提示词工程

1、什么构成了一个好的提示

提示：输入给AI的问题或指令

好的提示能极大地提高AI的理解和执行的效率，让AI提供更准确和有用的回答。

提示工程（Prompt Engineering）：研究如何写出好的提示

提示工程原则：

零样本：不给AI任何回应示范

小样本：给AI几个回答，作为参考的例子

言简意赅，不要啰嗦空洞不严谨

2、限定输出格式

为什么要限定输出格式：

（1）影响用户消化信息的效率

（2）当调用API时，指定输出格式能方便用代码对ai回答作进一步处理（如提取信息）。

若不指定格式，那ai每次输出的格式可能都不一样，加大了从回答中提取信息的难度。

而且还要告知ai 不要包含任何没必要的补充信息，即不要有额外文字。 这样才可以得到能直接用代码解析的数据。

示例： 

JSON（JavaScript Object Notation，JavaScript的对象表示法）：

 ｛｝JSON对象，相当于Python字典

（但是字典的key值可以是整数，而JSON对象的键只能是字符串类型，而且字符串必须被双引号包围，单引号不行）

   [ ]  JSON数组，相当于Python列表

数组里面的元素可以是一个个对象

 JSON对象的值可以是：

要把ai返回的JSON字符串，转换成Python字典或列表，

可以用json库的loads方法

import json

result = json.loads(JSON字符串)

3、小样本

小样本提示：在ai回答前，给几个对话作为示例，即用样本对它进行引导。

ai 会利用上下文学习能力，先记忆那些内容作为知识，然后模仿其进行回应。就不用多费口舌对ai提要求了，因为它会自己领悟。

因此，小样本示范能让AI快速适应新任务，且不需要对模型进行任何训练，成本低又灵活。

如何做？

传给客户端实例的chat.completions.create方法的messages参数，可以包含一系列用户和AI的对话。把理想回答示范，作为前面几轮对话里AI的回答，放入messages列表里即可。

上图回答的格式是markdown。

4、思维链与分步骤思考

小样本提示有时候也会不起作用，比如在数学运算时。

所有奇数相加等于41，不是53。可见ai是胡乱算的。

 问题在于，ai生成每个token所用的时间差不多，不会因为某个词需要涉及更多的思考，而花费更多的时间生成那个token。所以答案计算就被随便糊弄过去了。前面的正确示范也没什么帮助。

这时可以借助思维链，它可以显著提升大语言模型进行复杂推理（算数、常识、符号推理）的能力。

如何使用？

在给ai的小样本提示里，展示中间的推理步骤，而不仅仅给出答案。那ai在生成回答时，也会模仿着生成一些中间步骤。就像被老师点名回答问题时，把思考过程讲出来再给出答案（更多时间，更有逻辑地分步骤思考），比直接瞬间给出答案要更容易和准确。

借助思维链，ai可以把注意力集中在当前思考步骤上，减少上下文的过多干扰。

即使不用小样本提示，只在问题的后面加上一句“let's think step by step”，也能提升ai获得正确答案的概率。