提示工程PE介绍和概述.pdf

介绍和概述

提示工程（PromptEngineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大

语言模型（LargeLanguageModel,LLM）用于各场景和研究领域。掌握了提示工程相关技

能将有助于用户更好地了解大型语言模型的能力和局限性。

研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能

力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具

的高效接轨。

提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技

术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作

用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专

业领域知识和外部工具来增强大语言模型能力。

概念

LLM的设置

设置描述建议

Temperature控制结果的随机性和多样性。值越小,结果对于需要准确、简洁结果的

越确定;值越大,结果越随机和多样化。任务(如QA),设置低值;对于需

设置描述建议

要创造性的任务(如诗歌生

成),设置高值。

Top_p与Temperature类似,用于控制结果的真实一般建议只调整Temperature

性。值越低,结果越真实、准确;值越高,结果或Top_p其中之一,不要同时

越多样化。调整。

MaxLength在提示和完成之间生成的令牌数量上限,有根据任务需要设置合适的最

助于防止生成冗长或不相关的响应,并控制大长度。

成本。

Stop指定可以阻止模型继续生成token的字符例如设置11作为stop

Sequences串,用于控制响应的长度和结构。sequence来生成不超过10项

的列表。

Frequency根据token在响应和提示中出现的次数对其如需生成多样化创造性文本,

Penalty进行惩罚,惩罚与token出现频率成正比,即设置高值;如需生成专注文本,

token出现次数越多,惩罚越大，数值越高,设置低值。

重复token的可能性越小。用于减少词语重

复。

Presence类似FrequencyPenalty,但对所有重复一般建议只调整Frequency

Penaltytoken施加相同惩罚，不考虑其出现的次Penalty或PresencePenalty

数。抑制token的重复出现,但并不区分不同其中之一。

token的重复频率。

Openai六项策略

chatgpt-prompt-engineering

下面是由openai官方给出的获得更好结果的六项策略

1.清晰的指示

言简意赅描述问题，减少让模型猜测的可能

详细提问

在问题中包含详细信息以获得更相关的答案

为了获得高度相关的响应，请确保请求提供任何重要的详细信息或上下文。否则，你将让模型

来猜测你的意思。

差的好的

编写代码来计算