15个建议——教你如何写好大模型prompt（提示词）

如今大模型能力越来越强，如何让大模型为我所用，prompt（提示词）非常关键，这里整理了一些写好prompt的参考点。

写好大模型的prompt（提示或指令）是一个需要技巧的过程，以下是一些关键点，可以帮助你更有效地与大型语言模型进行交互：

明确目标：在写prompt之前，明确你想要模型完成的任务或回答的问题。

案例：如果你想要模型写一篇关于气候变化的文章，你的prompt可能是：“请写一篇关于气候变化对全球生态系统影响的文章。”

‍

‍‍简洁清晰：尽量使用简洁明了的语言，避免不必要的复杂性或模糊性。

案例：“请解释什么是量子计算。” 而不是 “你能给我一个关于量子计算的详细解释，包括它是怎么工作的，为什么它很重要，以及它可能如何改变我们的世界吗？”

具体细节：提供足够的背景信息或细节，以便模型能够理解问题的上下文。

案例：“在分析2019年的全球温室气体排放数据时，哪些行业是主要的排放源？”

避免歧义：确保你的prompt没有歧义，使用清晰和具体的词汇。

案例：“请列出2020年美国前五大科技公司。” 明确指出年份和国家，避免混淆。

指令性语言：使用命令语气，比如“请解释”、“列出”、“比较”等，以指导模型执行特定的任务。

案例：“比较苹果和橙子的营养价值。” 使用“比较”作为指令，指导模型进行任务。

逻辑结构：如果prompt包含多个部分或步骤，确保它们逻辑上连贯，易于模型理解和执行。

案例：“首先，定义什么是人工智能。其次，列出其主要应用领域。最后，讨论其对社会的潜在影响。”

预期输出：指明你期望的输出格式，比如列表、段落、图表等。

案例：“请以列表形式列出五种减少塑料垃圾的方法。”

限制条件：如果有必要，提供限制条件或范围，以缩小模型的搜索或回答范围。

案例：“在不超过200字的范围内，描述太阳能电池板的工作原理。”

避免引导性问题：尽量避免提出引导性问题，这可能会导致模型给出有偏见的答案。

案例：避免使用“太阳能是否是最有效的可再生能源？”这样的问题，因为它暗示了太阳能是最有效的。

反馈循环：如果可能的话，根据模型的输出进行迭代，调整prompt以获得更好的结果。

案例：如果模型的回答不够详细，你可以调整prompt：“请提供更详细的解释关于太阳能电池板的工作原理。”

使用示例：如果适用，提供示例可以帮助模型更好地理解你的要求。

案例：“解释什么是闭包，就像解释给一个10岁的孩子听。”

考虑多样性：如果你希望模型提供多种答案或解决方案，确保在prompt中体现出这一点。

案例：“列出三种不同的机器学习算法，并简要说明它们的应用场景。”

避免敏感内容：确保你的prompt不包含任何不适当或敏感的内容。

案例：确保prompt不涉及政治、宗教或种族等敏感话题。

测试和评估：在实际使用之前，测试你的prompt，评估模型的回答是否符合预期。

案例：在实际使用prompt之前，你可以先在小范围内测试，看看模型的回答是否符合你的预期。

持续优化：根据模型的回答和反馈，不断优化你的prompt，以提高交互的质量和效率。

案例：如果模型的回答没有达到预期，根据反馈调整prompt，比如增加更多的上下文信息或明确指令。

最后，写prompt是一个需要不断实践和调整的过程，以确保你得到最佳的结果。希望以上15个参考点能对你有所帮助。