简明调节大模型的prompt的方法【简洁明了带案例】

• 1. 明确任务目标
• 2. 提供上下文
• 3. 指定格式
• 4. 限制输出长度
• 5. 使用示例
• 6. 逐步引导
• 7. 提供反面例子
• 8. 使用CoT思维链
• 9. 反复试验和调整
• • 方法九解释：乔哈里窗检视
• 最后

以下是一些技巧和例子，帮助你更好地调prompt：

1. 明确任务目标

确保你的提示词明确地表达了你希望模型完成的任务。
（明确的任务指令、任务类型（如生成文本、回答问题、分类等）以及期望的输出格式）

例子：

• 不明确的提示词：“讲个故事。”
• 明确的提示词：“请讲一个关于勇敢的小狗拯救森林的故事，故事中要有三个主要角色和一个令人惊讶的结局。”

2. 提供上下文

为模型提供必要的背景信息，以便它能够生成更相关的内容。

例子：

• 无背景信息：“给我写一篇关于人工智能的文章。”
• 有背景信息：“请写一篇关于人工智能在医疗领域应用的文章，重点介绍其在诊断和治疗中的作用。”

3. 指定格式

如果你需要特定格式的输出，明确说明。
（在prompt中详细列出对输出的要求，包括内容要求、格式要求、风格要求等。）

例子：

• 不指定格式：“写一篇关于气候变化的报告。”
• 指定格式：“写一篇关于气候变化的报告，包含以下部分：引言、现状分析、影响、解决方案和结论。”

4. 限制输出长度

限制输出的长度可以帮助模型集中在最重要的信息上。

例子：

• 无长度限制：“解释一下量子计算。”
• 有长度限制：“用不超过150字解释量子计算。”

5. 使用示例

提供示例和模板可以帮助模型理解你期望的输出类型和风格。
（适用于需要特定格式或风格的任务。）

例子：

• 无示例：“写一个关于友谊的故事。”
• 有示例：“写一个关于友谊的故事。例如：‘小明和小红是从小一起长大的好朋友，他们一起经历了许多冒险……’”

6. 逐步引导

对于复杂任务，可以将其分解为多个步骤，并逐步引导模型完成每个步骤。
（将复杂任务，将其分解成多个简单的子任务，并逐一解决）

例子：

• 复杂任务：“写一个关于人工智能的详细报告。”
• 分步骤引导：
  1. “请先写一段引言，介绍人工智能的基本概念。”
  2. “接下来，写一段关于人工智能在图像识别中的应用。”
  3. “然后，写一段关于人工智能在自然语言处理中的应用。”
  4. “最后，写一段总结，讨论人工智能的未来发展趋势。”

7. 提供反面例子

告诉模型哪些是你不希望看到的内容，可以帮助它更好地理解你的需求。

例子：

• 不提供反面例子：“写一篇关于可持续发展的文章。”
• 提供反面例子：“写一篇关于可持续发展的文章，不要包含太多技术术语，避免使用过于专业的语言。”

8. 使用CoT思维链

技巧说明：CoT（Chain-of-Thought）思维链提示常用于推理规划类问题。通过要求模型先输出中间过程，再逐步运算生成答案，可以提高模型对复杂问题的推理准确性。

例子：

• COT例子：“在解决这个数学问题时，请首先列出你的解题思路，然后逐步计算并给出答案。例如，对于问题‘10+5=?’，你的解题思路应该是先计算个位上的和，再计算十位上的和，最终得到答案15。’”

9. 反复试验和调整

通过反复试验和调整来调节prompt。根据模型的输出不断优化你的提示词。

例子：

• 初始提示词：“写一个关于未来科技的故事。”
• 调整后的提示词：“写一个关于未来科技的故事，故事发生在2050年，主角是一名年轻的科学家，她发明了一种能够治愈所有疾病的纳米机器人。”

方法九解释：乔哈里窗检视

方法九实际上就是乔哈里窗检视的应用：通过识别开放区、隐藏区、盲区和未知区，我们可以调整prompt以减少误解。）

例子：

• 应用乔哈里视窗：“在编写prompt时，我明确提出了需求（开放区），但模型可能没有完全理解我希望它生成的内容类型（隐藏区）。通过反复调整和测试，我逐渐缩小了隐藏区，使模型更准确地理解了我的意图。”

最后

我们只要把大模型当成一个人，通过调节和它对话的内容，就总能让它输出我们比较期望的prompt。