馮雅君

希望任何看完這個(gè)系列教程的人都能掌握撰寫(xiě)生產(chǎn)級(jí)提示詞的方法，再也不用尋找零碎的知識(shí)點(diǎn)！

理解提示詞：AI的指令語(yǔ)言

什么是提示詞？

在人工智能的語(yǔ)境中，提示詞（Prompt）是用戶(hù)提供給模型的、用以引導(dǎo)其生成特定響應(yīng)的輸入文本。它可以是簡(jiǎn)單的問(wèn)題、一串關(guān)鍵詞，也可以是包含復(fù)雜說(shuō)明、上下文信息乃至代碼片段的詳細(xì)指令

從本質(zhì)上講，提示詞是我們與生成式AI模型進(jìn)行溝通和下達(dá)任務(wù)的“自然語(yǔ)言”。

一個(gè)設(shè)計(jì)精良的提示詞通常可以包含以下四種核心要素：

指令（Instruction）：明確告知模型需要執(zhí)行的具體任務(wù)。例如，“總結(jié)以下文章”、“將這段文字分類(lèi)為正面、中性或負(fù)面”、“生成一封營(yíng)銷(xiāo)郵件”。

上下文（Context）：提供背景信息或外部知識(shí)，幫助模型更好地理解任務(wù)情境，從而生成更具相關(guān)性的回答。例如，在要求模型撰寫(xiě)報(bào)告時(shí)，提供目標(biāo)受眾的背景信息（“這份報(bào)告的讀者是沒(méi)有任何技術(shù)背景的投資人”）。

輸入數(shù)據(jù)（InputData）：模型需要處理的具體內(nèi)容。例如，需要被總結(jié)的文章全文，或是需要被分類(lèi)的用戶(hù)評(píng)論。

輸出指示（OutputIndicator）：指定模型輸出內(nèi)容的類(lèi)型、格式或風(fēng)格。例如，“請(qǐng)以JSON格式返回結(jié)果”、“回答應(yīng)使用項(xiàng)目符號(hào)列表”、“語(yǔ)氣應(yīng)保持專(zhuān)業(yè)和嚴(yán)謹(jǐn)”。

并非所有提示詞都必須包含全部四要素，其具體構(gòu)成取決于任務(wù)的復(fù)雜度和需求(5)。然而，理解這些構(gòu)成要素，是系統(tǒng)化設(shè)計(jì)高效提示詞的第一步。

為什么設(shè)計(jì)高質(zhì)量的提示詞至關(guān)重要？

提示詞的質(zhì)量直接決定了AI輸出內(nèi)容的質(zhì)量、相關(guān)性和準(zhǔn)確性。在實(shí)際應(yīng)用場(chǎng)景中，這一點(diǎn)尤為關(guān)鍵。

一個(gè)模糊或結(jié)構(gòu)不佳的提示詞可能導(dǎo)致模型產(chǎn)生不一致、偏離主題甚至事實(shí)錯(cuò)誤的輸出（即“幻覺(jué)”），這對(duì)于依賴(lài)AI提供穩(wěn)定服務(wù)的產(chǎn)品而言是不可接受的。

相反，一個(gè)精心設(shè)計(jì)的提示詞，就如同為AI助手提供了一份清晰的工作說(shuō)明書(shū)，能夠有效地引導(dǎo)模型，使其產(chǎn)出符合預(yù)期的、高質(zhì)量且可靠的結(jié)果。

這不僅能提升用戶(hù)體驗(yàn)，還能顯著降低因AI輸出錯(cuò)誤而產(chǎn)生的業(yè)務(wù)風(fēng)險(xiǎn)和后期人工修正成本。因此，掌握提示詞撰寫(xiě)技巧，意味著掌握了精確控制和利用AI能力的鑰匙。

提示詞的兩種類(lèi)型

在實(shí)踐中，我們可以將提示詞分為兩大類(lèi)：日常對(duì)話(huà)提示詞和生產(chǎn)級(jí)提示詞。

理解二者的區(qū)別，是產(chǎn)品和業(yè)務(wù)人員從AI的普通使用者轉(zhuǎn)變?yōu)閷?zhuān)業(yè)AI應(yīng)用設(shè)計(jì)者的關(guān)鍵一步。

1）日常對(duì)話(huà)提示詞

這類(lèi)提示詞是我們?nèi)粘ＥcChatGPT等聊天機(jī)器人互動(dòng)時(shí)使用的、非結(jié)構(gòu)化的、即興的自然語(yǔ)言查詢(xún)。例如，“給我推薦幾部科幻電影”或“解釋一下什么是黑洞”。這類(lèi)提示詞的特點(diǎn)是簡(jiǎn)單、直接，依賴(lài)于模型龐大的預(yù)訓(xùn)練知識(shí)庫(kù)進(jìn)行回答。它們非常適合探索性、非正式的知識(shí)獲取和娛樂(lè)場(chǎng)景。

2）生產(chǎn)級(jí)提示詞

生產(chǎn)級(jí)提示詞是為集成在軟件應(yīng)用或業(yè)務(wù)流程中而專(zhuān)門(mén)設(shè)計(jì)的，其首要目標(biāo)是確保輸出的可靠性、一致性和可擴(kuò)展性。

與日常對(duì)話(huà)提示詞的根本區(qū)別在于，生產(chǎn)級(jí)提示詞是一種經(jīng)過(guò)“工程化”設(shè)計(jì)的指令，它必須在各種輸入條件下都能穩(wěn)定地產(chǎn)生可預(yù)測(cè)的、符合格式要求的輸出。

一個(gè)核心的認(rèn)知轉(zhuǎn)變?cè)谟冢?/p>

日常對(duì)話(huà)是一種“交談”，而生產(chǎn)級(jí)應(yīng)用是一種“指令”。

專(zhuān)業(yè)應(yīng)用無(wú)法承受AI“看心情”式的回答，它要求的是每一次服務(wù)都達(dá)到可預(yù)期的標(biāo)準(zhǔn)。

生產(chǎn)級(jí)提示詞通過(guò)提供明確的角色、嚴(yán)格的規(guī)則、清晰的上下文和固定的輸出格式，極大地減少了模型解讀的模糊性，從而將AI的“創(chuàng)造力”約束在可控的業(yè)務(wù)框架內(nèi)，使其成為一個(gè)穩(wěn)定可靠的自動(dòng)化工具。

生產(chǎn)級(jí)提示詞包含從需求定義到解決方案的閉環(huán)。因此，對(duì)于產(chǎn)品經(jīng)理而言，學(xué)習(xí)設(shè)計(jì)生產(chǎn)級(jí)提示詞，本質(zhì)上是學(xué)習(xí)如何將業(yè)務(wù)需求精確地轉(zhuǎn)化為AI能夠穩(wěn)定執(zhí)行的規(guī)范。

什么是提示詞工程？

1）定義與過(guò)程

提示詞工程（PromptEngineering）是一門(mén)新興的學(xué)科，它專(zhuān)注于開(kāi)發(fā)和優(yōu)化提示詞，幫助用戶(hù)更有效地利用語(yǔ)言模型完成各種復(fù)雜的任務(wù)。

撰寫(xiě)生產(chǎn)級(jí)提示詞的過(guò)程，就是提示詞工程的實(shí)踐。這個(gè)過(guò)程并非一蹴而就，而是一個(gè)類(lèi)似于軟件開(kāi)發(fā)或機(jī)器學(xué)習(xí)的迭代循環(huán)。

通常包括需求分析、初始設(shè)計(jì)、測(cè)試評(píng)估和持續(xù)優(yōu)化等環(huán)節(jié)。提示詞工程師需要彌合最終用戶(hù)需求與大型語(yǔ)言模型能力之間的鴻溝，通過(guò)不斷的實(shí)驗(yàn)和調(diào)整，找到能夠激發(fā)模型最佳性能的輸入文本組合。

2）提示詞工程的價(jià)值

對(duì)于企業(yè)而言，提示詞工程提供了一種比模型微調(diào)（Fine-tuning）更高效、更靈活地利用AI能力的方式。

成本與效率：模型微調(diào)需要對(duì)模型本身的參數(shù)進(jìn)行重新訓(xùn)練，這個(gè)過(guò)程不僅需要海量的標(biāo)注數(shù)據(jù)，而且計(jì)算成本高昂，周期漫長(zhǎng)。而提示詞工程則是在不改變模型自身參數(shù)的前提下，通過(guò)優(yōu)化輸入指令來(lái)激發(fā)模型內(nèi)部已有的知識(shí)和能力。這使企業(yè)能夠以更低的成本、更快的速度進(jìn)行AI應(yīng)用的原型設(shè)計(jì)和功能迭代。

靈活性與可控性：提示詞可以被看作是應(yīng)用的“軟邏輯”，可以隨時(shí)進(jìn)行修改和部署，而無(wú)需重新訓(xùn)練整個(gè)模型。這種靈活性使得產(chǎn)品團(tuán)隊(duì)能夠快速響應(yīng)業(yè)務(wù)變化和用戶(hù)反饋，持續(xù)優(yōu)化AI功能。

掌握提示詞工程，意味著產(chǎn)品和業(yè)務(wù)團(tuán)隊(duì)獲得了直接塑造和控制AI行為的能力，能夠更快地將AI技術(shù)轉(zhuǎn)化為實(shí)實(shí)在在的商業(yè)價(jià)值。

如何設(shè)計(jì)生產(chǎn)級(jí)提示詞

設(shè)計(jì)生產(chǎn)級(jí)提示詞是一門(mén)兼具邏輯與創(chuàng)意的藝術(shù)。它要求我們像產(chǎn)品經(jīng)理規(guī)劃功能、像工程師設(shè)計(jì)架構(gòu)一樣，系統(tǒng)化地構(gòu)建與AI的溝通橋梁。本部分將深入探討提示詞的設(shè)計(jì)流程、常用框架和核心技巧，為產(chǎn)品和業(yè)務(wù)人員提供一套可復(fù)用的方法論。

提示詞設(shè)計(jì)流程：從需求到實(shí)現(xiàn)

一個(gè)成功的提示詞需要遵循嚴(yán)謹(jǐn)?shù)脑O(shè)計(jì)流程。我們可以將其類(lèi)比為微型的產(chǎn)品開(kāi)發(fā)周期，確保最終產(chǎn)出能夠精準(zhǔn)滿(mǎn)足業(yè)務(wù)需求。

第一步：需求分析（“Why”）

在動(dòng)筆之前，首先要清晰地定義業(yè)務(wù)目標(biāo)和用戶(hù)需求。問(wèn)自己幾個(gè)關(guān)鍵問(wèn)題：

我們要解決什么問(wèn)題？（例如：降低客服響應(yīng)時(shí)間、提升營(yíng)銷(xiāo)文案點(diǎn)擊率）

AI在這個(gè)流程中扮演什么角色？（例如：信息提取器、內(nèi)容生成器、決策分析）

一個(gè)“成功”的輸出是什么樣的？（定義成功輸出的標(biāo)準(zhǔn)，例如：一份不超過(guò)300字、包含三個(gè)關(guān)鍵點(diǎn)的摘要；一個(gè)格式正確的JSON對(duì)象）

目標(biāo)用戶(hù)是誰(shuí)？（例如：需要快速獲取信息的客服人員、尋求創(chuàng)意的市場(chǎng)專(zhuān)員）

這一步相當(dāng)于編寫(xiě)產(chǎn)品需求文檔（PRD）或用戶(hù)故事，是整個(gè)設(shè)計(jì)過(guò)程的基石。

第二步：初始提示詞設(shè)計(jì)（“What”）

基于需求分析，草擬第一個(gè)版本的提示詞。此時(shí)，應(yīng)有意識(shí)地包含之前提到的核心要素：

清晰的指令：明確任務(wù)。

必要的上下文：賦予AI角色或提供業(yè)務(wù)背景信息。

明確的輸出格式：告知AI你期望的結(jié)果是什么樣子。

第三步：測(cè)試與評(píng)估（“HowWell”）

使用一系列輸入數(shù)據(jù)來(lái)測(cè)試提示詞，這些數(shù)據(jù)應(yīng)覆蓋典型使用場(chǎng)景和潛在的邊緣情況。然后，根據(jù)第一步定義好的成功標(biāo)準(zhǔn)來(lái)評(píng)估AI的輸出。評(píng)估的維度將在后續(xù)筆記中具體介紹

第四步：迭代與優(yōu)化（”ImprovementLoop”）

根據(jù)測(cè)試結(jié)果，對(duì)提示詞進(jìn)行持續(xù)的優(yōu)化和精煉。這可能包括：調(diào)整措辭、增加或修改示例、強(qiáng)化約束條件、改變賦予的角色、甚至切換模型等。這是一個(gè)不斷循環(huán)的過(guò)程，直到提示詞在各種測(cè)試下都能穩(wěn)定地產(chǎn)生高質(zhì)量的輸出。

常用的提示詞撰寫(xiě)框架

提示詞框架如同寫(xiě)作的模板，它們提供了一種經(jīng)過(guò)驗(yàn)證的結(jié)構(gòu)，幫助我們?cè)谠O(shè)計(jì)提示詞時(shí)不遺漏關(guān)鍵信息，從而系統(tǒng)性地提升提示詞的質(zhì)量和穩(wěn)定性。

為了幫助產(chǎn)品和業(yè)務(wù)人員快速選擇合適的工具，下表對(duì)比了幾個(gè)主流的提示詞框架及其適用場(chǎng)景。

TAG框架：簡(jiǎn)潔高效

TAG框架是最簡(jiǎn)單直接的結(jié)構(gòu)之一，非常適合日常的快速任務(wù)定義。

T(Task-任務(wù))：你要AI做什么？（例如：“寫(xiě)一篇關(guān)于人工智能的博客文章”）

A(Action-行動(dòng))：AI應(yīng)該如何執(zhí)行？（例如：“采用風(fēng)趣幽默且引人入勝的風(fēng)格”）

G(Goal-目標(biāo))：期望達(dá)成的最終目的是什么？（例如：“吸引對(duì)AI感興趣的初學(xué)者”）

APE框架：強(qiáng)調(diào)意圖

APE框架與TAG相似，但更側(cè)重于讓模型理解任務(wù)背后的“目的”，這有助于模型做出更智能的決策

A(Action-行動(dòng))：AI需要執(zhí)行的具體動(dòng)作。（例如：“分析這份客戶(hù)反饋報(bào)告”）

P(Purpose-目的)：為什么要做這件事？（例如：“為了找出客戶(hù)流失的三個(gè)主要原因”）

E(Expectation-期望)：期望的輸出格式或成果。（例如：“以項(xiàng)目符號(hào)列表的形式呈現(xiàn)，并按重要性排序”）

COAST框架：應(yīng)對(duì)復(fù)雜戰(zhàn)略

當(dāng)面對(duì)需要綜合多個(gè)因素的復(fù)雜或戰(zhàn)略性任務(wù)時(shí)，COAST框架提供了一個(gè)全面的思考結(jié)構(gòu)。

C(Context-背景)：提供必要的背景信息。（例如：“我們公司第三季度的銷(xiāo)售額下降了15%”）

O(Objective-目標(biāo))：設(shè)定一個(gè)高層次的、可衡量的目標(biāo)。（例如：“第四季度的銷(xiāo)售額提升20%”）

A(Actions-行動(dòng))：模型需要考慮或執(zhí)行的步驟。（例如：“分析市場(chǎng)趨勢(shì)、提出三個(gè)營(yíng)銷(xiāo)策略、評(píng)估每個(gè)策略的預(yù)算”）

S(Scenario-情景)：描述具體的環(huán)境或情況。（例如：“我們正面臨兩個(gè)主要競(jìng)爭(zhēng)對(duì)手的降價(jià)壓力”）

T(Task-任務(wù))：給AI下達(dá)的具體指令。（例如：“基于以上所有信息，為第四季度制定一份詳細(xì)的營(yíng)銷(xiāo)計(jì)劃草案”）

LangGPT框架：構(gòu)建專(zhuān)屬AI智能體

LangGPT是一種高度結(jié)構(gòu)化的提示詞設(shè)計(jì)范式，它將提示詞設(shè)計(jì)類(lèi)比為面向?qū)ο缶幊?，旨在?chuàng)建具有特定角色、規(guī)則和工作流程的、可復(fù)用的AI智能體。它通常使用Markdown格式，包含以下模塊

Role:定義AI的核心角色

Profile:描述角色的背景、專(zhuān)長(zhǎng)和語(yǔ)言風(fēng)格

Rules:AI必須遵守的規(guī)則和約束

Workflow:AI與用戶(hù)交互或完成任務(wù)的步驟

Initialization:AI的開(kāi)場(chǎng)白和引導(dǎo)語(yǔ)

例如，一個(gè)“唐代詩(shī)人”的LangGPT提示詞，會(huì)詳細(xì)定義其詩(shī)人身份、擅長(zhǎng)的詩(shī)歌體裁（如七言律詩(shī)）、必須遵守的格律規(guī)則，以及如何與用戶(hù)互動(dòng)（要求用戶(hù)提供主題和形式）。這種框架非常適合構(gòu)建需要長(zhǎng)期保持一致性和專(zhuān)業(yè)性的虛擬助手或?qū)＜蚁到y(tǒng)。

核心提示詞技巧（重要）

掌握了框架之后，還需要一系列具體的技巧來(lái)進(jìn)一步打磨和優(yōu)化提示詞，以應(yīng)對(duì)不同的任務(wù)需求。

零樣本（Zero-shot）與少樣本（Few-shot）提示

零樣本提示：在不提供任何范例的情況下，直接要求模型完成任務(wù)。這完全依賴(lài)于模型在預(yù)訓(xùn)練階段學(xué)到的通用能力。

應(yīng)用：適用于任務(wù)簡(jiǎn)單直接（如“翻譯‘你好’到英文”）、或快速驗(yàn)證一個(gè)AI功能概念的場(chǎng)景。

少樣本提示：在提示詞中提供一個(gè)或多個(gè)（通常不超過(guò)5個(gè)）完整的任務(wù)范例（“shot”），向模型展示期望的輸入和輸出格式。這是一種強(qiáng)大的“情境學(xué)習(xí)”（In-contextLearning）技術(shù)。

應(yīng)用：當(dāng)需要強(qiáng)制模型遵循特定的輸出格式、語(yǔ)氣或風(fēng)格時(shí)極為有效。例如，在生成客服郵件時(shí)，提供2-3個(gè)符合公司規(guī)范的郵件范例，能讓新生成的郵件質(zhì)量大幅提升。

提供范例是LLM這種模式匹配引擎最直接有效的引導(dǎo)方式之一。它將模糊的“指令”轉(zhuǎn)化為清晰的“模式”，極大地降低了模型“猜錯(cuò)”用戶(hù)意圖的概率，是產(chǎn)品經(jīng)理在不進(jìn)行代碼級(jí)開(kāi)發(fā)的情況下提升AI性能的最有力工具。

分解（Decomposition）

分解，也稱(chēng)為“提示鏈”（PromptChaining），是將一個(gè)復(fù)雜的大任務(wù)拆分成一系列更簡(jiǎn)單、更小的子任務(wù)，然后通過(guò)多個(gè)提示詞按順序完成。

任務(wù)：分析一份冗長(zhǎng)的年度財(cái)報(bào)。

提示詞1（提?。骸皬囊韵仑?cái)報(bào)文本中，提取所有關(guān)鍵財(cái)務(wù)數(shù)據(jù)（收入、利潤(rùn)、現(xiàn)金流），并以JSON格式輸出?！?/p>

提示詞2（分析）：“基于以下財(cái)務(wù)數(shù)據(jù)，識(shí)別出三大主要財(cái)務(wù)風(fēng)險(xiǎn)?！?/p>

提示詞3（生成）：“根據(jù)識(shí)別出的財(cái)務(wù)風(fēng)險(xiǎn)，草擬一封給管理層的預(yù)警郵件?！?/p>

這種方法降低了單次任務(wù)的復(fù)雜度，讓模型能更專(zhuān)注、更準(zhǔn)確地完成每一步。

角色提示（RolePrompting）

即賦予AI一個(gè)特定的身份或?qū)＜医巧纭澳闶且晃粨碛?0年經(jīng)驗(yàn)的營(yíng)銷(xiāo)總監(jiān)”或“假設(shè)你是一名嚴(yán)謹(jǐn)?shù)姆深檰?wèn)”。

作用原理：角色提示為模型提供了強(qiáng)大的上下文，能夠激活其知識(shí)庫(kù)中與該角色最相關(guān)的部分，從而使其輸出的語(yǔ)氣、風(fēng)格和專(zhuān)業(yè)知識(shí)更符合預(yù)期。

技巧：角色的定義越具體越好?！澳闶且幻麛?shù)據(jù)科學(xué)家”是好的開(kāi)始，但“你是一名專(zhuān)注于B2BSaaS領(lǐng)域客戶(hù)流失預(yù)警模型的數(shù)據(jù)科學(xué)家”則能帶來(lái)更精準(zhǔn)的輸出。

思維鏈（ChainofThought,CoT）

這是一種引導(dǎo)模型在給出最終答案前，先展示其“思考過(guò)程”的技術(shù)。通過(guò)在提示詞中加入“讓我們一步一步地思考”或提供包含推理步驟的范例，可以顯著提升模型在邏輯推理、算術(shù)和復(fù)雜問(wèn)題解決上的準(zhǔn)確性。

商業(yè)應(yīng)用：解決一個(gè)多步驟的計(jì)算問(wèn)題，如“A套餐每月50元，含1000分鐘通話(huà)，超出部分每分鐘0.1美元。B套餐每月70元，不限通話(huà)。如果客戶(hù)上月通話(huà)1200分鐘，哪個(gè)套餐更劃算？”使用CoT，模型會(huì)先計(jì)算A套餐的總費(fèi)用，再與B套餐比較，最后給出結(jié)論，過(guò)程清晰且不易出錯(cuò)。

零樣本CoT：一個(gè)非常實(shí)用的技巧，只需在你的問(wèn)題后加上一句“讓我們一步一步地思考”（Let’sthinkstep-by-step），就能在不提供范例的情況下，有效激發(fā)模型的推理能力。

需要注意的是：隨著推理模型的普及，這種提示技巧的必要性可能在下降

思維樹(shù)（TreeofThoughts,ToT）

ToT是CoT的進(jìn)階版。當(dāng)一個(gè)問(wèn)題存在多個(gè)可能的解決路徑時(shí)，ToT允許模型同時(shí)探索多個(gè)“思維分支”，對(duì)每個(gè)分支進(jìn)行評(píng)估，甚至在發(fā)現(xiàn)某個(gè)分支是死胡同時(shí)進(jìn)行“回溯”，轉(zhuǎn)而探索其他路徑。

應(yīng)用：進(jìn)行戰(zhàn)略規(guī)劃或頭腦風(fēng)暴。例如：“為我們的新產(chǎn)品制定上市策略。請(qǐng)從‘線(xiàn)上營(yíng)銷(xiāo)’、‘線(xiàn)下活動(dòng)’和‘渠道合作’三個(gè)方向進(jìn)行探索，并分別評(píng)估每個(gè)方向的優(yōu)缺點(diǎn)和潛在風(fēng)險(xiǎn)。”模型會(huì)將這三個(gè)方向作為不同的分支進(jìn)行深入思考。

自我批評(píng)（Self-Criticism/Reflexion）

這是一種讓模型對(duì)其自身的輸出進(jìn)行評(píng)估和改進(jìn)的技術(shù)。在模型生成初步答案后，可以追加一個(gè)提示詞，如：“請(qǐng)檢查你剛才的回答。是否存在事實(shí)錯(cuò)誤？邏輯是否嚴(yán)謹(jǐn)？有哪些可以改進(jìn)的地方？”這利用了模型強(qiáng)大的文本分析能力來(lái)優(yōu)化其自身的生成能力。

負(fù)面約束

明確告知模型不要做什么。例如，“回答中不要包含任何技術(shù)術(shù)語(yǔ)”或“在生成的文案中，禁止使用‘革命性’、‘顛覆性’等夸大詞匯”。這個(gè)技巧在使用得當(dāng)?shù)那闆r下，能非常有效地對(duì)輸出內(nèi)容進(jìn)行“塑形”，確保其符合特定的溝通規(guī)范。

一些需要根據(jù)使用場(chǎng)景具體分析的技巧：

負(fù)面約束：具體效果不一定好，也不一定不好。過(guò)多或復(fù)雜的負(fù)面約束可能會(huì)讓模型感到困惑，導(dǎo)致性能下降。建議保持負(fù)面約束的簡(jiǎn)潔和明確。

角色提示：在需要生成創(chuàng)造性?xún)?nèi)容或模仿特定風(fēng)格的任務(wù)中（如寫(xiě)營(yíng)銷(xiāo)文案、扮演客服），角色提示效果較好。但在純粹要求事實(shí)準(zhǔn)確性的任務(wù)中（如從文本中提取數(shù)據(jù)），其作用相對(duì)有限，清晰的指令和輸出格式定義更為重要。

關(guān)鍵參數(shù)：微調(diào)AI的風(fēng)格

除了優(yōu)化提示詞文本，調(diào)整模型的生成參數(shù)也是提示詞工程的重要一環(huán)。對(duì)于產(chǎn)品和業(yè)務(wù)人員來(lái)說(shuō)，可以將這些參數(shù)理解為控制AI輸出風(fēng)格的旋鈕。

Temperature（溫度）

定義：Temperature控制著模型生成下一個(gè)詞時(shí)的隨機(jī)性程度。

一個(gè)較低的溫度值（如0.2）會(huì)使得模型更傾向于選擇概率最高的詞，從而產(chǎn)生更可預(yù)測(cè)、更保守的文本。一個(gè)較高的溫度值（如0.8或更高）則會(huì)“拉平”詞語(yǔ)間的概率差異，讓概率較低的詞也有機(jī)會(huì)被選中，從而產(chǎn)生更多樣、更具創(chuàng)造性甚至出人意料的文本。

在提示詞設(shè)計(jì)中的應(yīng)用：

創(chuàng)意任務(wù)：當(dāng)你的目標(biāo)是進(jìn)行頭腦風(fēng)暴、撰寫(xiě)營(yíng)銷(xiāo)文案或創(chuàng)作故事時(shí)，可以調(diào)高溫度（例如0.8-1.0），以激發(fā)模型的創(chuàng)造力。

事實(shí)性任務(wù)：當(dāng)你的目標(biāo)是獲取準(zhǔn)確的事實(shí)、進(jìn)行文本摘要或生成代碼時(shí)，應(yīng)調(diào)低溫度（例如0.2-0.5），以減少模型“自由發(fā)揮”導(dǎo)致的事實(shí)錯(cuò)誤。

Top-p（核采樣）

定義：Top-p，也稱(chēng)核采樣（NucleusSampling），是一種動(dòng)態(tài)控制詞匯選擇范圍的方法。它設(shè)定一個(gè)概率閾值p（如0.9），模型會(huì)從輸出概率最高的詞開(kāi)始，不斷累加它們的概率，直到總和達(dá)到p為止，然后模型只從這個(gè)“核心”（nucleus）詞匯集中進(jìn)行抽樣。

與Top-k固定數(shù)量不同，Top-p的詞匯集大小是動(dòng)態(tài)變化的，模型越確定，詞匯集越?。荒Ｐ驮讲淮_定，詞匯集越大。

在提示詞設(shè)計(jì)中的應(yīng)用：

平衡生成：Top-p通常被認(rèn)為是比Temperature更優(yōu)的控制方法，因?yàn)樗饶鼙苊膺x擇那些概率極低的離譜詞匯，又能根據(jù)上下文的確定性動(dòng)態(tài)調(diào)整創(chuàng)造力。一個(gè)常用的值是0.9到0.95之間，這能在保證連貫性的前提下，提供良好的多樣性。

精細(xì)調(diào)優(yōu)：對(duì)于需要高度連貫性的對(duì)話(huà)機(jī)器人或問(wèn)答系統(tǒng)，可以適當(dāng)降低Top-p（如0.8），以使其回答更聚焦。

Top-k

定義：Top-k是最簡(jiǎn)單的采樣控制方法。它直接限制模型在生成下一個(gè)詞時(shí)，只能從概率最高的k個(gè)詞中進(jìn)行選擇。例如，設(shè)置Top-k為10，模型無(wú)論面對(duì)什么情況，都只會(huì)在10個(gè)備選詞中挑選。

在提示詞設(shè)計(jì)中的應(yīng)用：

聚焦內(nèi)容生成：當(dāng)需要確保輸出內(nèi)容嚴(yán)格限制在某個(gè)主題范圍內(nèi)時(shí)，可以使用較小的k值（如5-20）。

與Top-p的比較：想象一下點(diǎn)餐，Top-k就像一個(gè)固定套餐，永遠(yuǎn)只有k個(gè)菜品可選。而Top-p則像一個(gè)自助餐，它會(huì)提供占總受歡迎度90%的菜品，菜品數(shù)量會(huì)根據(jù)當(dāng)天大家的口味偏好而變化。因此，Top-p通常更智能、更靈活。

在實(shí)際應(yīng)用中，通常會(huì)調(diào)整Temperature和Top-p中的一個(gè)，而不是同時(shí)調(diào)整兩者，以避免不可預(yù)測(cè)的效果。

對(duì)產(chǎn)品和業(yè)務(wù)人員而言，理解這些參數(shù)的含義，意味著你可以在不改動(dòng)提示詞文本的情況下，通過(guò)調(diào)整這些參數(shù)來(lái)改變AI應(yīng)用的輸出風(fēng)格，以適應(yīng)不同的業(yè)務(wù)場(chǎng)景。

《極品小神醫(yī)》力壓《妖孽小仙醫(yī)》,占據(jù)人氣榜榜首

劃重點(diǎn)推薦的《妖孽醫(yī)仙小村農(nóng)》,讓人心水的畫(huà)面,錯(cuò)過(guò)它是你的遺憾!

榜單優(yōu)選《妖孽小醫(yī)仙》開(kāi)篇就想入坑,細(xì)膩飽滿(mǎn)近期的快樂(lè)時(shí)光!