提示（Prompt）工程中提示词的开发优化基础概念学习总结
本文对学习过程进行总结，仅对基本思路进行说明，结果在不同的模型上会有差异。
提示与提示工程
提示：指的是向大语言模型输入的特定短语或文本，用于引导模型产生特定的输出，以便模型能够生成符合用户需求的回应。
提示工程：首先是关注提示词的开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。其次包含与大语言模型交互和研发的各种技能和技术。
提示（Prompt）的组成结构、设计技巧、使用场景
常见的Prompt符合下列格式
- 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。
并非所有的Prompt都要遵循这样的结构，根据实际场景选择而不同。
Prompt指令：提取下列输入文本中的地名，并按输出格式输出
输入：2008年奥会在北京举办，2022年世界杯在卡塔尔举办
输出：[地名]输出
输出：[北京，卡塔尔]
在设计Prompt时我们遵循下列的原则以便获取我们期望得到的结果
- 明确
- 具体
样例1
Prompt
指令：对下列文本内容做归纳
文本：虽然距离2024年元旦春节还有一段时间，但是对假期出行的关注以及相关预订已经开始悄然升温。记者从在线旅游预订平台了解到，元旦假期的整体旅游预订量同比增长4倍，其中机票订单同比增长4倍，酒店预订量同比增长5倍。根据在线旅游平台数据显示，截至目前，元旦假期旅游热度同比上升181%。进入12月以来，元旦假期出行的旅游产品预订量环比增长57%，玩雪和避寒成为假期出行的两大主题。输出：归纳：2024年元旦春节假期的旅游预订量已经开始悄然升温，尤其是机票和酒店预订量同比增长4倍和5倍。在线旅游平台数据显示，元旦假期旅游热度同比上升181%，12月以来元旦假期出行的旅游产品预订量环比增长57%。假期出行的主题主要是玩雪和避寒。
样例2
Prompt
指令：对下列文本内容做不超过10字的归纳
文本：虽然距离2024年元旦春节还有一段时间，但是对假期出行的关注以及相关预订已经开始悄然升温。记者从在线旅游预订平台了解到，元旦假期的整体旅游预订量同比增长4倍，其中机票订单同比增长4倍，酒店预订量同比增长5倍。根据在线旅游平台数据显示，截至目前，元旦假期旅游热度同比上升181%。进入12月以来，元旦假期出行的旅游产品预订量环比增长57%，玩雪和避寒成为假期出行的两大主题。输出：元旦假期旅游预订量同比增长4倍，酒店预订量同比增长5倍。
常见场景包含下列7个，文本概括、信息提取、问答、对话、文本分类、代码生成、推理。其中问答关注单次的提问与解答，对话关注与多轮的提问与回答。
常用的提示词技术
零样本提示（Zero-shot），我们在构造Prompt时，关于如何产出结果，不给出任何样例说明。
Prompt
将文本分类为中性、负面或正面。
文本：我认为这次假期还可以。
情感：
少样本提示（Zero-shot)，我们在构造Prompt时，关于如何产出结果，会给出少量的示例说明，少量可以是1个（1-shot)、3个（3-shot)、5个（5-shot)等。
例如根据推断一个机器是否可以使用
指令：判断机器是否可用
背景：
1.组件A坏了，机器不可用
2.组件B坏了，机器可用
输入：机器同时包含组件A组件B，但组件B用了两天就不工作了，但组件A正常模型输出：
在这种情况下，虽然组件B不工作了，但是机器仍然可以使用。因为组件A仍然正常工作，所以机器在当前情况下仍然可以被视为可用。
提供示例对解决某些任务很有用。当零样本提示和少样本提示不足时，这可能意味着模型学到的东西不足以在任务上表现良好。从这里开始，建议开始考虑微调您的模型或尝试更高级的提示技术。其中包括下列的提示技术，具体可以看参考资料中的详细介绍。
- Chain-of-Thought Prompting
- Self-Consistency
- Generate Knowledge Prompting
- Tree of Thoughts (ToT)
- Automatic Reasoning and Tool-use (ART)
- Automatic Prompt Engineer
- Active-Prompt
- Directional Stimulus Prompting
- ReAct Prompting
- Multimodal CoT Prompting
- Graph Prompting
学习参考
[1]提升工程英文：https://github.com/dair-ai/Prompt-Engineering-Guide
[2]提示工程中文：https://www.promptingguide.ai/zh