什么是 Prompt 工程？
Prompt 工程是通过创建提示或指导 ChatGPT 这样的语言模型输出的过程。它使用户能够控制生成的文本内容，从而生成符合特定需求的文本。ChatGPT 是一种先进的语言模型，基于 Transformer 架构，能够处理大量数据并生成高质量文本。
然而，为了获得最佳结果，正确的提问方式至关重要。通过提供清晰、具体的指导，用户可以引导模型输出相关且高质量的内容。
Prompt 公式 是提示的特定格式，通常包含三个主要元素：
- 任务：清晰简洁地陈述要生成的内容。
- 指令：模型在生成文本时应遵循的要求。
- 角色：模型在生成文本时扮演的角色。
指令提示技术
指令提示技术是一种通过为模型提供具体指令来生成高质量文本的方法。这种技术能够确保模型输出内容的相关性和准确性。
示例：
生成客户服务响应：
- 任务：生成响应客户查询
- 指令：响应应专业且提供准确的信息
- 提示公式：“按照以下指示生成专业且准确的客户查询响应：响应应该专业且提供准确的信息。”
角色提示
角色提示技术通过为 ChatGPT 指定一个特定的角色来引导其输出，这对于生成针对特定受众或上下文的文本特别有用。
示例：
生成客户服务回复：
- 任务：生成对客户查询的回复
- 角色：客户服务代表
- 提示公式：“作为客户服务代表，生成对客户查询的回复。”
标准提示
标准提示是一种简单的方法，通过给模型提供明确的任务来引导其生成所需文本。
示例：
生成新闻文章的摘要：
- 任务：总结这篇新闻文章
- 提示公式：“生成这篇新闻文章的摘要。”
零、一和少样本提示
这些技术适用于没有足够示例或数据的任务。它们通过提供最少的或零个示例来引导 ChatGPT 生成文本。
示例：
为新产品编写描述：
- 任务：为新智能手表编写产品描述
- 提示公式：“基于零个示例为这款新智能手表生成产品描述。”
“让我们思考一下”提示
这种提示技巧有助于生成反思性或思考性的文本，适合撰写论文、诗歌等。
示例：
生成一篇反思性论文：
- 任务：就个人成长主题写一篇反思性论文
- 提示公式：“让我们思考一下：个人成长。”
自洽提示
自洽提示技术确保 ChatGPT 输出的文本与输入的一致，特别适用于数据验证和事实核查。
示例：
检查文本一致性：
- 任务：检查给定文本的一致性
- 提示公式：“请确保以下文本是一致的：[插入文本]。”
种子词提示
种子词提示技术通过提供特定的种子词或短语来引导模型生成与该词相关的文本。
示例：
编写关于龙的故事：
- 任务：编写一篇关于龙的故事
- 种子词：“龙”
- 提示公式：“请根据以下种子词生成文本：龙。”
知识生成提示
这种技术通过从模型中引出新的、原创的信息来生成新的内容。
示例：
生成关于环保的新信息：
- 任务：生成关于环保的新的和原创的信息
- 提示公式：“生成有关环保的新的准确信息。”
知识整合提示
通过将新信息与现有知识结合，生成更为全面的理解。
示例：
整合新的环保数据：
- 任务：将新环保数据与现有知识整合
- 提示公式：“将以下信息与关于环保的现有知识整合：[插入新信息]。”
多项选择提示
多项选择提示让模型基于一组预定义的选项生成答案。
示例：
选择合适的营销策略：
- 任务：选择适合的营销策略
- 提示公式：“选择以下选项之一：[选项1] [选项2] [选项3]。”
可解释的软提示
这种技术通过提供一组受控输入和附加信息，使模型生成更具解释性和可控性的文本。
示例：
生成故事：
- 任务：生成一个故事
- 指令：“基于以下角色生成故事：[插入角色]和主题：[插入主题]。”
控制生成提示
控制生成提示通过指定特定输入（如模板或特定词汇），高度控制模型的生成过程。
示例：
生成基于模板的故事：
- 任务：生成一个故事
- 提示公式：“根据以下模板生成故事：[插入模板]。”
问答提示
问答提示使模型能够回答特定问题或任务。
示例：
回答事实性问题：
- 任务：回答事实性问题
- 提示公式：“回答以下事实问题：[插入问题]。”
概述提示
概述提示允许模型生成较长文本的摘要。
示例：
总结新闻文章：
- 任务：总结一篇新闻文章
- 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]。”
对话提示
对话提示让模型生成模拟对话的文本，适用于故事写作和聊天机器人开发等任务。
示例：
生成对话：
- 任务：生成两个角色之间的对话
- 提示公式：“在以下情境中生成以下角色之间的对话：[插入角色]。”
强化学习提示
强化学习提示通过奖励机制使模型不断优化其生成文本的质量。
示例：
生成符合风格的文本：
- 任务：生成符合特定风格的文本
- 提示公式：“使用强化学习来生成与以下风格一致的文本：[插入风格]。”
课程学习提示
课程学习提示允许模型逐步学习更复杂的任务，适用于自然语言处理和其他机器学习任务。
示例：
生成符合风格的文本：
- 任务：生成符合特定风格的文本
- 提示公式：“使用课程学习来生成与以下风格一致的文本，[插入风格]。”
情感分析提示
情感分析提示帮助模型识别文本的情绪色彩，如积极、消极或中立。
示例：
分析客户评论的情感：
- 任务：分析客户评论的情感
- 提示公式：“对以下客户评论进行情感分析，并将它们分类为积极、消极或中立：[插入评论]。”
命名实体识别提示
命名实体识别（NER）用于识别和分类文本中的命名实体，如人名、地点和日期。
示例：
在新闻文章中识别命名实体：
- 任务：识别新闻文章中的命名实体
- 提示公式：“在以下新闻文章上执行命名实体识别，并识别人名、组织和地点：[插入文章]。”
文本分类提示
文本分类技术用于将文本分成不同的类别，广泛应用于文本分析和情感分析。
示例：
对客户评论进行分类：
- 任务：将客户评论分类为电子产品、服装、家具等
- 提示公式：“对以下客户评论进行文本分类，并根据内容将其分类为电子产品、服装和家具等：[插入评论]。”
