生成式AI與大型語言模型

提示工程(prompt engineering)

/ PROMPT en-jih-NEER-ing /

提示工程,是一門「把請求措辭好、好讓語言模型給出你真正想要的答案」的手藝。同一個模型,問同一個底層問題,得到的可能是含糊的絮叨,也可能是俐落、有用的回覆——這全看你怎麼措辭:你給它派了什麼角色、提供了多少背景、要求什麼格式、有沒有給它看個例子。既然你伸不進模型內部,提示,就是你手裡僅有的那個方向盤。

實踐中,它與其說是科學,不如說是一袋子靠得住的習慣:把目標和受眾說具體;講明想要的格式(「用一張三行的表格回答」);給一兩個「好答案長什麼樣」的例子(少樣本);遇到難題就請模型一步步推理;告訴它拿不準時該怎麼辦。每一招都在重塑模型會落入的那些模式,而微小的措辭改動,對輸出的影響往往比新手想像的要大。

不過要拿捏好分寸。提示工程能把模型哄向更好的表現,卻無法賦予它本來沒有的知識,也攔不住它信心十足地編造事實。沒有哪條提示能可靠地根除幻覺;巧妙的措辭也不是一道安全邊界——「提示注入」(敵意文字混進輸入、劫持原有指令)始終是一個貨真價實的風險。把提示當成「善於發問」,而非「編程」。

弱提示:「跟我講講狗。」更好的:「你是一名獸醫。請用4個要點,為初次養狗的人講清楚一隻幼犬應該多久餵一次,用大白話,別用術語。」同一個模型——第二條提示得到的答案,要好用得多。

角色 + 格式 + 受眾:同一個模型,答案好得多。

提示工程重塑的是模型「怎麼答」,而非它「知道什麼」。再精雕細琢的提示,也無法讓模型回想起它從沒學過的事實,對「提示注入」更是毫無防護——千萬別僅因為提示叮囑了模型要小心,就把某個動作放心交給它。

又稱
promptingprompt design提示工程提示詞工程提问技巧