当前位置：首页 > article >正文

LLM大模型：不要怪大模型回答质量不行了，那是你不会问~

article 2024/9/27 10:45:30

早上好、中午好、晚上好

自AI大模型爆发到现在一年半有余了。作为软件行业的我们陆陆续续也用起来AI，譬如：

用于提高我们解决问题的能力
提高开发效率
提高代码质量
降低企业的开发成本

发现没？上面的AI优点其实是属于工程化范畴。

什么是工程化？

利用工具链解决前端在开发过程中提升效率和质量的问题，所有能降低成本，并且能提高效率的事情都属于工程化的范畴

所以软件工程化的两个点质量、效率。AI大模型都满足。所以现在我们可以利用AI来优化我们的软件研发的效率，那该怎么用呢？

选择一个好的大模型

选择一个好用的、回答质量高的大模型，好比是技术选型。相同的prompt喂给不同的大模型会吐出不同的答案，这些答案质量有高有低。

国外的大模型：

ChatGPT：这个不用说了，最全面最强大的大模型，3.5 < 4.0 < 4o。
LLaMA 2：LLaMA 2是Meta AI推出的一个开放源码的大语言模型，专注于高效和可扩展的自然语言处理任务。它有多个参数规模，涵盖了从7B到70B参数的模型，具有较好的性能和灵活性。
Claude：Claude是由Anthropic公司开发的大语言模型，以人类协作为核心设计理念，专注于安全性和可解释性。
Gemini：也是比较出名的，主要特点是有多模态的能力，具备处理文本数据的能力，还能够处理多模态输入，包括图像、视频、音频等

国内的大模型：

文心一言：百度推出的大模型，基于飞桨深度学习平台的生成式模型，专注于中文自然语言处理、知识图谱等应用场景。
通义千问：阿里巴巴研发的大模型。具有高效的中文理解和生成能力，同时支持多语言和多模态任务。
智谱清言：是北京智谱华章科技有限公司开发的大模型，我平常用得也比较多，回答的质量还是蛮高的。具有图片、代码、处理能力，还有图片生成和视频生成的能力，虽然不怎么样。

目前我较为推荐的还是ChatGPT，是我使用过相对来说比较好的大模型。

大模型选好了，现在就需要与之交互了

Prompt提示词

Prompt的定义

在人工智能领域，Prompt提示词是指用户输入给大语言模型（如GPT-4、文心一言等）的文本指令或问题，用以引导模型生成特定的响应或内容。Prompt是用户与生成式AI模型互动的核心方式，通过设计和优化Prompt，用户可以影响模型生成的输出内容的质量和方向。

怎么用？

在自然语言处理和聊天AI大模型应用中，prompt通常是一个问题或陈述，指引AI如何回应。例如：

问题Prompt：你问：“俄乌现在的局势怎么样了？” 如果AI可以联网的话，会根据这个prompt回答俄乌冲突的相关信息。
陈述Prompt：你说：“我今天上班的时候写了一个bug，被领导骂了，请安慰下我” AI根据这个prompt提供安慰或建议。
创作Prompt：你说：“写一个富家千金爱上穷小子的故事”。
有些大模型（Midjourney）支持文字转图片：你说：“设计一个农村现代别墅。”。
有些大模型（sora）支持文字转视频：你说：“一个富家千金牵着穷小子的手漫步在俄乌冲突的现场”。
编程领域：你问：“编写一个JavaScript函数来计算斐波那契数列。”

Prompt的重要性

Prompt提示词是与AI模型互动的核心，通过设计有效的Prompt，用户可以引导模型生成高质量、符合预期的内容。在生成式AI的应用中，掌握Prompt的设计技巧对于提高输出的相关性和实用性至关重要。

所以：“垃圾输入，垃圾输出”。

如何正确地向ChatGPT提问？

这是这篇文章的重点了

提问关键：

明确性：提供清晰、具体的Prompt可以帮助模型更准确地理解用户的意图，从而生成更符合需求的内容。
迭代优化：也就是要给出清晰的反馈。如果大模型的回答没有完全满足你的需求，可以尝试更换提问方式，或者指出哪里不对，这样AI可以更好地理解需求并提供更准确的答案。
内容优化：就是让它的回答更具体。你问：“今年中国经济怎么样？”。你可以针对上面的回答问：“请细化上面的回答”或者“让上面的回答更加数据化、结构化、专业化”。
上下文：在必要时提供足够的上下文信息，确保模型能够在正确的背景下生成内容。

说了这么多理论，有没有公式可以用？

向大模型提问的公式？

我觉得给大模型提问，就好比把一个商品卖出去。比如你去陌拜：你要告诉你是干嘛的，你的产品有什么功能，对你有什么帮助。一句话就是：说清楚你的动机。

说清楚的公式：

给角色：为AI赋予一个特定的角色身份，使其在回答问题时能够从该角色的角度出发。
- 请扮演一名医生，为患者提供健康建议。
- 请扮演一名律师，解释最新的法律法规。
- 请扮演一名心理咨询师，提供心理辅导。
说背景：提供充分的上下文背景信息，帮助AI更好地理解问题所在的情境。
- 患者有高血压病史，最近经常感到头晕。
- 新颁布的《个人信息保护法》引起了广泛关注。
- 求助者因工作压力大，出现焦虑和失眠症状。
定任务：明确告诉AI你希望实现的任务，使其能够针对性地提供答案。
- 请医生提供针对高血压患者的日常保健建议。
- 请律师解读《个人信息保护法》的主要内容。
- 请心理咨询师为焦虑和失眠患者提供自我调节方法。
补要求：说明回答是需要注意的事项或期望的回复形式。
- 在回答时，请医生提供具体的饮食和运动建议，并说明注意事项。
- 在解读法律时，请律师使用浅显易懂的语言，并提供实际案例。
- 在提供心理辅导时，请心理咨询师给出具体可行的技巧，并说明可能的效果。

举一个编程领域的例子：比如你需要计算一个字符串中最长的符合回文数特征的字符串，返回其Length和对应的值。

按照上面的公式你可以这样问：

请扮演一名JavaScript开发者，编写一个名为 findPalindromeOrigin 的工具函数（给角色）。该函数是处理一个全部由字母组成的字符串，目的是找出该字符串中符合回文数特性的字符串。回文数是指正读和反读都相同的字符串（说背景）。你的任务是确保这个函数能够接受一个字符串参数，检查该字符串是否全部由字母组成，并输出最长回文子串的长度和值，格式为 length: xxx, value: xxx（定任务）。在编写函数时，请保证代码的可读性，并在找到多个长度相同的回文子串时，返回最左侧的那个。同时，请在代码中包含必要的注释，以帮助理解函数的工作原理（补要求）。

我们使用这个Prompt来问下ChatGPT：

我们看到他完全按照我们的需求去生成内容。

志哥我想说

其实各种类型的AI应用原理其实就是参数调整和优化提示词：

预训练（Pre-training） ：GPTs 首先在大规模的数据集上进行预训练，学习语言的通用模式。这个阶段不针对任何特定领域。
微调（Fine-tuning） ：针对特定领域，如翻译、美食评论或前端开发，GPTs 可以通过在领域特定的数据集上进行微调来进一步提升其性能。微调过程中会调整网络的参数，使其更适合特定任务。
提示词优化（Prompt Engineering） ：提示词是给模型的问题或指令，它们极大地影响了模型的输出。通过精心设计提示词，可以引导模型生成更准确、更相关的回答。例如，对于翻译任务，提示词可能包括源语言和目标语言的指示；对于美食评论，提示词可能包含对菜肴的描述要求。
参数调整（Parameter Tuning） ：在应用GPTs时，开发者可能会调整一些超参数，如学习率、批次大小、层数等，以优化模型的性能。
领域适配（Domain Adaptation） ：为了使GPTs更好地适应特定领域，可能需要进行一些特定的适配工作，比如使用领域术语对模型进行进一步的训练。

在这里插入图片描述

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述