生成式AI与大语言模型
提示工程(prompt engineering)
/ PROMPT en-jih-NEER-ing /
提示工程,是一门「把请求措辞好、好让语言模型给出你真正想要的答案」的手艺。同一个模型,问同一个底层问题,得到的可能是含糊的絮叨,也可能是利落、有用的回复——这全看你怎么措辞:你给它派了什么角色、提供了多少背景、要求什么格式、有没有给它看个例子。既然你伸不进模型内部,提示,就是你手里仅有的那个方向盘。
实践中,它与其说是科学,不如说是一袋子靠得住的习惯:把目标和受众说具体;讲明想要的格式(「用一张三行的表格回答」);给一两个「好答案长什么样」的例子(少样本);遇到难题就请模型一步步推理;告诉它拿不准时该怎么办。每一招都在重塑模型会落入的那些模式,而微小的措辞改动,对输出的影响往往比新手想象的要大。
不过要拿捏好分寸。提示工程能把模型哄向更好的表现,却无法赋予它本来没有的知识,也拦不住它信心十足地编造事实。没有哪条提示能可靠地根除幻觉;巧妙的措辞也不是一道安全边界——「提示注入」(敌意文字混进输入、劫持原有指令)始终是一个货真价实的风险。把提示当成「善于发问」,而非「编程」。
弱提示:「跟我讲讲狗。」更好的:「你是一名兽医。请用4个要点,为初次养狗的人讲清楚一只幼犬应该多久喂一次,用大白话,别用术语。」同一个模型——第二条提示得到的答案,要好用得多。
角色 + 格式 + 受众:同一个模型,答案好得多。
提示工程重塑的是模型「怎么答」,而非它「知道什么」。再精雕细琢的提示,也无法让模型回想起它从没学过的事实,对「提示注入」更是毫无防护——千万别仅因为提示叮嘱了模型要小心,就把某个动作放心交给它。
又称
另见