伴随着AIGC行业的爆火,大家对如何创建Prompt以获得想要的输出越来越感兴趣。Prompt Engineering已然成为当下最热门的职业。Prompt Engineering,即中文所谓的提示词工程师,简称PE,主要是指通过设计和改进AI的Prompt来提高AI的表现,创建高度有效和可控的AI系统,使其能够准确、可靠的执行特定的任务。
与AI交流有别于与人的交流,更多时候AI获得的是一堆单词或标记,它无法观察人的面部表情变化,肢体动作、语气语调等情感表达。AI处理的是文本的数学函数,不能在脑海中传达用户想要的一切,prompt这座桥梁就至关重要。
如果把Prompt水平分为4个层级,可以归纳为:
■ Level 0 :核心词
■ Level 1 :上下文+核心词
■ Level 2 :背景描述+上下文+核心词
■ Level 3 :迭代+背景描述+上下文+核心词
我们以一个简单的例子来说明各个层级之间的差异:
这个回答总体给人的感受是比较宽泛,虽然说了很多,但是用处不大,都是一些正确的“废话”。如果想更进一步,就需要用到上下文。
这个回答就会具体很多,从多个方面更加细致的回答你的问题,但是还不够个性化,这个时候我们就要增加背景描述,让AI更懂我们的意图;
至此,我们已经得到了一个非常细致的饮食计划,内容比较丰富,每周早中晚餐都很具体。但是如果我们想更近一步,得到全方位的回答,不仅仅是饮食方面,我们可以进行多次问答迭代,获取想要的结果。
基于多轮迭代后,最后提出问题,如果想让迭代问答的结果更加丰满,可以给AI一些数据,比如说领域的一些文献,让AI学习之后,通过多轮问答来获得结果。
通过这个小的示例,大家对Prompt的编写是否有了更深刻的认识?接下来分享几个小tips给大家,通过这几个提示模板,可以反向校核Prompt的准确性;
Tip1:上下文
上下文对于生成的连贯性和准确性至关重要,如果能够提供足够的上下文来帮助指导AI,它就会真正提高生成内容的质量。如果缺乏相关描述,AI也会尝试性的回答问题,生成内容可能与prompt核心词相关,但也会出现不一致的情况,因为它不知道用户到底需要的是什么?
如果想知道prompt的上下文内容是什么,可以提问AI,推荐使用英文
Break down the prompt above into Contextual relevance
通过这个方法,可以找出上述prompt中有关上下文相关性的词,反向校核prompt是否真正表达了核心诉求;
Tip2:设置任务
制定一些特定的目标或任务,让AI去实现,任务的定义应该是具体的、避免歧义或模糊,且需要和大语言模型的功能相适应。比如聊天机器人,就没有必要让它去实现绘图的任务。
一个清晰的任务定义有助于AI理解应该做什么,它会提高生成内容的质量,因此,任务定义也是设计prompt的一个关键。
如果想知道prompt描述的任务是什么,可以提问AI,推荐使用英文
Break down the prompt into Task Definitions
Tip3:特定的描述
特定的描述是指prompt中的详细程度和精度。prompt越具体,AI生成有针对性和准确响应的可能性就越大,即Level中的背景描述,信息越具体越详细,生成的内容关联性就越强。
如果想知道prompt特定描述是什么,可以提问AI,推荐使用英文
Break down the prompt to analyze the specificity of the prompt
Tip4:不断的迭代
prompt设计是一个迭代过程,可能需要多次尝试才能创建有效的提示,迭代贯穿prompt的设计、测试、评估整个周期,每次迭代都应以先前试验的结果为指导,旨在解决遇到的任何限制,采用迭代方法可以持续改进和优化生成的内容。
基于以上四个方法,我们可以用实例简单测试一下:
prompt:为个人发展网站生成一篇 300 字的文章,为提高生产力提供全面的支持。文章应涵盖丰富的策略和技术,并以清晰简洁的风格撰写,便于普通读者使用,为了支持您的建议,请利用来自学术期刊和生产力专家等可靠来源的研究和专家意见。结合相关的统计数据、示例和案例研究,将您的观点变为现实。考虑提高生产力的潜在挑战和障碍,并提供克服它们的策略。
现在来整体看下这个prompt生成的内容:需要300字,实际生成了904字。当然还可以继续优化,比如第四项的策略是保持身体健康,单独以第四项去生成内容,得到进一步的结果,通过这种方式,就获得了一篇内容详实的文章。
总的来说,对于使用AI写文案,首先需要的是一个完善的prompt;基于prompt可以先生成提纲,然后逐条提纲生成具体的内容,汇总起来。针对写好的文案,必要的语句疏通和润色是不可或缺的。
读到这里,对于prompt的设计是否有了新的认识了呢?