让你的AI“更听话” !来自OpenAI官方的6大Prompt策略(下)
作者：AI小妖怪三、拆分复杂任务
复杂的任务比简单的任务具有更高的错误率。把复杂的任务给拆给更为简单的子任务，大模型会有更好的表现。
3.1根据使用意图拆分问题
通过将复杂的问题分解为具体的类别和子类别，可以更准确地理解用户的需求，并提供更精确的响应。这种分类方法帮助模型快速定位问题的核心，从而提高回应的效率和质量。
举例
“请帮助我解决账单问题。”
ChatGPT应将此查询分类为“计费”主要类别，进一步细分为“取消订阅”等次要类别，然后具体回答或提供相应的解决方案。在客户关系管理系统中，将客户的投诉自动分类为产品质量、服务态度、物流问题等，以便相关部门快速响应在学习管理系统中，教师将学生的问题分类为课程内容疑问、作业技术问题、额外学习资源需求等，以便提供更有针对性的帮助。3.2 总结或过滤内容
由于模型具有固定的上下文长度，因此用户和AI之间的对话无法无限期地继续。对于需要很长对话的对话应用，总结或过滤以前的对话。有助于在对话过程中维持上下文的连贯性和相关性，尤其是在长对话中保持重点。
举例
我们之前讨论的客户支持问题，你能总结一下吗？概述我们上次团队会议中讨论的关键决策。回忆一下上周我们讨论的全球经济趋势。3.3 分段总结，递归构建摘要
适用于处理大量文本，如书籍或长报告，可以逐步构建出全面的摘要。
举例
“请总结这本书的前五章”
ChatGPT会分别总结每一章的主要内容，并递归地合并这些总结以形成整体的书籍摘要。企业年度报告: “将整个年度报告分成各个部分，逐个总结，最后将这些总结整合成一个全面的执行摘要。”。学术资料整理: “在准备综述文章时，分段总结各个研究论文，然后将这些摘要递归合并，形成对整个话题的全面理解。” 四、给AI“思考”时间
通过模拟思考过程，可以使模型的回答更加深入和准确。这种策略特别适用于复杂问题或需要详细解释的情况。在给出答案之前询问“思维链”可以帮助模型更可靠地推理出正确答案。
4.1 让模型逐步推理
通过模拟思考过程，可以使AI的回答更加深入和准确。这种策略特别适用于复杂问题或需要详细解释的情况，助于增加输出的深度和质量。
举例
问题陈述：我正在建造一个太阳能发电装置，我需要帮助解决财务问题。土地成本为100美元/平方英尺 - 我可以以250美元/平方英尺的价格购买太阳能电池板 - 我协商了一份维护合同，每年将花费我10万元，另外还要额外花费10美元/平方英尺第一年运营作为平方英尺数的函数。请模拟一个商业分析过程，评估新产品上市的市场潜力，包括竞争分析、目标市场确定和预期收益。详细解释如何使用供需模型来分析市场价格变动的因素，并应用这一理论来分析当前全球石油市场的价格趋势。4.2 隐藏模型推理
使用内心独白或隐式推理，隐藏部分推理过程，以避免影响用户的思考。
举例
对于一个物理问题，模型首先独立解决问题，然后将解决方案与学生的提供的解决方案比较，最后提供有助于学生理解和学习的反馈，而不直接给出答案。在提供法律咨询时，律师可能需要内部评估案件的各种可能性，但对客户只透露最终的建议，避免过多的法律细节混淆主要建议。在解答复杂的哲学问题时，教师可能需要在心中评估多种哲学理论的适用性，但在教学时只提供最关键的理论解释，以简化学生的理解过程。4.3 询问模型是否遗漏内容
要求模型在答案中引用文档中的具体段落，增加答案的可查性和准确性。
举例
您将获得一份由三重引号分隔的文档。你的任务是选择与以下问题相关的摘录：“人工智能历史上发生了哪些重大的范式转变。”确保摘录包含解释它们所需的所有相关上下文。在项目结束时，回顾整个项目的文档和报告，确保所有关键成果和挑战都已记录并且没有遗漏。在完成一篇复杂的研究论文后，回顾并确保所有重要的研究问题和假设都已充分讨论和解释。 五、使用外部工具
利用外部工具和资源可以补充模型的功能，增强其处理特定任务的能力，尤其是在需要专业知识或数据处理的场景中。
5.1 基于嵌入实现高效搜索
通过向AI提供其它工具，模型可以访问和利用大量的外部信息来提供更加丰富和准确的回答。
举例
问题陈述：我正在建造一个太阳能发电装置，我需要帮助解决财务问题。土地成本为100美元/平方英尺 - 我可以以250美元/平方英尺的价格购买太阳能电池板 - 我协商了一份维护合同，每年将花费我10万元，另外还要额外花费10美元/平方英尺第一年运营作为平方英尺数的函数。在客户支持中心，当客户提问特定产品的技术问题时，系统自动从技术文档库中检索最相关的解决方案，并提供给客户服务代表。在撰写学术论文时，模型使用专业数据库检索相关文献，以支持论文中的论点和引用。5.2 使用代码执行或调用
让模型编写和执行代码来进行准确计算或调用API，弥补语言模型在执行算术或复杂计算上的不足。
举例
求以下多项式的所有实值根：3x**5 - 5x4-3*x3 - 7*x - 10。您可以通过将 Python 代码括在三个反引号中来编写和执行它。
另请注意，您可以访问以下模块来帮助用户向朋友发送消息：python import message message.write(to="John", message="Hey，想在下班后见面吗？")5.3 授予模型访问权限
允许模型根据需要访问特定的工具或资源，可以扩展其功能，使其在特定任务上更为有效。
六、系统地测试更改
为模型提供标准答案，然后评估模型的输出与这些标准答案之间的一致性，这有助于确保模型提供的信息是准确和可靠的。
6.1 建立评估程序（Evals）
通过创建代表性的测试套件来评估改进的效果，这些测试可以是自动化的，也可以是人工的，确保实现更好的性能。
举例
评估程序的设计: “定义一个全面的测试套件来测试模型在处理复杂查询时的性能，包括各种边缘案例和常见问题。”产品反馈分析: “开发一个自动化工具来收集和分析客户对新产品的反馈，确保能够快速识别问题并调整产品特性。”教育应用测试: “在教育软件中实施一个评估系统，通过学生的使用数据和学习成果来测试不同教学策略的有效性。”6.2 参考标准答案评估输出
为模型提供标准答案，然后评估模型的输出与这些标准答案之间的一致性，这有助于确保模型提供的信息是准确和可靠的。
举例
模型输出与标准答案比较: “使用黄金标准答案来评估模型在处理历史事实类问题的精确度，例如‘尼尔·阿姆斯特朗首次登月的日期是何时？’”企业培训评估: “在企业培训程序中，通过与行业标准对比，评估员工在安全培训或技能提升课程后的知识掌握程度。”学术考试准备: “为准备大学入学考试的学生提供模拟测试，然后根据过去考试的标准答案来评估他们的答案，帮助他们识别知识的弱点。”
关注我撒‼️
一个在AI时代试图逆流而上，
却又时常随波逐流的小阿姨
- END -
Reference
OpenAI. (n.d.). Prompt engineering. https://platform.openai.com/docs/guides/prompt-engineering
页:
[1]