应的答案。
- 特定主题问题 ：TensorFlow 安装出错 ， 怎么解决 ？
对于这个问题 ， 我们需要根据特定主题——TensorFlow， 来设计 Prompt。
上面说过 ，AI 相当于美国队长的实力 ， 遇强则强 ， 遇弱则弱 ， 关键在于你如何向 ta 进行提问 ， 在设计 Prompt 时 ， 首先需要明确任务和目标。Prompt 需要清晰地描述任务 ， 告诉 ChatGPT 具体要搜索和输出什么内容。Prompt 需要明确指定领域和话题 ， 以便 ChatGPT 更好地理解任务。比如 ，Prompt 可以告诉 ChatGPT 搜索的内容应该是具体某一领域的知识 ， 比如医学、法律、金融等。为了提高 ChatGPT 的理解效果 ，Prompt 可以修改问题形式 ， 利用更简洁明了的方式传递信息。比如 ， 将开放性问题转化为闭合性问题 ， 或者引入额外的概括或细节等信息来帮助模型更好地理解问题。
比如 ， 如何现在你需要写一篇《如何成为 prompt 工程师 ， 向 chatgpt 进行提问》， 你可以这样提问 ：
现在你需要写一篇名为《如何成为 prompt 工程师 ， 向 chatgpt 进行提问》的文章 ， 你需要注意以下几个注意事项 ： 1. 给出文章的框架 2. 你需要重新取一个更吸引人的标题 ， 这个标题需要更加容易获得更多的访问量 ， 你需要结合人性的弱点 ， 推荐算法等因素给出 5 个优秀的爆款标题 3. 给出文章的前言 4. 你需要从什么是 prompt engineer 开始 ， 介绍如何更好地优化 prompt 从而向 chatgpt 进行提问 ， 并且提供一些示例来佐证你的观点 ， 并在最后进行总结。整篇文章主要围绕怎么更好地向 chatgpt 进行提问 ， 如何将思维框架赋予机器 ， 从而让 chatgpt 生成更加细节具体的答案。5. 用通俗易懂、幽默的语言来撰写 ， 尽可能多的用示例 ， 每一个知识点都用一些示例 6. 关于如何更好地 prompt 提问 ， 可以参考我是怎么向你问问题的 ， 我会分点把需要注意的事项都告诉你 ， 这一点你可以写在文章中。7. 本文只是关于应用层的用户如何提问 ， 这些用户不需要了解深入 NLP 算法 ， 也不需要关注这些 ， 他们只需要关注如何提问 ， 你需要注意这一点 再有 ， 现在想询问如何自学编程时 ， 一个好的 Prompt 可以是 ：“如何在没有专业背景的情况下 ， 自学编程 ？”， 而一个不好的 Prompt 则可能是“如何学习编程 ？”这是因为前者更加具体且针对性更强 ， 所包含的信息也更全面。
3.2 找到并优化关键词和问题
在使用 ChatGPT 时 ， 关键词和问题对生成的答案至关重要。因此 Prompt 工程师需要熟练掌握各种查询格式 （ 如问句和陈述句等 ）， 并能够根据不同的目的进行灵活调整。此外 ， 关键词和问题的质量和清晰度也会直接影响到生成的答案 ， 因此应该注意优化。要在提问中尽可能简洁明了地描述问题 ， 并尽可能避免出现歧义词汇。
示例 ：
- 原问题 ： 明天我该穿什么衣服 ？
这个问题中的关键词“我”可能会让模型出现混淆 ， 因此可以优化关键词 ， 改为 ：
- 更好的问题 ： 明天应该穿什么样的衣服 ？
3.3 撰写清晰简洁的 Prompt
Prompt 必须清洗简练 ， 以确保它们是清晰的并精准地表达你的意思。这意味着你需要掌握各种撰写技巧 ， 如设置与上下文相关的对话历史记录 ， 锁定特定模型或模型版本 ， 或从模板或提示进行初始选择 ， 合理的 Prompt 可以让模型更好地理解问题 ， 从而提高答案的质量。
比如 ：
- 不太好的 Prompt： 你觉得明天的天气怎么样 ？ 因为可能会下雨 ， 所以我不确定要穿什么衣服。
这个 Prompt 太复杂了 ，ChatGPT 会难以理解。更好的 Prompt 可以是 ：
- 更好的 Prompt： 请描述一下明天的天气。
3.4 结合上下文进行提问
ChatGPT 具有上下文感知能力 ， 能够根据输入问题的上下文生成更加精准的答案。
假设对话上下文如下 ：
- 用户 ： 想看一部好笑的喜剧电影 ， 有什么推荐的吗 ？
- ChatGPT： 你可以看《逻辑思维训练营》。
现在用户又提了一个问题 ：
- 用户 ： 这部电影是哪年拍的 ？
我们可以结合上下文来设计 Prompt， 比如 ：
- 更好的 Prompt：《逻辑思维训练营》是哪年上映的 ？
对于 ChatGPT 来说 ， 我们需要明确的 prompt：：
user: 我想写一篇文章 ， 主题是《如何用 ChatGPT 写一篇文章 ， 以如何用 ChatGPT 写一篇文章》， 文章的大纲是 ： 1. 先用 100 字介绍一下 ChatGPT 2. 以 Julia 作为可以以具体的案例为例 ， 介绍如何使用 ChatGPT 写一篇博客大赛的参赛作品。这包括如何确定主题、如何撰写开头和结尾、如何组织文章结构等等。主题是 ：《Julia Dataframe 在大数据分析领域的使用》， 大纲中包含 ： 用 200 字介绍一下 Julia 语言历史 ； 介绍如何使用 DataFrames.jl， 并有个代码示例 ； 对比一下 Python Pandas、Apache Spark Dataframe； 小结。3. 对本文的内容进行总结 ， 并再次强调使用 ChatGPT 进行写作的好处。帮我写一篇文章 ？ ------------- chatgpt: 当然可以 ， 以下是一篇基于您提供的大纲的示范文章: 如何用 ChatGPT 写一篇文章 ， 以如何用 ChatGPT 写一篇文章 ChatGPT 是一种基于神经网络的语言模型 ， 可以用于自然语言处理和文本生成。在本文中 ， 我们将介绍如何使用 ChatGPT 写一篇参加博客大赛的文章 ， 并以 Julia 语言为例 ， 详细说明如何撰写开头、确定主题、组织文章结构以及撰写结尾。介绍 ChatGPT ChatGPT 是由 OpenAl 开发的一种预训练语言模型 ， 它可以基于已有的大量语料库 ， 生成高质量的自然语言文本。该模型可以应用于多种自然语言处理任务 ， 如对话生成、文本摘要、语言翻译等。ChatGPT 的预训练模型是使用 Transformer 模型实现的 ， 其中包含数百万个参数 ， 可以在训练后生成高质量的文本。撰写开头 在撰写开头时 ， 我们需要吸引读者的注意力并明确文章的主题。针对这篇文章 ， 我们的主题是《Julia Dataframe 在大数据分析领域的使用》， 因此我们可以在开头介绍 Julia 语言的历史和数据分析领域的背景 ， 为读者引入本文的主题。...... 如此一来 ， 我们提供的上下文就会更加准确 ， 基于这个范例 ， 可以思考我们的内容如何编写。
3.5 其他小建议
相似的 ， 与 Stable Diffusion 类似的是 ，AI 生成的内容经常出现各种问题 ， 所以我们要注意 ：
考虑到 ChatGPT 的代码并不那么准确 ， 让我们使用 GitHub Copilot 生成更多的内容。
Prompt 工程师是一种非常重要而高尚的职业 ， 能够帮助人类更好地利用人工智能的力量来解决问题。希望通过本文的介绍 ， 读者可以更好地理解如何成为一名 Prompt 工程师 ， 如何更好地优化 Prompt， 以及如何更好地向 ChatGPT 提问 ， 通过对 Prompt 工程师以及优化 Prompt 的策略进行介绍 ， 我们可以更好地理解如何向 ChatGPT 提出更好的问题 ， 以获得更准确有用的回答。
人类相对于其他动物更擅长于类比、概念抽象、符号化等高级认知活动 ， 这些认知活动可以帮助人类在面对新问题时 ， 从已有的知识和经验中找到相似的部分 ， 快速理解和解决新问题。
而对于机器来说 ， 机器学习算法通过大量的数据和计算 ， 学习到数据中的规律和模式 ， 并将这些规律和模式应用到新的数据中 ， 从而实现预测和决策等功能。例如 ， 机器学习算法可以通过大量的图像数据学习到图像的特征 ， 并在新的图像中识别出相应的物体 ； 也可以通过大量的自然语言数据学习到语言的规律 ， 从而生成自然语言文本。
原文链接：https://blog.csdn.net/linZinan_/article/details/129822768
