目录

前言

第一章：提示词工程（Prompt）技术简介

第二章：提示词技术基础

第三章：角色提示

第四章：“让我们思考一下”提示

第五章：自洽提示

第六章：种子词提示

第七章：控制生成提示

第八章：概述提示

第九章：对话提示

第十章：对抗性提示

前言

理解如何正确地向大语言模型（如ChatGPT，文心一言）提问以获得我们所需的高质量输出非常重要。本篇将探讨如何使用不同的提示工程（Prompt）技术来实现不同的目标。

第一章：提示词工程（Prompt）技术简介

什么是提示词（Prompt）工程？

提示词工程是创建提示或指导像 ChatGPT ，文心一言这样的大语言模型（LLM）输出的过程。它允许用户控制模型的输出并生成符合其特定需求的文本。

大模型能够生成类似于人类的文本，但如果没有适当的指导，它可能无法始终产生期望的输出。

这就是 Prompt 工程的作用，通过提供清晰而具体的指令，您可以引导模型的输出并确保其相关。

Prompt 公式是提示的特定格式，通常由三个主要元素组成：

• 任务：对提示要求模型生成的内容进行清晰而简洁的陈述。

• 指令：在生成文本时模型应遵循的指令。

• 角色：模型在生成文本时应扮演的角色。

我们将探讨可用于 LLM的各种 Prompt 工程技术。我们将讨论不同类型的提示，以及如

何使用它们实现您想要的特定目标。

第二章：提示词技术基础

指令提示技术是通过为模型提供具体指令来引导 LLM 的输出的一种方法。这种技术对于确保输出相关和高质量非常有用。

要使用指令提示技术，您需要为模型提供清晰简洁的任务，以及具体的要求以供模型遵循。在进行提示工程时，需要考虑以下几个方面：

1. 清晰明确：尽量使提示清晰、明确，以便模型更好地理解输入信息和预期输出。

2. 上下文和范围：在提示中提供足够的上下文，以便模型能够理解问题的具体背景。同时，

限制提示的范围可以减少不相关或过于宽泛的回答。

3. 问题类型：尝试使用不同的问题类型（例如开放式问题、封闭式问题或多项选择题等），

以找出最适合特定场景的提示方式。

4. 实验与迭代：不断尝试新的提示方式，对生成的回答进行分析，以便找到优化模型表现的

最佳方法。

5. 示例与引导：在提示中包含示例，可以引导模型生成类似的答案。同时，可以在提示中明

确指示期望的答案格式或结构。

通过以上方法，可以有效地进行提示工程，以提高自然语言处理模型的性能和准确性。

例如，如果您正在生成客户服务响应，您提供的任务是“生成响应客户查询”，您的要求是"响应应该专业且提供准确的信息"。

提示公式：“按照以下指示生成[任务]：[要求]”

示例：

生成客户服务响应：

• 任务：生成响应客户查询

• 要求：响应应该专业且提供准确的信息

• 提示公式：“按照以下指示生成客户查询响应：响应应该专业且提供准确的信息。”

生成法律文件：

• 任务：生成法律文件

• 要求：控制在500个字以内

• 提示公式：“按照以下指示生成符合相关法律法规的法律文件：控制在500个字以内。”

第三章：角色提示

角色提示技术是通过为 LLM 指定一个特定的角色来引导其输出的一种方式。这种技术对于生成针对特定上下文或受众的文本非常有用。要使用角色提示技术，您需要为模型提供一个清晰具体的角色。

例如，如果您正在生成客户服务回复，您可以提供一个角色，如“客户服务代表”。

提示公式：“作为[角色]生成[任务]”

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。”

生成法律文件：

• 任务：生成法律文件

• 角色：律师

• 提示公式：“作为律师，生成法律文件。”

将角色提示技术与指令提示和关键词提示结合使用可以增强 LLM 的输出。

下面是一个示例，展示了如何将指令提示、角色提示和种子词提示技术结合使用：

• 任务：为新智能手机生成产品描述

• 指令：描述应该是有信息量的，具有说服力，并突出智能手机的独特功能

• 角色：市场代表

• 关键词：手机创新功能

• 提示公式：“作为市场代表，生成一个有信息量的、有说服力的产品描述，突出新智能手机的创

新功能。该智能手机具有以下功能[插入您的功能]”

在这个示例中，指令提示用于确保产品描述具有信息量和说服力。角色提示用于确保描述是从市场代表的角度书写的。而关键词提示则用于确保描述侧重于智能手机的创新功能。

第四章：“让我们思考一下”提示

“让我们思考一下”提示是一种技巧，可鼓励 LLM 生成反思和思考性的文本。这种技术适用于撰写

论文、诗歌或创意写作等任务。

“让我们思考一下”提示的公式非常简单，即“让我们思考一下”后跟一个主题或问题。

例如：

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”

这个提示要求对特定主题或想法展开对话或讨论。发言者邀请 LLM 参与讨论相关主题。模型提供了一个提示，作为对话或文本生成的起点。然后，模型使用其训练数据和算法生成与提示相关的响应。这种技术允许 LLM 根据提供的提示生成上下文适当且连贯的文本。

要使用“让我们思考一下提示”技术与 LLM，您可以遵循以下步骤：

1. 确定您要讨论的主题或想法。

2. 制定一个明确表达主题或想法的提示，并开始对话或文本生成。

3. 用“让我们思考”或“让我们讨论”开头的提示，表明您正在启动对话或讨论。

以下是使用此技术的一些提示示例：

• 提示：“让我们思考气候变化对农业的影响”

• 提示：“让我们讨论人工智能的当前状态”

• 提示：“让我们谈谈远程工作的好处和缺点” 您还可以添加开放式问题、陈述或一段您希望模

型继续或扩展的文本。

这种独特的提示有助于 LLM 以不同的视角和角度给出答案，从而产生更具动态性和信息性的段落。使用提示的步骤简单易行，可以真正提高您的写作水平。尝试一下，看看效果如何吧。

第五章：自洽提示

自洽提示是一种技术，用于确保 LLM 的输出与提供的输入一致。这种技术对于事实核查、数据验证或文本生成中的一致性检查等任务非常有用。

自洽提示的提示公式可以是提示模型生成与提供的输入一致的文本（用于确保 LLM 的输出与提供的输入一致）。

或者是，在输入文本前加入指令“请确保以下文本是自洽的”（用于事实核查或数据验证）。

提示示例及其公式：

示例 1：文本生成

• 任务：生成产品评论

• 指令：评论应与输入中提供的产品信息一致

• 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]”

示例 2：文本摘要

• 任务：概括一篇新闻文章

• 指令：摘要应与文章中提供的信息一致

• 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]”

示例 3：文本完成

• 任务：完成一个句子

• 指令：完成应与输入中提供的上下文一致

• 提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]”

示例 4（事实核查，数据验证）：

1. 事实核查：

任务：检查给定新闻文章的一致性

输入文本：“文章中陈述该城市的人口为 500 万，但后来又说该城市的人口为 700 万。”

提示公式：“请确保以下文本是自洽的：文章中陈述该城市的人口为 500 万，但后来又说该城市

的人口为 700 万。”

2. 数据验证：

任务：检查给定数据集的一致性

输入文本：“数据显示 7 月份的平均温度为 30 度，但最低温度记录为 20 度。”

提示公式：“请确保以下文本是自洽的：数据显示 7 月份的平均温度为 30 度，但最低温度记录

为 20 度。”

第六章：种子词提示

种子词提示是一种通过提供特定的种子词或短语来控制 LLM 输出的技术。这种技术允许模型生成与种子词相关的文本并对其进行扩展。这是一种控制模型生成文本与某个特定主题或背景相关的方式。

种子词提示的提示公式是“请根据以下种子词生成文本：[种子词]”。

示例：

文本生成：

• 任务：编写一篇有关龙的故事

• 种子词：“龙”

• 提示公式：“请根据以下种子词生成故事：龙”

还可以和角色，关键词等结合使用。以下是提示示例及其公式：

示例 ：文本生成

• 任务：编写一首诗

• 指令：诗应与种子词“爱”相关，并以十四行诗的形式书写。

• 角色：诗人

• 种子词：桃花

• 提示公式：“作为诗人，根据以下种子词生成与“爱”相关的十四行诗：桃花”

第七章：控制生成提示

控制生成提示是一种技术，可让模型在生成文本时对输出进行高度控制。

这可以通过提供一组特定的输入来实现，例如模板、特定词汇或一组约束条件，这些输入可用于指导生成过程。

以下是一些示例和它们的公式：

示例 1：文本生成

• 任务：生成一个故事

• 说明：该故事应基于特定的模板

• 提示公式：“根据以下模板生成故事：[插入模板]”

示例 2：文本补全

• 任务：完成一句话

• 说明：完成应使用特定的词汇

• 提示公式：“使用以下词汇完成以下句子：[插入词汇]：[插入句子]”

示例 3：语言建模

• 任务：以特定风格生成文本

• 说明：文本应遵循一组特定的语法规则

• 提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入上下文]”

通过提供一组特定的输入来指导生成过程，控制生成提示使得生成的文本更具可控性和可预测性。

第八章：概述提示

概述提示是一种技术，允许模型在保留其主要思想和信息的同时生成给定文本的较短版本。

这可以通过将较长的文本作为输入提供给模型并要求其生成该文本的摘要来实现。这种技术对于文本概述和信息压缩等任务非常有用。

使用方式：

• 应该向模型提供较长的文本作为输入，并要求其生成该文本的摘要。

• 提示还应包括有关所需输出的信息，例如摘要的所需长度和任何特定要求或限制。

提示示例及其公式：

示例 1：文章概述

• 任务：概述新闻文章

• 说明：摘要应是文章主要观点的简要概述

• 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]”

示例 2：会议记录

• 任务：概括会议记录

• 说明：摘要应突出会议的主要决策和行动

• 提示公式：“通过列出主要决策和行动来总结以下会议记录：[插入记录]”

示例 3：书籍摘要

• 任务：总结一本书

• 说明：摘要应是书的主要观点的简要概述

• 提示公式：“用一段简短的段落总结以下书籍：[插入书名]”

第九章：对话提示

对话提示是一种技术，允许模型生成模拟两个或更多实体之间对话的文本。通过为模型提供一个上下文和一组角色或实体，以及它们的角色和背景，并要求模型在它们之间生成对话。

因此，应为模型提供上下文和一组角色或实体，以及它们的角色和背景。还应向模型提供有关所需输出的信息，例如对话或交谈的类型以及任何特定的要求或限制。

提示示例及其公式：

示例 1：对话生成

• 任务：生成两个角色之间的对话

• 说明：对话应自然且与给定上下文相关

• 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]”

示例 2：故事写作

• 任务：在故事中生成对话

• 说明：对话应与故事的角色和事件一致

• 提示公式：“在以下故事中生成以下角色之间的对话[插入故事]”

示例 3：聊天机器人开发

• 任务：为客服聊天机器人生成对话

• 说明：对话应专业且提供准确的信息

• 提示公式：“在客户询问[插入主题]时，为客服聊天机器人生成专业和准确的对话”

这种技术对于对话生成、故事写作和聊天机器人开发等任务非常有用。

第十章：对抗性提示

对抗性提示是一种技术，它允许模型生成抵抗某些类型的攻击或偏见的文本。这种技术可用于训练更为稳健和抵抗某些类型攻击或偏见的模型。

要在LLM 中使用对抗性提示，需要为模型提供一个提示，该提示旨在使模型难以生成符合期望输出的文本。提示还应包括有关所需输出的信息，例如要生成的文本类型和任何特定要求或约束。

提示示例及其公式：

示例 1：用于文本分类的对抗性提示

• 任务：生成被分类为特定标签的文本

• 说明：生成的文本应难以分类为特定标签

• 提示公式：“生成难以分类为[插入标签]的文本”

示例 2：用于情感分析的对抗性提示

• 任务：生成难以分类为特定情感的文本

• 说明：生成的文本应难以分类为特定情感

• 提示公式：“生成难以分类为具有[插入情感]情感的文本”

示例 3：用于语言翻译的对抗性提示

• 任务：生成难以翻译的文本

• 说明：生成的文本应难以翻译为目标语言

• 提示公式：“生成难以翻译为[插入目标语言]的文本”