從失望到精通：AI 大模型的掌握與運用技巧（1）

前言

曾經有一批強大的 AI 模型擺在我面前，我卻未曾珍惜，知道發(fā)現別人能夠輕松駕馭它發(fā)揮巨大價值，才后悔莫及，如果上天給我重來一次的機會，我會努力學習經驗和技巧，成為第一批熟練駕馭 AI 模型的人!

隨著 ChatGPT 的問世，各行各業(yè)深受震撼，國內外各種新的大模型也如雨后春筍般相繼出現。一些對機遇反應迅速的人已經開始將 AI 運用到學習和工作中，甚至已經開始借助 AI 賺錢了。

目前市場上的 AI 模型眾多，包括國外的 ChatGPT、Claude、Bard 等，國內的文心一言、通義千問、訊飛星火大模型等?，F階段不是缺少 AI 工具，而是缺乏使用這些工具的經驗。多人由于缺乏經驗，用了幾次大模型后發(fā)現回答不符合預期就感到失望棄之不用，這非常可惜。其實不同的模型之間能力有差異，但是相同的模型不同人用起來效果也會相差很大，這里的關鍵在于提示詞技巧和使用和業(yè)務接入過程中遇到的常見問題是否有好的辦法去解決。

雖然現在已經進入 AI 時代，已經可以用自然語言和模型交互，但對提示詞的要求還是有點高，在 AI 工具發(fā)展的相對早期，很多問題還沒有完全解決，很多功能還不完善。在我看來，現在大多數人使用大模型存在兩類主要問題：

• 一類是提示詞寫的不夠好，導致回答不滿意；

• 一類是大模型的使用和接入經驗不足，很多常見問題不知道該如何解決。

提示詞掌握不好，可能會遇到下面的困惑：

• 大模型的回答總是簡略、空洞和機械，怎么辦？

• 大模型的回答總是不能夠按照自己想要的格式輸出，怎么辦？

• 大模型的回答總是不夠完善，怎么辦？

大模型使用技巧掌握不足，可能會遇到下面的困惑：

• 優(yōu)化了很多版本提示詞，答案總不滿意，怎么辦？

• 想在公司里使用 ChatGPT ，但是又擔心數據泄露，怎么辦？

• 和 AI 多輪對話之后， AI 似乎忘記了自己的任務是什么，怎么辦？

• 問 AI 問題，但又擔心它“說假話”，怎么辦？

• 每次都要輸入相似的提示詞，嫌麻煩，怎么辦？

• 收費模型有次數限制（如 GPT-4），如何讓它發(fā)揮更大作用？

業(yè)務接入大模型的經驗不足，可能會遇到下面的問題：

• 認為大模型是萬能的，啥功能都想用大模型來解決，結果事倍功半。

• 剛開始調通模型就匆忙上線，導致效果不理想，用戶流失。

• 構造人工標注太耗費時間。

• 算法工程師不足，開發(fā)人員自己訓練模型，做了很多優(yōu)化效果都不理想。

如果你也遇到上述問題，那么本文將對你有所幫助。接下來我將主要介紹如何通過精準的提示詞技巧獲得想要的答案，以及在使用大模型使用和接入的過程中遇到的常見問題該如何解決。

很多人試用幾次大模型，得不到想要的答案，頓感失望然后棄之不用。其實多半是自己的提示詞寫的不夠好導致的。網上的提示詞教程五花八門，要么不成體系，要么過于復雜。接下來將用相對接地氣的方式，談談提示詞的標準、提示詞該如何寫效果更好。

在我看來，一個粗略而簡單的標準就是：你身邊的人是否能夠輕松聽懂。如果你寫一個提示詞，還需要別人再問你好幾個問題才能真正明白什么意思，那么這個提示詞就不是好的提示詞。

好的提示詞應該遵循清晰具體，重點突出，充分詳盡的原則。在提示詞中給出他回答問題所需要的主要信息，并且清楚具體地告訴它要做什么事情。

2.1.2 提示詞公式

對于相對簡單、通用的任務，由于模型對這類任務通常比較擅長，一般遵循前面所講的原則直接寫提示詞即可

示例 1：

請根據 XXX 起 5 個有吸引力的標題

示例 2：

請幫我找出下面段落中的錯別字，段落內容為：XXX。

示例 3：

請給我一個 Java 語言實現策略設計模式的示例代碼。

對于相對復雜、專用的任務，可以參考下面的公式：立角色 + 說問題 + 定目標 + 給示例 + 加背景+ 補要求，往往可以得到更好的回答。實際使用過程中并非這四項都要有，可以根據實際情況進行靈活組合。

示例：

我想讓你充當我的導游（立角色），我計劃從青島出發(fā)去杭州旅游，預算是 10000 元，總共 2 個人，行程 3 天，請給我出一份攻略（說問題，定目標）。注意行程不要安排過于緊湊，不想去網紅打卡點，想去有文化底蘊的景點，另外推薦景點時，請附上景點的價格，不去太高檔的餐廳吃飯（補要求）。

提示詞的技巧有很多，這里給出一些自己實踐過的非常有用的一些經驗，更多進階技巧大家可以再網上搜索更多資料進一步學習。

加分隔符幫助模型區(qū)分不同的區(qū)塊如果提示詞包含多個部分，為了更好地區(qū)分開來，可以使用分隔符。如使用三個反引號將命令和待處理的段落分開。

示例 ：

執(zhí)行下面的步驟：

1 將下面由三個引號分隔的文本總結為一句話。

2 將總結翻譯成英文

3 統(tǒng)計英文中的每個字母的數量

4 參考三個#分割的文本格式進行輸出

"""{text}"""

###{"a":1,"b":2}###

通過加限定詞提要求規(guī)范模型的輸出

如果 AI 模型輸出的風格不符合你的要求，可以通過設置口吻、說明面向的人群等，讓大模型按照你的意圖來回答問題。如果 AI 模型輸出的內容存在 Bad Case，你可以通過強勢的情態(tài)副詞對結果進行干預，如“一定要”，"一定不要"，"必須"、“不許”、“應該”等。身邊就有朋友反饋用 AI 寫出的內容有“機器味道”，采用了通過設置口吻和設定要求等優(yōu)化提示詞后，寫出的內容讓他非常滿意。

示例 1：

你是一位知名兒童文學作家，請使用親和力的口吻，幫我寫一篇面向幼兒園兒童的，能夠體現親情重要性的故事。

要求：

1 文章內容需要涉及至少兩個動物。

2 文章內容要具有想象力。

3 文章內容需積極向上，絕不能出現血腥、暴力的內容。

4 ...

說明：提示詞中講口吻、面向人群和具體要求給出到模型，更容易寫出讓你滿意的故事。在提示詞中通過“絕不能”的限定，模型構造故事時會刻意避免。

示例 2：

請使用 PlantUML 的語法，幫我生成一個時序圖。

時序的對象包括：A、B、C。時序如下：XXX

說明：如果不交代時序對象，模型提取的對象可能和你想的有偏差，而提示詞中直接將時序對象交代給 AI 模型，更容易繪制出讓你滿意的時序圖。

示例3：

執(zhí)行下面的步驟：

1 將下面由三個引號分隔的文本總結為一句話。

2 將總結翻譯成英文

3 統(tǒng)計英文中的每個字母的數量

4 參考三個#分割的文本格式進行輸出

5 不需要輸出中間過程，只需要參考三個#分割的文本格式輸出最終結果即可（一定不要輸出開頭和結尾分隔符#）

"""{text}"""

###{"a":1,"b":2}###

說明：如果不加上 “一定不要輸出開頭和結尾的分隔符#”，有些模型會輸出結果時前后帶上三個 #，通過限定可以完美解決這個問題。

提供參考示例讓模型更好理解你的意圖

在提示詞中給出一些示例，有助于大模型更好地理解你的意圖，回答出更符合你要求的答案。

示例 1：

請你充當標題優(yōu)化助手，我將給你發(fā)送一個主題，請從下面的原則中選擇最適合的一個原則，給出 5 個參考標題。

好的文章標題遵循三個原則：

（1）數字法則。如“寫文章的 5 種技巧”、“工作 5 年，我學到了這 10 點”、“3 種姿勢幫你做出精美簡歷”。

（2）給出結論和價值。如“重構的必要性和方法”、“關于軟件復雜度的思考”、“工程師也要有產品思維”。

（3）激發(fā)好奇心。如“DDD 最短學習路徑”、“原來設計模式還可以這么用”、“ 99% 程序員理解錯了字符串的可變性”、“不寫代碼，程序員最重要的技能”。

主題：XXX  

示例 2：

請幫我寫一個正則表達式，匹配的規(guī)則如下：數字或下劃線#some.com，并且不能以下劃線開頭。

正確示例：123#some.com 、 123#some.com、1_23#some.com

錯誤示例：123#some.com、12ac#some.com

示例 3：

你是一個知名互聯網論壇的編輯，請幫我校對一篇專業(yè)博文，請指出其中的專業(yè)術語錯誤、拗口的句子等，并給出修改建議。

參考輸出格式見三個引號分隔的部分：

"""

第1處

原文：在軟件開發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現問題。

原因：“代碼審?！睂I(yè)術語錯誤，應該是“代碼審查”

修改：在軟件開發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現問題。

第2處

原文：使用命令 dune init project my_compiler 創(chuàng)建新項目。

原因：此句中對命令的描述不夠通順，建議增加“來”字來連接動作與目的。

修改：使用命令 dune init project my_compiler 來創(chuàng)建新項目。

"""

思維鏈 (Chain-of-Thought，CoT)

人們解決復雜問題時，通常會將其分為一些中間的步驟逐步解決，最終得到答案。思維鏈就是參考人類的解決辦法，思維鏈提示詞模式包括輸入問題、思維鏈和輸出結論。讓模型可以學習這種推理過程，從而提高大模型在復雜推理時的準確率。

（圖片來源：《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 》論文）

很多人想在公司里使用 AI 工具，但對業(yè)務數據泄露持有顧慮。

如果你在大廠，可以考慮公司內部自研的合規(guī)模型。也可以選擇公司代理（會進行安全過濾）的外國 AI 模型。如果想直接使用 ChatGPT 、Bard 之類的外國大語言模型試試效果，可以將數據先脫敏、構造 mock 數據或者嘗試將遇到的問題轉成一個通用的問題來提問即可，得到靠譜的方案或代碼再移植到公司內部。