简单来说什么是即时工程
提示是您向模型提供的文本指令，而提示工程是编写它以使答案准确且适用的能力。语言模型不会读心：它会完成文本最有可能的延续。输入越模糊，输出就越平均和无用。工作提示几乎总是由五个部分组成：角色（模型应该是谁）、上下文（什么样的情况和数据）、任务（到底要做什么）、格式（以什么形式给出答案）和限制（音量、语气、要避免什么）。您不必记住这一点 - 只需在发送之前根据清单快速检查您的请求即可。一旦为每个块添加特异性，答案的质量就会显着提高，并且重写次数几乎降至零。
强有力的提示由什么组成：上下文和格式
有两件事对结果影响最大：您提供了多少上下文以及您描述所需格式的清晰程度。上下文是模型不知道的事实：受众是谁，目标是什么，局限性是什么，已经存在什么好的结果的例子。不要“给客户写一封信”，而是要给出本质：客户是谁，发生了什么，什么语气合适，我们想要实现什么目标。格式是答案的结构：五个点的列表，一个有列的表格，一个三段的字母，一个不超过一百字的答案。直接提问：“在包含问题、原因、解决方案的表格中给出答案。”如果定义明确，则模型可以完美地保持其给定的形状。这两个块将模糊的请求变成了一项技术任务，为此很容易立即提供您需要的内容，而无需十个澄清圈。
少样本技术：展示所需答案的示例
最被低估的技术是向模型展示您想要的示例，而不是用文字描述它。这称为“few-shot”：您给出输入→所需输出对的一到三个样本，然后是一个新输入。该模型比任何指令更准确地从模式中捕获语气、长度、结构和逻辑。例如，要标记评论，请提供两个带有必填字段的标记评论 - 她将以相同的形式执行第三个评论。对于字母，请以您的风格显示一个字母，下一个字母将类似。当结果难以用语言描述但易于展示时，该技术特别有用：公司基调、特定格式、非标准逻辑。如果答案在不同的请求中“浮动”，请添加一个示例 - 稳定性会显着提高，而无需任何额外的解释段落。
迭代和调试：为什么第一个答案并不理想
即时工程是一种对话，而不是一个清晰的镜头。如果答案是错误的，不要从头开始——解决具体问题。太长了？添加“不超过一百二十字”。太笼统了？要求提供数字和示例。走错地方了？澄清到底哪里出了问题：“删除介绍，立即开始执行步骤。”对于复杂的问题，让模型在得到最终答案之前逐步推理是很有用的——这样可以减少逻辑错误。另一个技巧是直接在提示中设置质量标准：“一个好的答案包含 X、Y，但不包含 Z”。保存有效的配方：随着时间的推移，一组经过验证的模板将会积累起来。调试查询需要几秒钟的时间，结果的差异就像实习生的草稿和专家的工作之间的差异。
如何避免虚构并获得可靠的答案
该模型可以自信地发明事实、链接和数字——这是它的弱点，需要对其进行控制。第一招：明确允许不知道。 “如果没有足够的数据，就写出来，不要弥补”这句话大大减少了发明的数量。第二：自己提供事实。不要问“我们的关税是多少”，而是将数据插入提示中并要求仅与他们合作。第三：要求将假设与事实分开标记，或表明结论的基础是什么。对于重要的任务，添加验证步骤：“重新阅读答案并标记您不确定的陈述。”并且始终手动仔细检查数字、名称和引文 - 该模型可以作为草稿和助手，但对事实的责任仍由您承担。正是这种技能将业余爱好者与值得信赖的工作人员区分开来。