提升 AI 大模型回答质量的 9 个提示词技巧
提升大语言模型输出质量的九项核心提示词工程技巧。包括提供明确指示、使用关键词标签、补充上下文背景、采用零样本与少样本学习策略、调整提示词顺序、控制历史消息长度、优化少样本示例、指导思维链推理以及处理模糊上下文。这些方法有助于减少歧义、增强逻辑连贯性并提高任务完成度。同时总结了迭代优化、结构化输入等最佳实践,适用于开发、写作及数据分析等多种场景。

提升大语言模型输出质量的九项核心提示词工程技巧。包括提供明确指示、使用关键词标签、补充上下文背景、采用零样本与少样本学习策略、调整提示词顺序、控制历史消息长度、优化少样本示例、指导思维链推理以及处理模糊上下文。这些方法有助于减少歧义、增强逻辑连贯性并提高任务完成度。同时总结了迭代优化、结构化输入等最佳实践,适用于开发、写作及数据分析等多种场景。

提示工程(Prompt Engineering)是提升大语言模型输出质量的关键手段。然而,这也具有一定挑战性,因为它需要理解模型的能力、局限性以及所涉及的领域和任务。以下是基于微软官方建议整理的 9 个撰写高质量提示词的技巧。
确保提示词具体说明你希望模型生成的内容,包括预期的格式、长度和语气。模糊的指令往往导致泛泛而谈的回答。
示例:
这有助于大模型更清晰地识别有意义的信息,并消除歧义。你可以在单个提示词中使用多种策略,例如用特定短语标明开始和结束。
示例:
总结用三重引号分隔的文本。使用少于 25 个单词。
'''<待总结文本>'''
或者使用结构化标记:
Summary: <内容>
<|end|>
提供一些关于应用、领域和用户意图的背景信息。这些上下文有助于模型生成更相关和连贯的输出。
示例: 如果你希望模型生成代码,可以包括一些导入语句以使模型专注于相关的库和模块。对于对话任务,可以提供关于用户角色、话题背景和对话目标的描述。
示例: 如果你希望模型生成产品评论,可以先尝试零样本输入。如果结果风格不符,再提供几条正面或负面的评论示例来引导模型的情感和风格。
提示词中元素的顺序会影响模型的注意力和影响力。通常,提示词底部的少样本示例或其他信息,比顶部的更能影响完成结果。
建议:
在多轮对话应用中,如聊天机器人,提示中包含的历史对话消息长度可以为模型提供足够的上下文,以生成自然和一致的响应。但需监控以下问题并及时清理:
优化方法:
你提供给模型的少样本示例会显著影响模型的性能和泛化能力。可以在数据上训练或微调语义相似性模型,以选择更相关的少样本示例。
技术细节: 语义相似性模型可以根据文本的意义和内容,而不是表面形式或句法,衡量两个文本之间的相似性。你可以使用此类模型对数据进行排序和过滤,选择与输入或任务最相似的示例。
可以通过思维链(Chain of Thought, CoT)和自问自答等技术提高大模型的推理能力。
思维链示例: 不要直接问答案,而是让模型展示步骤: '请逐步思考这个问题:... 第一步是什么?第二步是什么?' 这使大模型能够将多步骤问题分解为中间步骤,从而解决标准提示方法无法解决的复杂推理问题。
通过指导其重新表述问题,使其更容易清晰回答。论文 Rephrase and Respond 提供了起始提示和有用指导,说明这种技术如何让大模型重新构建人类提出的问题。
应用场景: 当用户输入含糊不清时,先让模型确认意图或重写查询,再结合思维链等方法提高推理性能,提供更具有对话性和用户友好的体验。
掌握这些技巧能显著提升与大模型交互的效率和质量,适用于开发、写作、数据分析等多种场景。

微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog
使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online
生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online
将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online