提示工程
:::takeaways 本文要点
- 什么是提示工程?
:::
当提示不奏效时会发生什么?
有时候生成式 AI 会输出错误的结果。例如,它们不是很擅长乘法运算,经常会自信地给出错误的答案。尝试向 ChatGPT 提供以下提示:
Prompt
AI Output
ChatGPT 提供了一个错误答案(正确答案是 91,377)。我们可以修改提示,并告诉 ChatGPT 仔细思考每个步骤:
Prompt
AI Output
计算 923 乘以 99,我们可以分解为较小的步骤:
步骤 1:为每个项写出完整的 0 个数: 923 * 99 = 923 * 990
步骤 2: 将第一个项乘以 9: 923 * 9 = 8307
步骤 3: 将第一个项乘以 90(添加一个 0): 923 * 90 = 83070
步骤 4: 将步骤 2 和步骤 3 的结果相加。: 8307 + 83070 = 91377
因此,923 乘以 99 等于 91,377。
令人惊讶的是,通过这些额外的说明,ChatGPT 能够解决这个问题。这次成功是因为 ChatGPT 将计算过程都写出来了,从而避免了错误。通过提示工程,生成式 AI 的数学能力可以得到提升。现在,让我们尝试一个不同的例子。
:::caution 注意
由于 ChatGPT 是
非确定性
的,即使使用这个提示,有时也可能无法正常工作。你可能会看到类似于 91,177 或 91,077 的答案。
:::
考古学家 AI 示例
这一次,我们将请 ChatGPT 为我们正在考虑创建的新型虚构 AI 产品——考古学家 AI 撰写一条营销推文。考古学家 AI 讲述着关于著名考古学家的故事。
Prompt
AI Output
这条推文不准确,因为考古学家 AI 只是讲述故事,而不是发现新事物。然而,这并不是 ChatGPT 的错!它对考古学家 AI 一无所知,让我们在提示中包含相关信息。
Prompt
AI Output
这次好多了!现在让我们尝试让 ChatGPT 以印第安纳·琼斯的风格写下推文。
Prompt
AI Output
好的,这可能是我们需要向考古学爱好者传达的信息!通过测试多个提示,我们可以看到哪个提示能产生最好的输出结果。
总结
随着时间的推移,不断完善提示的过程被称为提示工程。你不可能在第一次尝试时就写出完美的提示,因此重要的是善于完善你的提示。做好提示工程主要来自大量的实践(尝试和错误)。其余文章将向你介绍可以在提示工程过程中使用的不同提示策略。