OpenAI发布官方提示工程指南和示例,全面使用攻略简单易学

发布时间:2023年12月20日

主要策略:

1、请向AI明确表达你的需求,比如,如果你想得到简短回答,直接说“给我一个简短的回答”。模型无法理解你的思维,因此提供清晰的指令是必要的。无论是简短回答还是专业水平的写作,都要明确说明,以降低模型的猜测。

示例:https://t.co/bgyiEDQP2N

具体操作:

  1. 为了获取更相关的答案,请在查询中包含详细细节。
  2. 如果需要模型采用特定的角色或风格,请明确指定。
  3. 在输入时使用分隔符以清晰地表示不同的部分。
  4. 明确列出完成任务所需的步骤,
  5. 提供示例以帮助模型理解任务。
  6. 为了确保期望的输出长度,请指定输出的长度。
  7. 指定输出的期望长度。

2、为了获得更准确、更相关的内容,请向AI提供关于你要写的主题的具体资料或例子。语言模型有时可能会创造虚假答案,尤其是在涉及特定主题、引用或URL请求时。提供参考文本将有助于模型提供更为准确的答案。

示例:https://t.co/35d3mFIdk9

具体操作:

  • 指导模型使用参考文本来回答问题。
  • 要求模型在回答时引用参考文本中的内容。

3、将复杂任务分解为简单的子任务是一个有效的策略。如果你要写一个复杂的主题,尝试将其分解成几个小部分。首先,撰写关于主题背景的部分,然后再撰写关于主要观点的部分。类似于软件工程中将复杂系统分解为模块化组件的方法,提交任务给语言模型时也可以采取相似的分解策略。通常,复杂任务的错误率高于简单任务,而将其重新定义为一系列简单任务的工作流程可以提高准确性。

示例:https://t.co/30L0DyyZma

具体操作:

  1. 采用意图分类技术以确定用户查询的最相关指令。
  2. 对于长时间对话的应用,可以进行总结或过滤之前的对话,保持对话的连贯性和清晰性。
  3. 对于长文档,使用分段总结的方法,递归地构建完整摘要,确保提取关键信息并呈现紧凑的概要。

4、为了获得更好的答案,给予模型一些时间来“思考”问题。这可以通过让AI首先列出解决问题的步骤,然后再提供答案来实现。模型在立即回答问题时可能会产生更多推理错误,因此要求模型在给出答案之前进行“思考链”有助于提高推理的可靠性。

示例:https://t.co/U4Sj0NlT4I

具体操作:

  1. 指导模型在急于得出结论之前先自行找出解决方案。
  2. 使用内部独白或一系列查询来隐藏模型的推理过程。
  3. 在之前的回答中询问模型是否遗漏了什么。

5、优化结果的一种方式是结合使用AI和其他外部工具,比如数据搜索工具。通过利用其他工具的输出来弥补模型的不足,可以获得更好的综合效果。例如,文本检索系统可以提供相关文档信息,代码执行引擎则有助于模型进行数学计算和运行代码。整合外部工具的功能,能够在某些方面提升模型的表现。

示例:https://t.co/dquVT4bFfP

具体操作:

  1. 使用基于嵌入的搜索来实现高效的知识检索。
  2. 使用代码执行来进行更准确的计算或调用外部API。
  3. 让模型访问特定的功能。

6、测试和调整:尝试不同的指令和方法,看看哪种效果最好,然后根据结果进行调整。

示例:https://t.co/nLrfTnIQLD

  1. 评估模型输出的有效方法是采用“使用黄金标准答案评估模型输出”的策略。
  2. 首先,定义问题的正确答案,明确定义包含已知事实的黄金标准。
  3. 接着,使用模型进行查询生成答案,并检查该答案中包含了多少黄金标准事实。
  4. 通过评估答案中事实的完整性和准确性,可以确定答案的质量。
  5. 这一策略特别适用于需要精确和详细信息的场景,如科学、技术或学术研究。
  6. 通过与黄金标准答案对比,可以有效监控和提升AI模型的输出质量。
文章来源:https://blog.csdn.net/heehelcom/article/details/135091681
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。