发布话题不要怪大模型回答质量不行了，那是你不会问~
大模型开发/技术交流
- LLM
- Prompt
2024.08.299939看过
早上好、中午好、晚上好
自AI大模型爆发到现在一年半有余了。作为软件行业的我们陆陆续续也用起来AI，譬如：
-
用于提高我们解决问题的能力
-
提高开发效率
-
提高代码质量
-
降低企业的开发成本
发现没？上面的AI优点其实是属于工程化范畴。
什么是工程化？
利用工具链解决前端在开发过程中提升效率和质量的问题，所有能降低成本，并且能提高效率的事情都属于工程化的范畴
所以软件工程化的两个点质量、效率。AI大模型都满足。所以现在我们可以利用AI来优化我们的软件研发的效率，那该怎么用呢？
选择一个好的大模型
选择一个好用的、回答质量高的大模型，好比是技术选型。相同的prompt喂给不同的大模型会吐出不同的答案，这些答案质量有高有低。
国外的大模型：
-
ChatGPT：这个不用说了，最全面最强大的大模型，3.5 < 4.0 < 4o。
-
LLaMA 2：LLaMA 2是Meta AI推出的一个开放源码的大语言模型，专注于高效和可扩展的自然语言处理任务。它有多个参数规模，涵盖了从7B到70B参数的模型，具有较好的性能和灵活性。
-
Claude：Claude是由Anthropic公司开发的大语言模型，以人类协作为核心设计理念，专注于安全性和可解释性。
-
Gemini：也是比较出名的，主要特点是有多模态的能力，具备处理文本数据的能力，还能够处理多模态输入，包括图像、视频、音频等
国内的大模型：
-
文心一言：百度推出的大模型，基于飞桨深度学习平台的生成式模型，专注于中文自然语言处理、知识图谱等应用场景。
-
通义千问：阿里巴巴研发的大模型。具有高效的中文理解和生成能力，同时支持多语言和多模态任务。
-
智谱清言：是北京智谱华章科技有限公司开发的大模型，我平常用得也比较多，回答的质量还是蛮高的。具有图片、代码、处理能力，还有图片生成和视频生成的能力，虽然不怎么样。
目前我较为推荐的还是
ChatGPT，是我使用过相对来说比较好的大模型。
大模型选好了，现在就需要与之交互了
Prompt提示词
Prompt的定义
在人工智能领域，Prompt提示词是指用户输入给大语言模型（如GPT-4、文心一言等）的文本指令或问题，用以引导模型生成特定的响应或内容。Prompt是用户与生成式AI模型互动的核心方式，通过设计和优化Prompt，用户可以影响模型生成的输出内容的质量和方向。
怎么用？
在自然语言处理和聊天AI大模型应用中，prompt通常是一个问题或陈述，指引AI如何回应。例如：
-
问题Prompt：你问：“俄乌现在的局势怎么样了？” 如果AI可以联网的话，会根据这个prompt回答俄乌冲突的相关信息。
-
陈述Prompt：你说：“我今天上班的时候写了一个bug，被领导骂了，请安慰下我” AI根据这个prompt提供安慰或建议。
-
创作Prompt：你说：“写一个富家千金爱上穷小子的故事”。
-
有些大模型（Midjourney）支持文字转图片：你说：“设计一个农村现代别墅。”。
-
有些大模型（sora）支持文字转视频：你说：“一个富家千金牵着穷小子的手漫步在俄乌冲突的现场”。
-
编程领域：你问：“编写一个JavaScript函数来计算斐波那契数列。”
Prompt的重要性
Prompt提示词是与AI模型互动的核心，通过设计有效的Prompt，用户可以引导模型生成高质量、符合预期的内容。在生成式AI的应用中，掌握Prompt的设计技巧对于提高输出的相关性和实用性至关重要。
所以：“垃圾输入，垃圾输出”。
如何正确地向ChatGPT提问？
这是这篇文章的重点了
提问关键：
-
明确性：提供清晰、具体的Prompt可以帮助模型更准确地理解用户的意图，从而生成更符合需求的内容。
-
迭代优化：也就是要给出清晰的反馈。如果大模型的回答没有完全满足你的需求，可以尝试更换提问方式，或者指出哪里不对，这样AI可以更好地理解需求并提供更准确的答案。
-
内容优化：就是让它的回答更具体。你问：“今年中国经济怎么样？”。你可以针对上面的回答问：“请细化上面的回答”或者“让上面的回答更加数据化、结构化、专业化”。
-
上下文：在必要时提供足够的上下文信息，确保模型能够在正确的背景下生成内容。
说了这么多理论，有没有公式可以用？
向大模型提问的公式？
我觉得给大模型提问，就好比把一个商品卖出去。比如你去陌拜：你要告诉你是干嘛的，你的产品有什么功能，对你有什么帮助。一句话就是：说清楚你的动机。
说清楚的公式：
-
给角色：为AI赋予一个特定的角色身份，使其在回答问题时能够从该角色的角度出发。
-
请扮演一名医生，为患者提供健康建议。
-
请扮演一名律师，解释最新的法律法规。
-
请扮演一名心理咨询师，提供心理辅导。
-
-
说背景：提供充分的上下文背景信息，帮助AI更好地理解问题所在的情境。
-
患者有高血压病史，最近经常感到头晕。
-
新颁布的《个人信息保护法》引起了广泛关注。
-
求助者因工作压力大，出现焦虑和失眠症状。
-
-
定任务：明确告诉AI你希望实现的任务，使其能够针对性地提供答案。
-
请医生提供针对高血压患者的日常保健建议。
-
请律师解读《个人信息保护法》的主要内容。
-
请心理咨询师为焦虑和失眠患者提供自我调节方法。
-
-
补要求：说明回答是需要注意的事项或期望的回复形式。
-
在回答时，请医生提供具体的饮食和运动建议，并说明注意事项。
-
在解读法律时，请律师使用浅显易懂的语言，并提供实际案例。
-
在提供心理辅导时，请心理咨询师给出具体可行的技巧，并说明可能的效果。
-
举一个编程领域的例子：
比如你需要计算一个字符串中最长的符合
回文数
特征的字符串，返回其Length和对应的值。
按照上面的公式你可以这样问：
请扮演一名JavaScript开发者，编写一个名为
findPalindromeOrigin 的工具函数（给角色）。该函数是处理一个全部由字母组成的字符串，目的是找出该字符串中符合回文数特性的字符串。回文数是指正读和反读都相同的字符串（说背景）。你的任务是确保这个函数能够接受一个字符串参数，检查该字符串是否全部由字母组成，并输出最长回文子串的长度和值，格式为 length: xxx, value: xxx（定任务）。在编写函数时，请保证代码的可读性，并在找到多个长度相同的回文子串时，返回最左侧的那个。同时，请在代码中包含必要的注释，以帮助理解函数的工作原理（补要求）。
我们使用这个Prompt来问下ChatGPT：
我们看到他完全按照我们的需求去生成内容。
志哥我想说
其实各种类型的AI应用原理其实就是参数调整和优化提示词：
-
预训练（Pre-training） ：GPTs 首先在大规模的数据集上进行预训练，学习语言的通用模式。这个阶段不针对任何特定领域。
-
微调（Fine-tuning） ：针对特定领域，如翻译、美食评论或前端开发，GPTs 可以通过在领域特定的数据集上进行微调来进一步提升其性能。微调过程中会调整网络的参数，使其更适合特定任务。
-
提示词优化（Prompt Engineering） ：提示词是给模型的问题或指令，它们极大地影响了模型的输出。通过精心设计提示词，可以引导模型生成更准确、更相关的回答。例如，对于翻译任务，提示词可能包括源语言和目标语言的指示；对于美食评论，提示词可能包含对菜肴的描述要求。
-
参数调整（Parameter Tuning） ：在应用GPTs时，开发者可能会调整一些超参数，如学习率、批次大小、层数等，以优化模型的性能。
-
领域适配（Domain Adaptation） ：为了使GPTs更好地适应特定领域，可能需要进行一些特定的适配工作，比如使用领域术语对模型进行进一步的训练。
以上仅仅抛砖引玉，如果你想成为一个Prompts工程师（提示词工程师）。这里分享几个学习Prompt的资源，速度mark：
-
官方出品的提示词课程：官方的，更加适合ChatGPT用户 www.deeplearning.ai/short-cours…
-
awesome-chatgpt-prompts：很强，star高达108k，甚至你不需要自己写相关领域的Prompt，因为你想要的上面都有了 github.com/f/awesome-c…
-
Learn Prompting：偏技术类的同学可以看下：learnprompting.org/zh-Hans/doc…
-
BestPrompts：直接搜索你想要的Prompt，直接copy拿来用 bestprompts.cn/#/index
————————————————
版权声明：本文为稀土掘金博主「_志哥_」的原创文章
原文链接：https://juejin.cn/post/7406147919575957504
如有侵权，请联系千帆社区进行删除
早上好、中午好、晚上好
自AI大模型爆发到现在一年半有余了。作为软件行业的我们陆陆续续也用起来AI，譬如：
- 用于提高我们解决问题的能力
- 提高开发效率
- 提高代码质量
- 降低企业的开发成本
发现没？上面的AI优点其实是属于工程化范畴。
什么是工程化？
利用工具链解决前端在开发过程中提升效率和质量的问题，所有能降低成本，并且能提高效率的事情都属于工程化的范畴
所以软件工程化的两个点质量、效率。AI大模型都满足。所以现在我们可以利用AI来优化我们的软件研发的效率，那该怎么用呢？
选择一个好的大模型
选择一个好用的、回答质量高的大模型，好比是技术选型。相同的prompt喂给不同的大模型会吐出不同的答案，这些答案质量有高有低。
国外的大模型：
- ChatGPT：这个不用说了，最全面最强大的大模型，3.5 < 4.0 < 4o。
- LLaMA 2：LLaMA 2是Meta AI推出的一个开放源码的大语言模型，专注于高效和可扩展的自然语言处理任务。它有多个参数规模，涵盖了从7B到70B参数的模型，具有较好的性能和灵活性。
- Claude：Claude是由Anthropic公司开发的大语言模型，以人类协作为核心设计理念，专注于安全性和可解释性。
- Gemini：也是比较出名的，主要特点是有多模态的能力，具备处理文本数据的能力，还能够处理多模态输入，包括图像、视频、音频等
国内的大模型：
- 文心一言：百度推出的大模型，基于飞桨深度学习平台的生成式模型，专注于中文自然语言处理、知识图谱等应用场景。
- 通义千问：阿里巴巴研发的大模型。具有高效的中文理解和生成能力，同时支持多语言和多模态任务。
- 智谱清言：是北京智谱华章科技有限公司开发的大模型，我平常用得也比较多，回答的质量还是蛮高的。具有图片、代码、处理能力，还有图片生成和视频生成的能力，虽然不怎么样。
目前我较为推荐的还是
ChatGPT，是我使用过相对来说比较好的大模型。大模型选好了，现在就需要与之交互了
Prompt提示词
Prompt的定义
在人工智能领域，Prompt提示词是指用户输入给大语言模型（如GPT-4、文心一言等）的文本指令或问题，用以引导模型生成特定的响应或内容。Prompt是用户与生成式AI模型互动的核心方式，通过设计和优化Prompt，用户可以影响模型生成的输出内容的质量和方向。
怎么用？
在自然语言处理和聊天AI大模型应用中，prompt通常是一个问题或陈述，指引AI如何回应。例如：
- 问题Prompt：你问：“俄乌现在的局势怎么样了？” 如果AI可以联网的话，会根据这个prompt回答俄乌冲突的相关信息。
- 陈述Prompt：你说：“我今天上班的时候写了一个bug，被领导骂了，请安慰下我” AI根据这个prompt提供安慰或建议。
- 创作Prompt：你说：“写一个富家千金爱上穷小子的故事”。
- 有些大模型（Midjourney）支持文字转图片：你说：“设计一个农村现代别墅。”。
- 有些大模型（sora）支持文字转视频：你说：“一个富家千金牵着穷小子的手漫步在俄乌冲突的现场”。
- 编程领域：你问：“编写一个JavaScript函数来计算斐波那契数列。”
Prompt的重要性
Prompt提示词是与AI模型互动的核心，通过设计有效的Prompt，用户可以引导模型生成高质量、符合预期的内容。在生成式AI的应用中，掌握Prompt的设计技巧对于提高输出的相关性和实用性至关重要。
所以：“垃圾输入，垃圾输出”。
如何正确地向ChatGPT提问？
这是这篇文章的重点了
提问关键：
- 明确性：提供清晰、具体的Prompt可以帮助模型更准确地理解用户的意图，从而生成更符合需求的内容。
- 迭代优化：也就是要给出清晰的反馈。如果大模型的回答没有完全满足你的需求，可以尝试更换提问方式，或者指出哪里不对，这样AI可以更好地理解需求并提供更准确的答案。
- 内容优化：就是让它的回答更具体。你问：“今年中国经济怎么样？”。你可以针对上面的回答问：“请细化上面的回答”或者“让上面的回答更加数据化、结构化、专业化”。
- 上下文：在必要时提供足够的上下文信息，确保模型能够在正确的背景下生成内容。
说了这么多理论，有没有公式可以用？
向大模型提问的公式？
我觉得给大模型提问，就好比把一个商品卖出去。比如你去陌拜：你要告诉你是干嘛的，你的产品有什么功能，对你有什么帮助。一句话就是：说清楚你的动机。
说清楚的公式：
- 给角色：为AI赋予一个特定的角色身份，使其在回答问题时能够从该角色的角度出发。
- 请扮演一名医生，为患者提供健康建议。
- 请扮演一名律师，解释最新的法律法规。
- 请扮演一名心理咨询师，提供心理辅导。
- 说背景：提供充分的上下文背景信息，帮助AI更好地理解问题所在的情境。
- 患者有高血压病史，最近经常感到头晕。
- 新颁布的《个人信息保护法》引起了广泛关注。
- 求助者因工作压力大，出现焦虑和失眠症状。
- 定任务：明确告诉AI你希望实现的任务，使其能够针对性地提供答案。
- 请医生提供针对高血压患者的日常保健建议。
- 请律师解读《个人信息保护法》的主要内容。
- 请心理咨询师为焦虑和失眠患者提供自我调节方法。
- 补要求：说明回答是需要注意的事项或期望的回复形式。
- 在回答时，请医生提供具体的饮食和运动建议，并说明注意事项。
- 在解读法律时，请律师使用浅显易懂的语言，并提供实际案例。
- 在提供心理辅导时，请心理咨询师给出具体可行的技巧，并说明可能的效果。
举一个编程领域的例子：
比如你需要计算一个字符串中最长的符合
回文数
特征的字符串，返回其Length和对应的值。
按照上面的公式你可以这样问：
请扮演一名JavaScript开发者，编写一个名为
findPalindromeOrigin 的工具函数（给角色）。该函数是处理一个全部由字母组成的字符串，目的是找出该字符串中符合回文数特性的字符串。回文数是指正读和反读都相同的字符串（说背景）。你的任务是确保这个函数能够接受一个字符串参数，检查该字符串是否全部由字母组成，并输出最长回文子串的长度和值，格式为 length: xxx, value: xxx（定任务）。在编写函数时，请保证代码的可读性，并在找到多个长度相同的回文子串时，返回最左侧的那个。同时，请在代码中包含必要的注释，以帮助理解函数的工作原理（补要求）。我们使用这个Prompt来问下ChatGPT：
我们看到他完全按照我们的需求去生成内容。
志哥我想说
其实各种类型的AI应用原理其实就是参数调整和优化提示词：
- 预训练（Pre-training） ：GPTs 首先在大规模的数据集上进行预训练，学习语言的通用模式。这个阶段不针对任何特定领域。
- 微调（Fine-tuning） ：针对特定领域，如翻译、美食评论或前端开发，GPTs 可以通过在领域特定的数据集上进行微调来进一步提升其性能。微调过程中会调整网络的参数，使其更适合特定任务。
- 提示词优化（Prompt Engineering） ：提示词是给模型的问题或指令，它们极大地影响了模型的输出。通过精心设计提示词，可以引导模型生成更准确、更相关的回答。例如，对于翻译任务，提示词可能包括源语言和目标语言的指示；对于美食评论，提示词可能包含对菜肴的描述要求。
- 参数调整（Parameter Tuning） ：在应用GPTs时，开发者可能会调整一些超参数，如学习率、批次大小、层数等，以优化模型的性能。
- 领域适配（Domain Adaptation） ：为了使GPTs更好地适应特定领域，可能需要进行一些特定的适配工作，比如使用领域术语对模型进行进一步的训练。
以上仅仅抛砖引玉，如果你想成为一个Prompts工程师（提示词工程师）。这里分享几个学习Prompt的资源，速度mark：
- 官方出品的提示词课程：官方的，更加适合ChatGPT用户 www.deeplearning.ai/short-cours…
- awesome-chatgpt-prompts：很强，star高达108k，甚至你不需要自己写相关领域的Prompt，因为你想要的上面都有了 github.com/f/awesome-c…
- Learn Prompting：偏技术类的同学可以看下：learnprompting.org/zh-Hans/doc…
- BestPrompts：直接搜索你想要的Prompt，直接copy拿来用 bestprompts.cn/#/index
————————————————
版权声明：本文为稀土掘金博主「_志哥_」的原创文章
原文链接：https://juejin.cn/post/7406147919575957504
如有侵权，请联系千帆社区进行删除
评论
![preview]()
发表评论
