提示工程

生成式 AI 作为人工智能的子集，重要性日益凸显；与此同时，生成式 AI 聊天机器人正成为众多用户日常应用的技术。提示工程是人类与生成式 AI 交互的过程，通过精心构建和优化查询，确保模型能够准确理解并有效回应。该技术有助于从 AI 系统中获取准确且相关的信息。

什么是提示工程？

提示工程的定义：提示工程是一种实践，通过精心构建和优化输入内容，使人工智能 (AI) 工具能够准确解读并处理信息，从而产生最优输出结果。

提示工程可显著提升任何给定 AI 工具的效能。为这些人工智能工具提供额外的上下文信息，可确保输出结果最为有效和准确。

当用户向​生成式 AI 模型输入简单查询或提示时，模型的输出结果通常较为简单。反之，若输入更详尽、更复杂的查询内容，模型通常会输出更详尽且更有价值的回复。

如果没有提示工程，模型既无法理解该查询，也无法对其做出令人满意的回应，因此就不可能生成详细的回复。

与微调生成式 AI 工具的其他方面一样，创造性与测试的结合是确保这些工具具备学习和适应能力的关键。提示工程则为这些 AI 工具选用最佳且最适用的短语、符号和词汇。

提示工程的工作原理是什么？

生成式 AI 模型基于深度学习架构训练和构建，以便能够理解基础语言，包括语气和上下文。提示工程有助于塑造 AI 工具的输出结果，确保其能够令人满意地回应用户查询。

当用户提供的提示缺乏上下文或清晰度不足时，提示工程能够提升生成式 AI 工具的实用性。例如，当用户输入“我在哪里可以买到笔记本电脑”这样的提示时，工具中的提示工程模块会结合更多上下文来分析该提示。

经过提示工程处理后，该提示将转化为类似“用户需要购买一台笔记本电脑，假设你是一名科技商店的销售助理，请提供一份简明清单，列出 x 地点可供购买的笔记本电脑型号”之类的表述。

若缺乏提示工程为生成式 AI 工具提供的额外洞察，工具的用户体验和整体性能均将受到负面影响。

为构建有效的提示，用户应考虑以下要素：

• 明确任务：清楚说明需要 AI 完成什么任务，例如“提供一份可供购买的笔记本电脑清单。”
• 提供上下文：提供背景信息，帮助 AI 理解情况，例如“该笔记本电脑用于工作。”
• 指定角色：明确 AI 应扮演的角色，例如“假设你是一名科技商店的销售助理。”
• 设定语气：指明期望的回复语气，例如“提供友好且专业的推荐。”
• 提供示例：提供示例以引导 AI，例如“推荐类似戴尔 XPS 13 或 MacBook Air 的笔记本电脑。”
• 指定格式：概述回复内容的结构要求，例如“以项目符号列表的形式提供信息。”

通过整合上述要素，提示工程可确保生成式 AI 工具提供更精准、更相关且用户友好型回复。

提示工程的发展历程是怎样的？

提示工程是生成式 AI 领域中一个正在发展的方向，而生成式 AI 本身也是一项新技术，发展历程相对短暂。尽管其发展历程较人工智能领域的其他方面更为短暂，但在短期内已产生显著影响。

• 2017 年，Transformer 模型提出：Transformer 模型与自然语言处理 (NLP) 的结合，重塑了 AI 领域，开辟了新的发展可能性。此类模型可在大规模数据集上完成预训练，这使得人们对 AI 工具的需求增加，因为需要它们利用这些更大规模的数据集输出符合要求的工作成果。
• 2018 年，提示工程迎来测试验证：研究人员开始提出，NLP 领域的既往任务可转化为附加上下文的问答任务。这一思路推动了向 AI 工具发起基础问题查询（例如历史类查询或简单的翻译）的做法。
• 2021 年，迄今为止规模最大的提示工程测试：一组研究人员开展了一项测试，要求预训练模型执行 12 项 NLP 任务。为完成这些任务，模型需对提示作出准确回应。
• 2023 年，提示工程的鼎盛时期：到 2023 年，已有大量文生文和文生图的提示数据库向公众开放。此类工具的应用热度持续攀升，ChatGPT 便是其中一例。

提示工程有哪些主要类型？

若干提示工程技术提供了独特的方式来训练生成式 AI 模型，使其掌握特定用例下的正确技能。

• 零样本学习指不给模型提供先前学习经验或上下文，直接让其处理查询，以评估没有上下文时的 AI 输出结果。
• 单样本学习为模型提供单一示例或上下文片段，以帮助其生成正确的输出结果。
• 少样本学习为 AI 模型提供少量示例和上下文线索，从而帮助它建立语境感并识别规律。
• 思维链提示为 AI 模型提供逐步的思维过程，使其能以更全面、接近人类的方式处理查询。
• 迭代提示先给出一个提示，然后根据初始提示的输出结果对其进行优化。
• 负向提示引导 AI 模型避免生成某些内容，而非指定需要生成的内容。

提示工程是如何应用的？

提示工程是辅助人工智能工具的一种特定方法，其用例旨在对此类工具的性能进行增强和引导。该技术涉及设计和优化输入内容（提示）的做法，以帮助 AI 工具生成最佳结果。这一过程包括提供上下文信息，并以 AI 能够准确解读并作出回应的方式构建查询，从而确保输出结果具有相关性和实用性。

提示工程师是专门从事提示工程工作的专业人员。他们对相关领域和 AI 的能力有着深入的了解，能够构建出有效提示，引导 AI 生成准确且有意义的回应。在最大限度地提高 AI 系统的效率和可靠性方面，提示工程师发挥着关键作用，尤其是在医学和法律等复杂或敏感的领域。在这些领域，提示工程能够提供上下文信息，并指导 AI 系统总结数据，协助医疗治疗或提供法律建议。

提示工程还能增强 AI 工具在模拟环境中全面实施威胁的能力，从而应对网络安全挑战。此举为软件开发人员提供了更全面的测试场景，使其能够在开发阶段增设额外的安全层。

提示工程在批判性思维的培养这一关键领域也具有重要价值。为推动生成式 AI 工具的发展并提供更全面的回复，可借助提示工程培养批判性思维模式。如果没有这种层次的批判性思维，AI 工具将无法以批判性思维驱动的方式对提示展开分析，进而导致其做出的回答可信度不足。