您可能听说过也可能没有听说过提示工程。从本质上讲，它是“有效地与人工智能沟通以获得你想要的东西”。

大多数人都不擅长即时工程

然而，它正在成为一项越来越重要的技能……
因为垃圾输入 = 垃圾输出。

这是您需要提示的最重要的技巧👇

我将语言模型称为“LM”。

语言模型的例子有@OpenAI的 ChatGPT 和@AnthropicAI的 Claude。

1. 角色/角色提示

为 AI 分配角色。

例子：“你是 X 方面的专家。你帮助人们做 Y 已经 20 年了。你的任务是给出关于 X 的最佳建议。
如果理解，请回复“知道了”。

一个强大的附加组件如下：

“你必须在回答之前先问问题，这样你才能更好地理解提问者的意图。”

稍后我将讨论为什么这如此重要。

2.COT

CoT 代表“思想链”

它用于指示 LM 解释其推理。

例子：

3. 零射击 CoT

零样本是指模型在提示中没有额外训练的情况下做出预测。

我会在一分钟内进行几次射击。

注意通常 CoT > Zero-shot-CoT

例子：

4. Few-shot（和 few-shot-CoT）

Few-shot 是指 LM 在提示中给出了几个示例，以便它更快地适应新示例。

例子：

5. 知识生成

通过提示 LM 生成与问题相关的知识。

这可用于生成的知识提示（请参阅进一步信息）。

例子：

6. 生成的知识

现在我们有了知识，我们可以将该信息输入新提示并提出与知识相关的问题。

这样的问题称为“知识增强”问题。

7. 自洽

该技术用于生成多个推理路径（思维链）。

多数答案作为最终答案。

例子：

8. 长期管理

LtM 代表“从最少到最多”

该技术是 CoT 的后续技术。此外，它的工作原理是将问题分解为子问题，然后解决这些问题。

例子：

参考书目：

参考 1：

Wei, J.、Wang, X.、Schuurmans, D.、Bosma, M.、Ichter, B.、Xia, F.、Chi, E.、Le, Q. 和 Zhou, D. (2022)。思维链提示在大型语言模型中引发推理。

参考 2：

Kojima, T.、Gu, SS、Reid, M.、Matsuo, Y. 和 Iwasawa, Y. (2022)。大型语言模型是零样本推理机。

参考 3：

Liu, J.、Liu, A.、Lu, X.、Welleck, S.、West, P.、Bras, RL、Choi, Y. 和 Hajishirzi, H. (2021)。常识推理的生成知识提示。

参考 4：

Wang, X., Wei, J., Schuurmans, D., Le, Q., Chi, E., Narang, S., Chowdhery, A., & Zhou, D. (2022)。自洽性改进了语言模型中的思维链推理。

参考 5：

Zhou, D., Schärli, N., Hou, L., Wei, J., Scales, N., Wang, X., Schuurmans, D., Cui, C., Bousquet, O., Le, Q., & Chi, E. (2022)。Least-to-Most 提示支持大型语言模型中的复杂推理。

您想进一步了解哪些技术？在评论中让我知道。