来自 Vectors of Mind - 原文中的图像。

[图像：原文中的视觉内容]你在阅读完这篇文章后的样子

我的工作已经非常接近于成为一名提示工程师1。这对我来说很好，因为它结合了我对写作、心理测量学和自然语言处理的热爱。以下是一些最强大的提示技术：

  1. 使用清晰且具体的指令

  2. 连贯的思维推理

  3. 在执行任务前收集所需信息

  4. 将任务分解为步骤

  5. 技术术语是你的朋友

  6. 有用短语的杂烩

1. 清晰且具体的指令#

律师和计算机科学家在这方面天生就很擅长。事实上，提示的乐趣之一在于，与常规代码相比，可以不那么精确，而大型语言模型（LLM）通常能理解要点。然而，许多请求可以通过简单地明确任务和答案的格式来改进。例如，我最近凑出了一顿饭：

[图像：原文中的视觉内容]

味道很好，谢谢你的关心。其他例子：

  • “用一段话总结人工智能的历史。”

  • “创建一个按年龄排序的最古老语言家族的表格。要详尽。”2

  • “以White和Strunk的风格重写引用的文本。给我三个选项。”

  • “计算附加.csv文件中第2-7列的皮尔逊相关矩阵。”

    • 后续：“编写代码以高分辨率显示结果为热图，可以用于海报。使用美学选择的最佳实践”

具体的指令通常包括具体的例子。White和Strunk撰写了《风格的要素》。引用他们的书比使用诸如“简洁”、“专业”或“优秀”的形容词更好。部分原因是LLM倾向于过度交付，尤其是在具体形容词上。因此，如果你希望机器人采用一种俏皮的个性，试着告诉它像《美少女的谎言》中的Veronica Mars或《贱女孩》中的Regina George一样行事。

2. 连贯的思维推理#

LLM是通过一个庞大的文本语料库进行训练，以预测下一个词。令人惊讶的是，这使得它们在近似推理方面表现良好，但在处理复杂任务时很快就会崩溃。在这里，“复杂”可以意味着像“将第1列的数字相加”这样的事情。这很难一次性完成，它会吐出一个看似合理的数字，可能在正确范围内但不是正确答案。附加“分步骤思考”效果显著。通常，你甚至不需要指定步骤是什么；LLM可以推断出要对列求和，中间步骤是写“n1 + n2 + n3 + … + n100 =”。这本质上是在提示自己在等号右侧得到更好的答案。或者，打个比方，给自己时间去思考。对于任何问题，短语“分步骤思考”是你应对LLM幻觉的第一道防线。如果这不起作用，请自己列出步骤（我们将回到这一技术）。

3. 在执行任务前收集所需信息#

如果你让chatGPT写一篇博客文章（我绝不会）或一个Python函数（我绝对会），它会在不询问你实际想要的细节的情况下完成。很多这种情况可以通过说“我想写一个执行X功能的函数；在编码之前我需要收集哪些信息？”或者“写一个执行X功能的函数，但在编写代码之前先询问任何所需信息。”其中“X”是某种部分描述。

4. 将任务分解为步骤#

每当chatGPT未能完成任务且连贯思维不起作用时，将任务分解为子任务。这通常是任务开始时的一半工作，巧合的是，这也是（目前）LLM难以自行完成的。然而，请注意，你通常也可以将此外包给LLM3。例如，我提示chatGPT为创造力测试想出项目（你可以浏览）：

我正在尝试想出更多类似于远程联想测试（RAT）的题目。RAT要求个人找到一个将三个看似无关的词联系在一起的共同词。以下是一些示例词组：

1. Cottage, Swiss, Cake（答案：Cheese）

2. High, Book, Chair（答案：School）

3. Fruit, Gaze, Traffic（答案：Jam）

4. Cream, Skate, Water（答案：Ice）

5. Ache, Hunter, Cabbage（答案：Head）

6. Manners, Round, Tennis（答案：Table）

7. Falling, Actor, Dust（答案：Star）

8. Light, Birthday, Stick（答案：Candle）

9. Salad, Head, Goose（答案：Egg）

10. Music, Ached, Green（答案：Apple）

最佳实践是什么？我应该如何分步骤思考？

就像理解如何求和一样，chatGPT在生成“食谱”以完成任务方面表现出色。在它交付后，我只需说：

“太好了！现在通过这个过程再产生5个新问题”

然后再来五个，再来五个。我之前尝试直接要求新项目，建议非常糟糕。对于一个更复杂的例子，请参阅一个AI安全研究所如何使用这种技术（以及其他技巧）来解决一个被设计为对LLM不可能的问题。

5. 技术术语是你的朋友#

技术术语是LLM行为的吸引子。例如，描述一种疾病并询问“指示”会比问“我该怎么办？”走得更远。使用“指示”告诉LLM将你的症状映射到每一本医学教科书。后者则映射到请求医学/生活建议，而它已被训练不提供这些建议。使用技术或非口语化术语将你移出普通助手空间，这里有最多的护栏和Reddit级别的建议。

6. 有用提示的杂烩#

以下是我经常使用的一些短语

  • “这正确吗？”

    • 每当我写别人工作的总结或描述我不太熟悉的想法时，我会复制粘贴我的写作并询问是否正确。它通常在可辩论的部分上表现得很好

  • “你确定吗？”

    • 同样，每当我怀疑LLM在胡说八道时，我会问它是否确定。如果它改变了主意，那么对这个说法要持怀疑态度。

  • “帮我头脑风暴。” “要有创造力”

    • 使用LLM的最佳用途之一是帮助你探索想法空间。有时，它需要鼓励才能摆脱模式化的答案。

如果你有任何常用的提示，请在评论中添加！

分享

  1. 它也变得比我想象的更不稳定，所以如果你在数据科学、AI或心理测量学方面有任何合同工作，请联系我！ ↩︎

  2. 诚然，LLM不可能列出世界上所有142-420个语言家族。因为这是“不可能的”（即，离其默认行为太远，超过某个硬性令牌限制），“详尽”用于抵抗简短回答的重力，使LLM更为详尽。这是提示的缺点，有时会退化为乞求、恳求、贿赂和威胁。 ↩︎

  3. 你可以从LLM中获得帮助以分解子任务这一事实表明，这也将越来越自动化。谁知道未来的世代会有什么能力。 ↩︎