纸上得来终觉浅，绝知此事要躬行

我接触AI的故事要从2022年底说起，那时候我在互联网公司，在老板的朋友圈看到GPT3.0，我就去体验了一下，感觉也不过如此，就是个人工智障，之后由于疫情我被裁员，正愁着今后的出路。

幸运的是2023.3.14，GPT4.0上线了，让我实现蜕变，打破信息差，完成破圈。

我开始做AIP自媒体，仅仅两个月后就实现了单月变现2.6W！

00丨Prompt的基本原理

 

在深入探讨Prompt工程的实践之前，我们首先要厘清Prompt的基本概念。就像理发师在为顾客服务前，需要了解顾客的发质、脸型等基本情况一样。只有掌握了这些基础知识，我们才能游刃有余地设计出Prompt。

 

001丨Prompt的定义与作用

 

Prompt，直译为“提示”。在自然语言处理(NLP)领域，它指的是我们输入给语言模型的一段文本，用以指导模型完成特定任务。就像理发师通过与顾客的交谈，了解其发型偏好一样，我们通过精心设计的Prompt，让语言模型”理解”我们的意图，进而输出我们期望的结果。

 

我们可以把语言模型看作一位技艺精湛但略显被动的理发师。他有着丰富的经验和创意，但需要顾客提供明确的指引才能发挥所长。而Prompt，就是我们与这位”理发师”沟通的关键。一个设计良好的Prompt，能够准确传达我们的需求，激发模型的潜力，得到令人满意的结果。

 

让我们看一个简单的例子。假设我们要让模型生成一封邮件，邀请客户参加新产品发布会。我们可以设计这样一个Prompt：

你是某公司的市场部员工，请给客户写一封100字左右的邮件，邀请他们参加公司的新产品发布会。以下是邮件的要点：

- 新产品是一款革命性的无线耳机
- 发布会将于下周五下午2点在公司总部举行
- 现场将提供茶点，并有机会赢取新产品
- 请收件人提前回复是否参加

邮件：

这个Prompt清晰地表达了任务的背景、目标和关键信息，就像顾客向理发师说明发型的风格、场合和长度一样。有了这些要点，模型就能生成一封结构完整、内容得当的邀请函。而如果我们只是简单地要求模型”写一封邀请函”，结果可能就不够理想了。

 

由此可见，Prompt在指导模型完成任务的过程中扮演着至关重要的角色。它搭建起人与AI之间交流的桥梁，让我们能够有效利用语言模型的能力，创造出有价值的内容。

 

002丨设计Prompt的三大原则

 

掌握了Prompt的基本概念后，让我们进一步探讨如何设计出优质的Prompt。这就像理发师在为顾客设计发型时，需要遵循一些基本原则，比如考虑脸型、发质，选择适合的造型等。同样，在Prompt工程中，我们也有三条基本原则需要遵循。

 

第一条原则是：明确任务目标。这就像理发师首先要弄清楚顾客的需求一样，我们在设计Prompt时，也要明确希望模型完成什么样的任务。是文本分类、信息抽取，还是开放式生成？任务的类型决定了Prompt的基本框架。

 

让我们看一个文本分类的例子。假设我们要判断一段影评的情感倾向是正面还是负面，我们可以这样设计Prompt：

以下是一段电影影评，请判断其情感倾向是正面还是负面：

- 影评：这部电影的剧情非常吸引人，我从头到尾都在猜测结局。演员的表演也很精彩，特别是男主角，把这个复杂的角色演绎得入木三分。
- 不过，影片节奏有点慢，前半段略显沉闷。总的来说，这是一部值得一看的电影，但可能不会成为经典。

情感倾向：

这个Prompt明确告诉模型，我们希望它对一段影评文本进行二分类。任务的输入是一段影评，输出是”正面”或”负面”。有了这样清晰的任务定义，模型就能更准确地完成我们的要求。

 

第二条原则是：提供充分信息。这就像理发师在设计发型前，需要充分了解顾客的需求和场合一样。在设计Prompt时，我们也要尽可能多地向模型提供与任务相关的背景信息，以帮助它更好地理解我们的意图。

 

还是以影评分类为例，我们可以在Prompt中补充一些指引，告诉模型如何判断情感倾向：

以下是一段电影影评，请根据以下标准判断其情感倾向是正面还是负面：
    
- 如果影评主要谈及电影的优点，认为值得一看，整体印象积极，则倾向为正面
- 如果影评主要批评电影的缺点，认为不太推荐，整体印象消极，则倾向为负面  
- 如果影评中包含褒贬，可根据侧重点和总结来判断，若无明显倾向则选择中性

影评：这部电影的剧情非常吸引人，我从头到尾都在猜测结局。演员的表演也很精彩，特别是男主角，把这个复杂的角色演绎得入木三分。
不过，影片节奏有点慢，前半段略显沉闷。总的来说，这是一部值得一看的电影，但可能不会成为经典。

情感倾向：

通过提供判断标准，我们为模型提供了更多参考信息，帮助它更准确地理解任务要求。就像理发师在了解了顾客的发质、脸型和穿搭风格后，能够设计出更贴合顾客气质的发型一样。

 

第三条原则是：体现交互意图。这就像理发师在为顾客服务的过程中，需要通过交谈、提问等方式，表达自己的专业建议，引导顾客做出选择。同样，在设计Prompt时，我们也要体现出与模型交互的意图，引导模型朝着我们期望的方向输出。

 

举个例子，假设我们希望模型扮演一位心理咨询师的角色，我们可以这样设计Prompt：

假设你是一位专业的心理咨询师，你的来访者是一位大学生，他最近感到压力很大，对学业和未来感到迷茫。请用以下要点与他展开一段对话：

- 表达理解和同情，让来访者感受到被倾听
- 询问来访者目前面临的主要困难和担忧
- 提供一些缓解压力的建议，如深呼吸、运动等
- 鼓励来访者多与家人朋友沟通，寻求支持
- 建议来访者制定短期学业目标，循序渐进

对话：
咨询师：

在这个Prompt中，我们明确告诉模型，我们希望它扮演一位心理咨询师的角色，并提供了一些关键的交互要点。这就像理发师在为顾客提供发型建议时，会考虑到顾客的气质、职业等因素。通过这种方式，我们引导模型进行角色扮演，体现出关怀、专业的交互意图。

 

总结一下，设计优质Prompt的三大原则是：明确任务目标、提供充分信息、体现交互意图。就像理发师为顾客设计发型时，需要了解需求、考虑多方因素、给出专业意见一样。只有遵循了这三条原则，我们才能设计出有的放矢、引导有序的Prompt，充分发挥语言模型的潜力。

 

以上就是Prompt工程的基本原理部分。通过类比理发师与顾客的互动，我们诠释了Prompt的定义、作用，以及设计的三大原则。

 

01丨常见任务的Prompt设计

 

就像理发师需要掌握各种剪发技巧，适应不同顾客的需求一样，我们在设计Prompt时，也要针对不同的任务特点，灵活运用第一部分所讲的原则。无论是文本分类、生成，还是转换，都有其独特的要求和窍门。让我们一一探讨。

 

011丨文本分类

 

文本分类是NLP中最常见的任务之一，它就像理发师给顾客的发型”分类”一样，需要根据某些特征，将文本划分到预定义的类别中。比如，判断一封邮件是否为垃圾邮件，一条评论是正面还是负面，一篇新闻属于哪个话题等。

 

设计文本分类的Prompt，首先要明确分类的目标和标准。这就像理发师在给顾客做发型前，要先了解顾客的需求和场合一样。我们要在Prompt中说清楚待分类的文本类型、类别体系，以及判断的依据。

 

举个例子，假设我们要训练一个模型，能够自动将顾客的评价分为”满意”、”一般”和”不满意”三类，以便公司及时了解顾客体验，改进服务。我们可以设计这样一个Prompt：

作为一家餐厅的服务质量分析师，你的任务是根据顾客的评价，判断他们对餐厅的满意度。请按照以下标准进行分类：

- 满意：评价中主要谈及餐厅的优点，如食物美味、服务周到、环境舒适等，整体给人积极正面的印象。
- 一般：评价中提及餐厅的优缺点都有，但无明显倾向，或者只是平淡地描述就餐经历，没有表现出特别的喜好或不满。
- 不满意：评价中主要谈及餐厅的缺点，如食物难吃、服务态度差、卫生条件差等，整体给人消极负面的印象。

请根据以上标准，判断下面这条顾客评价的满意度：

- 评价：这家餐厅的环境不错，装修得很有格调。但是上菜速度实在太慢了，我们等了半个小时才上主菜。而且味道也一般，没有想象中那么好。

满意度：

这个Prompt清晰地定义了分类的目标(判断顾客满意度)、类别含义(满意、一般、不满意)，以及判断标准(评价的内容和整体印象)。通过这些信息，模型就能比较准确地理解我们的任务需求，对评价文本进行分类。

 

当然，文本分类的Prompt设计还有一个重要的方面，就是训练数据的选择和呈现方式。这就像理发师在给新员工培训时，要选择合适的示范案例，手把手教学一样。

 

我们需要在Prompt中提供一些典型的文本示例，并标注它们的类别，让模型通过这些”样板发型”来理解和掌握分类规则。这种通过示例来学习的方式，在Few-Shot Learning（少样本学习）中尤为重要。

 

举个例子，我们可以在上面的评价分类Prompt中，再补充几个带标签的评价样本：

作为一家餐厅的服务质量分析师，你的任务是根据顾客的评价，判断他们对餐厅的满意度。请按照以下标准进行分类：

- 满意：评价中主要谈及餐厅的优点，如食物美味、服务周到、环境舒适等，整体给人积极正面的印象。
- 一般：评价中提及餐厅的优缺点都有，但无明显倾向，或者只是平淡地描述就餐经历，没有表现出特别的喜好或不满。
- 不满意：评价中主要谈及餐厅的缺点，如食物难吃、服务态度差、卫生条件差等，整体给人消极负面的印象。

以下是一些已标注满意度的评价示例，供你参考：

评价1：这是我吃过最难吃的法国菜!牛排又老又柴，鹅肝酱也很腥，简直浪费了食材。而且服务员态度也不好，感觉很不耐烦。再也不会来这家餐厅了!
满意度1：不满意

评价2：昨天和朋友来这家餐厅吃晚餐，感觉还不错。披萨的馅料很丰富，口感香脆，就是量有点小。意面也比较正宗，酱汁味道不错。服务方面一般，上菜速度有点慢。
满意度2：一般

评价3：这家餐厅真是太棒了!无论是食物还是服务，都堪称完美。那道香煎三文鱼让我回味无穷，配菜也很精致。餐后甜点更是惊艳，芝士蛋糕松软绵密，入口即化。服务员也非常专业友好，给我们提供了很多很棒的菜品推荐。下次一定还会来!
满意度3：满意

请根据以上标准，判断下面这条顾客评价的满意度：

评价：这家餐厅的环境不错，装修得很有格调。但是上菜速度实在太慢了，我们等了半个小时才上主菜。而且味道也一般，没有想象中那么好。

满意度：

通过提供几个带标签的评价样本，模型可以更直观地理解我们的分类标准，学习如何将这些标准应用到新的评价中。这就像理发师在给学徒示范时，会选择几个典型的发型案例，一步步讲解要领。学徒通过模仿这些示范，很快就能掌握基本的理发技巧。

 

需要注意的是，我们在选择示例时，要尽量覆盖各种可能的情况，体现分类标准的边界。就像理发师在示范时，要同时展示短发、长发、卷发、直发等不同发型，让学徒全面地理解理发的技巧。如果示例过于单一，模型可能会过拟合，无法很好地泛化到新的文本中。

 

我们在设计Few-Shot的Prompt时，也要注意控制示例的数量。就像理发师在教学时，也不能一下子展示太多的发型，否则会让学徒眼花缭乱，不知从何学起。通常来说，3-5个示例就足够让模型理解任务了。太多的示例反而会占用过多的文本空间，影响Prompt的简洁性。

 

设计文本分类的Prompt，关键是要明确分类的目标和标准，并通过精心挑选的示例，引导模型理解和掌握这些标准。这就像理发师在给学徒传授理发技艺时，要明确教学目标，并通过典型案例的示范，手把手地教会学徒如何理发。只有这样，我们才能训练出一个”理发好手”，能够对各种”发型”进行准确分类。

 

012丨文本生成

 

除了分类，另一项常见的NLP任务就是文本生成，也就是让模型根据上下文，创作出连贯、富有意义的文本。这就像理发师在为顾客设计新发型时，需要根据顾客的气质、喜好，发挥创意，设计出独特又适合的发型。

 

文本生成的应用非常广泛，比如写作助手、对话生成、故事创作等。与分类不同，文本生成是一个开放性的任务，没有固定的答案。这对Prompt的设计提出了更高的要求。我们不仅要明确生成的主题、风格，还要给模型足够的创作空间，激发它的”灵感”。

 

设计文本生成的Prompt，首先要明确生成的目标和约束条件。这就像理发师在为顾客设计发型前，要了解顾客的需求和期望一样。我们要在Prompt中说清楚希望模型生成什么样的文本，包括主题、长度、语言风格等。同时，也要给出一些指引和示例，帮助模型理解我们的意图。

 

举个例子，假设我们要让模型为一款新的健身APP撰写一段100字左右的推广文案，突出其便捷、有效、有趣的特点。我们可以设计这样一个Prompt：

作为一名资深的健身APP宣传文案撰稿人，请为我们新推出的APP\"FitGo\"撰写一段100字左右的推广文案。文案需要突出以下几个卖点：

- FitGo可以根据用户的身体数据和目标，智能推荐个性化的健身计划，非常便捷。
- FitGo的健身计划科学有效，融合了有氧、力量、柔韧等多种训练方法，帮助用户全面塑形。
- FitGo的训练界面设计时尚有趣，结合游戏化元素，让用户在运动中获得乐趣，坚持下去。

- 文案要突出产品优势，语言要生动有感染力，让人一看就心动想要下载APP开始锻炼。

推广文案：

这个Prompt清晰地描述了文案的主题(健身APP推广)、目标受众(潜在用户)、重点卖点(便捷、有效、有趣)、字数要求(100字左右)和期望风格(生动有感染力)。通过这些指引，模型可以比较准确地把握我们的需求，生成符合要求的推广文案。

 

当然，文本生成任务的开放性，也给了我们更大的创意空间。我们可以在Prompt中加入一些有趣的元素，激发模型的想象力，生成更有创意的文本。这就像理发师在设计新发型时，会从生活、艺术、自然等领域汲取灵感，创造出与众不同的造型。

 

比如，我们可以让模型扮演一个角色，以第一人称视角来撰写APP推广文案。这种角色扮演的方式，可以让文案更富有个性和代入感：

你是一位热爱健身的年轻人，刚刚使用了新推出的健身APP\"FitGo\"，对它的便捷性和有效性感到非常惊喜。现在，你要在社交媒体上分享你的使用体验，推荐给你的朋友们。请以第一人称的视角，写一段100字左右的推文，表达你对FitGo的喜爱之情，并鼓励大家也来试试这款APP。推文要突出以下几点：

- FitGo如何通过智能推荐，为你定制了一套非常适合你的健身计划
- 在FitGo的帮助下，你的身材和体能都得到了明显改善
- 你很享受在FitGo有趣的游戏化界面中运动的过程

推文要真诚自然，读起来像是在跟朋友聊天，不要太露骨地\"广告\"。

推文：

通过让模型扮演一个FitGo的忠实用户，我们可以从更贴近用户的视角来生成推广文案。这样的文案会更有说服力和感染力，仿佛是用户对朋友的真心推荐，而不是公司的硬广告。这就像理发师根据顾客的气质和穿衣风格，设计出独属于TA的发型，比直接照搬杂志上的样板发型更能彰显个性，让顾客满意。

 

除了角色扮演，我们还可以在Prompt中融入一些有趣的隐喻、巧妙的词语游戏，让生成的文本更富有文学性和艺术性。这就像理发师在发型设计中融入一些独特的元素和巧思，让发型更加出众。

 

举个例子，我们可以要求模型用”交响乐”来比喻FitGo的健身体验：

FitGo就像一场精彩的交响乐，将有氧、力量、柔韧等多种训练方式巧妙地融合在一起，带给你全面均衡的健身体验。智能推荐就像一位出色的指挥，为你量身定制最适合的乐谱。游戏化的界面设计则像是华丽的舞台布景，让你在运动中仿佛置身于一场视听盛宴。在FitGo的帮助下，你的身体就是那架美妙的乐器，每一次训练都在演奏着动人的旋律。让我们一起加入FitGo！

推广文案：

用”交响乐”来比喻健身APP，可以让本来有些枯燥的健身过程变得更加优雅和有艺术感。FitGo的智能推荐算法被比作”指挥”，游戏化界面被比作”舞台布景”，用户的身体被比作”乐器”，健身过程则被比作”演奏”。

 

这些巧妙的隐喻，可以激发用户对APP的好感和向往之情，让推广文案更有感染力。这就像理发师在发型中融入一些独特的元素，如编发、染色、饰品等，让顾客的形象更加出众夺目。

 

设计文本生成的Prompt，既要明确任务的主题、风格等约束条件，又要给模型一定的创作空间，激发它的想象力。通过角色扮演、隐喻等创意性写作技巧，我们可以引导模型生成更富有个性和感染力的文本。

 

这就像理发师在发型设计中，既要遵循基本的美学原则，又要融入独特的创意，让每一位顾客都能拥有专属的时尚发型。

 

013丨文本转换

 

除了分类和生成，还有一类常见的NLP任务叫做文本转换，也就是将输入的文本转换成另一种形式的文本。这就像理发师将顾客的长发剪成短发，或者将直发烫成卷发一样，是一种”改头换面”的过程。

 

文本转换的应用也非常广泛，比如：