宝玉老师的这个关于提示词编写的介绍，个人觉得收益匪浅。
概要
- 提示词的四大要素：指令、上下文、输出格式、角色
- 提示词策略和技巧
- 大语言模型的本质和劣势
- 提升生成期望结果的概率
- 策略一：撰写清晰的指令
- 策略二：给模型“思考”的时间
- 策略三：把复杂任务拆分成简单任务
- 策略四：接入外部工具和资料
- 提示词技巧的具体应用案例
提示词的四大要素
提示词是与 AI 交互时的重要工具，它包含四大要素：指令、上下文、输出格式和角色。
- 指令：是告诉 AI 需要完成的具体任务或回答的问题，需要清晰具体。
- 上下文：是 AI 执行指令所需的背景信息，它帮助 AI 更好地理解和执行指令。
- 输出格式：是我们期望 AI 返回结果的格式，比如表格、摘要或 Markdown 格式等。
- 角色：则是我们期望 AI 在交互中扮演的角色，比如助手、心理医生或导师等，这有助于 AI 更准确地生成内容。
提示词策略和技巧
有效的提示词策略和技巧可以极大提升与 AI 的交互质量。 首先，我们需要撰写清晰的指令，因为 AI 无法猜测我们的想法。 其次，给模型“思考”的时间，通过展示思考过程来提升推理结果。 此外，将复杂任务拆分成简单任务，可以提高任务的成功率。 最后，接入外部工具和资料，可以弥补 AI 知识库的不足，提升其性能。
大语言模型的本质和劣势
大语言模型以其强大的语言理解和生成能力著称，它们拥有简单的推理能力，并且适应性强，可以通过微调或上下文学习来提升性能。 然而，这些模型也有其局限性，比如对事实的理解有限、知识库有限、缺乏深层推理能力，以及上下文窗口长度限制和没有记忆等。 了解这些本质和劣势有助于我们更好地利用 AI。
提升生成期望结果的概率
为了提升生成期望结果的概率，我们需要发挥 AI 模型的优势，补充或避开其劣势。 这包括让 AI 准确理解指令，以及让概率收敛在高质量的路径上。 通过精心设计的提示词，我们可以引导 AI 生成更准确的结果。
策略一：撰写清晰的指令
在与 AI 的交互中，清晰的指令至关重要。 模型不会读心术，因此需要我们提供具体明确的指令。 此外，提供详尽的背景信息可以帮助模型更好地理解任务。 让 AI 向我们提问可以避免信息的遗漏，而让 AI 扮演任务相关的角色则可以提升特定领域内容的生成概率。
策略二：给模型“思考”的时间
在处理复杂问题时，给模型“思考”的时间是提升推理结果的有效策略。 这可以通过打印思考过程来实现，帮助模型更可靠地推导出正确答案。 此外，用 Token 换时间，即在模型给出答案之前，要求其展示一下“思考过程”，有助于模型更准确地回答问题。
策略三：把复杂任务拆分成简单任务
将复杂任务拆分成简单任务可以提高任务的成功率。 这类似于软件工程中将复杂系统分解成模块化的组件。 通过化繁为简，我们可以提高每个子任务的成功率，并且可以合并回去，使得前一个任务的输出可以作为后一个任务的输入。
策略四：接入外部工具和资料
在 AI 的能力不足以完成任务时，我们可以借助外部工具和资料。 通过上下文学习，我们可以弥补知识库的不足。 提供工具的说明和接口参数给 AI，可以让 AI 自己选择使用什么工具，传入什么参数。 此外，AI 不擅长数学，但可以调用数学工具或者执行代码来完成任务。
提示词技巧的具体应用案例
在实际应用中，我们可以通过结构化输入、明确说明完成任务的步骤、给出样例（few-shot）以及使用伪代码等技巧来提升提示词的效果。 这些技巧可以帮助 AI 更准确地理解我们的需求，并生成更符合预期的结果。