由于 OpenAI 模型的训练方式，存在特定的提示格式能够特别有效，并产生更有用的模型输出。OpenAI 官方的提示工程指南通常是开始时的最佳资源。
以下是一些我们发现效果良好的提示格式，但请自由探索不同的格式，它们可能更适合您的任务。
一般准则和示例
注意： 中间的{}是实际文本/上下文的占位符。
1. 使用最新模型
为了获得最佳效果，通常建议使用最新、功能最强的模型。新模型往往更容易进行提示工程。
2. 在提示开头放置指令，并使用###或"""分隔指令和上下文
不推荐： ❌
总结如下文本的最重要点，以项目符号列表形式。
{text input here}
推荐： ✅
将如下文本总结为最重要点的项目符号列表。
文本：
"""
{text input here}
"""
3. 明确、描述性地提供所需上下文、结果、长度、格式、风格等信息
对上下文、结果、长度、格式、风格等明确具体。
不推荐： ❌
写一首关于 OpenAI 的诗。
推荐： ✅
写一首关于 OpenAI 的短而鼓舞人心的诗，聚焦于最近的 DALL-E 产品发布（DALL-E 是一个文本到图像的 ML 模型），采用{著名诗人}的风格。
4. 通过示例明确指定输出格式
不推荐： ❌
从下面的文本中提取实体。提取以下 4 种实体类型：公司名称、人名、特定主题和主题。
文本：{text}
模型在看到具体的格式要求时响应得更好。这也有助于更可靠地程序化解析多个输出。
推荐： ✅
从以下文本中提取提及的重要实体。首先提取所有公司名称，然后提取所有人名，接着提取与内容相关的具体主题，最后提取广泛的总体主题。
期望格式：
公司名称：＜用逗号分隔的公司名称列表＞
人名：-||
具体主题：-||
总体主题：-||
文本：{文本内容}
5. 先零样本提示，然后少量样本提示，两者都无效，再微调
✅ 零样本提示：
从下文提取关键词。
文本：{text}
关键词：
✅ 少量样本提示 - 提供几个例子：
从对应的文本中提取关键词。
文本 1：Stripe 提供了开发者可以用于将其网站和移动应用集成支付处理的 API。
关键词 1：Stripe、支付处理、API、Web 开发者、网站、移动应用
##
文本 2：OpenAI 训练了先进的语言模型，非常擅长理解和生成文本。我们的 API 提供了这些模型的访问，可用于解决几乎任何涉及语言处理的任务。
关键词 2：OpenAI、语言模型、文本处理、API。
##
文本 3：{text}
关键词 3：
微调： 在这里查看微调最佳实践。
6. 减少模糊和不精确的描述
不推荐： ❌
这个产品的描述应该相当简短，只有几句话，不要太长。
推荐： ✅
使用 3 到 5 句话的段落来描述这个产品。
7. 不只是说不该做什么，而是说该怎么做
不推荐： ❌
以下是 Agent 和 Customer 之间的对话。不要询问用户名或密码。不要重复。
Customer: 我无法登录我的账户。
Agent:
推荐： ✅
以下是 Agent 和 Customer 之间的对话。Agent 将尝试诊断问题并提出解决方案，同时避免涉及个人识别信息（PII）的问题。不要询问 PII，如用户名或密码，而是将用户引导到帮助文章：www.samplewebsite.com/help/faq
Customer: 我无法登录我的账户。
Agent:
8. 代码生成特定 - 使用 “引导词” 推动模型遵循特定模式
不推荐： ❌
# 写一个简单的 Python 函数
# 1. 问我一个英里数
# 2. 将英里转换为公里
在这个代码示例中，添加 “ import ” 暗示模型应开始编写 Python 代码。同样，“ SELECT ” 是开始 SQL 语句的好提示。
推荐： ✅
# 写一个简单的 Python 函数
# 1. 问我一个英里数
# 2. 将英里转换为公里
import
参数
一般来说，我们发现模型和温度是最常用的参数来调整模型输出。
模型 - 高性能模型通常更昂贵，可能有更高的延迟。
**温度 - ** 用来衡量模型输出不太可能的令牌的概率。温度越高，输出越随机（通常更具创意）。然而，这并不等同于 “真实性”。对于大多数事实性的用途，如数据提取和诚实问答，温度为 0 通常最好。
max_tokens（最大长度） - 不控制输出的长度，而是生成令牌的硬限制。理想情况下，您不会经常达到这个限制，因为当模型认为自己完成或遇到你定义的停止序列时，它会停止。
stop（停止序列） - 一组字符（令牌），一旦生成，将导致文本生成停止。
Comments