【AI 探索之旅：从基础认知到前沿突破的深度游五】Prompt Engineering 提示工程

前言

上一篇已经用OpenAI实现了简单的问答，细心的你可能发现了，我们在问大模型问题的时候，有时候回答得确实不尽人意，也可能根本就跟问题不相关，就是“一本正经的胡说八道”。针对这种情况，我们就需要给到它更多的提示，让它理解我们需要的是什么，所以就需要引入一个新的概念：提示工程。

提示工程的生态

1、什么是提示词

所谓的提示词其实指的就是提供给模型的一个文本片段，用于指导模型生成特定的输出或回答。提示词的目的是为模型提供一个任务的上下文，以便模型能够更准确地理解用户的意图，并生成相关的回应。

2、什么是提示工程（Prompt Engineering）

所谓的提示工程也可以被称为「指令工程」，
提示工程的核心思想是，通过精心设计的提示，可以显著提高模型的性能和输出质量。

• 貌似简单，但其实意义非凡。（提问的智慧）
  • Prompt 是 AGI 时代的「编程语言」
  • 提示工程师是 AGI 时代的「程序员」

如果要学好提示工程，那么其实就是要知道如何对咱们的Prompt进行调优，与大模型进行更好的交互。

3、如何正确理解Engineering工程化

4、Prompt的典型构成要素

举个例子：
「输出一个九九乘法口诀表」
「请使用python语言 只能利用for循环不能使用其他的语法 输出一个九九乘法口诀表并写好相应的注释」
大家可以使用以上两个Propmt实例，分别体验一下gpt给我们的回答。

如果说想要设置一个高质量的prompt
简而言之：
具体、丰富、少歧义
延伸: 对于咱们生活中的短句 聊天记录 都不是好的Prompt 而国外在进行信息同步时 多采用邮箱的形式 格式统一是比较好的Propmt

对于一个高质量的Propmt 我们应该具有以下要素:

• 指令：想要模型执行的特定任务或指令。
• 上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。
• 输入数据：用户输入的内容或问题。
• 输出指示：指定输出的类型或格式。

注意点: 并不是说我们构建一个Propmpt一定需要这四个要素！

5、设置Prompt的通用技巧

1)、具体性
2)、示例和格式
3)、避免不精确
4)、做还是不做？

"""1、具体性"""
prompt = '请使用python语言 只能利用for循环不能使用其他的语法 输出一个九九乘法口诀表并写好相应的注释'
def get_completion(prompt, model="gpt-4o-mini"):
    messages = [{
   
   "role": "user", "content": prompt}]
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature =