【提示策略】谷歌提示策略概述

虽然设计提示没有对错之分，但您可以使用一些常见的策略来影响模型的响应。严格的测试和评估对于优化模型性能仍然至关重要。

大型语言模型（LLM）在大量文本数据上进行训练，以学习语言单元之间的模式和关系。当给出一些文本（提示）时，语言模型可以预测接下来可能会发生什么，就像一个复杂的自动补全工具。因此，在设计提示时，要考虑可能影响模型预测结果的不同因素。

提示的工程工作流程

快速工程是一个测试驱动的迭代过程，可以提高模型性能。在创建提示时，重要的是要明确界定每个提示的目标和预期结果，并对其进行系统测试，以确定需要改进的领域。

下图显示了提示工程工作流程：

提示工程工作流程图

如何创建有效的提示

提示的两个方面最终会影响其有效性：内容和结构。

内容：

为了完成任务，模型需要与任务相关的所有相关信息。此信息可以包括说明、示例、上下文信息等。有关详细信息，请参阅提示的组件。

结构：

即使在提示中提供了所有必需的信息，给出信息结构也有助于模型解析信息。排序、标签和分隔符的使用都会影响响应的质量。有关提示结构的示例，请参见示例提示模板。

提示的组成部分

下表显示了提示的基本和可选组件：

根据手头的具体任务，您可以选择包含或排除一些可选组件。您还可以调整组件的顺序，并检查这如何影响响应。

示例提示模板

<OBJECTIVE_AND_PERSONA>
You are a [insert a persona, such as a "math teacher" or "automotive expert"]. Your task is to...
</OBJECTIVE_AND_PERSONA>

<INSTRUCTIONS>
To complete the task, you need to follow these steps:
1.
2.
...
</INSTRUCTIONS>

------------- Optional Components ------------

<CONSTRAINTS>
Dos and don'ts for the following aspects
1. Dos
2. Don'ts
</CONSTRAINTS>

<CONTEXT>
The provided context
</CONTEXT>

<OUTPUT_FORMAT>
The output format must be
1.
2.
...
</OUTPUT_FORMAT>

<FEW_SHOT_EXAMPLES>
Here we provide some examples:
1. Example #1
Input:
Thoughts:
Output:
...
</FEW_SHOT_EXAMPLES>

<RECAP>
Re-emphasize the key aspects of the prompt, especially the constraints, output format, etc.
</RECAP>

以下提示模板显示了一个结构良好的提示示例：

提示模板示例：

<OBJECTIVE_AND_PERSONA>
你是一个[插入一个角色，比如“数学老师”或“汽车专家”]。你的任务是。。。
</OBJECTIVE_AND_PERSONA>

<说明>
要完成此任务，您需要执行以下步骤：
1.
2.
...
</说明>

-------------可选组件------------

<约束>
以下方面的注意事项
1.剂量
2.不要
</约束>

<上下文>
提供的上下文
</CONTEXT>

<输出格式>
输出格式必须为
1.
2.
...
</OUTPUT_FORMAT>

<FEW_SHOT_EXAMPLES>
这里我们提供一些例子：
1.示例#1
输入：
思想：
输出：
...
</flow_SHOT_EXAMPLES>

<回顾>
再次强调提示的关键方面，特别是约束、输出格式等。
</RECAP>

最佳实践

快速设计最佳实践包括以下内容：

• 给出清晰具体的指示
• 包括几个镜头示例
• 分配角色
• 添加上下文信息
• 使用系统说明
• 结构提示
• 指导模型解释其推理过程
• 分解复杂任务
• 参数值实验
• 快速迭代策略

即时健康检查表

如果提示没有按预期执行，请使用以下检查表来识别潜在问题并提高提示的性能。

写作问题

• 拼写错误：检查定义任务的关键字（例如，sumarize而不是summarize）、技术术语或实体名称，因为拼写错误可能会导致性能不佳。
• 语法：如果一个句子难以解析，包含连读片段，主语和动词不匹配，或者在结构上感到尴尬，模型可能无法正确理解提示。
• 标点符号：检查逗号、句号、引号和其他分隔符的使用情况，因为不正确的标点符号会导致模型误解提示。
• 使用未定义的术语：避免使用特定领域的术语、首字母缩略词或首字母缩写，除非在提示中明确定义。
• 清晰度：如果你发现自己对范围、要采取的具体步骤或所做的隐含假设感到疑惑，提示可能不清楚。
• 歧义：避免使用缺乏具体、可衡量定义的主观或相对限定词。相反，提供客观的约束条件（例如，“写一个不超过3句的总结”，而不是“写一篇简短的总结”）。
• 缺少关键信息：如果任务需要了解特定文档、公司政策、用户历史记录或数据集，请确保信息明确包含在提示中。
• 糟糕的单词选择：检查提示中是否有不必要的复杂、模糊或冗长的措辞，因为这可能会混淆模型。
• 二次审查：如果模型继续表现不佳，请另一个人审查您的提示。

说明和示例问题

• 公开操纵：从提示中删除核心任务之外的语言，这些语言试图通过情感诉求、奉承或人为压力来影响绩效。虽然第一代基础模型在某些情况下显示出了改进，并给出了“如果你不正确，就会发生非常糟糕的事情”等指示，但基础模型的性能将不再提高，在许多情况下会变得更糟。
• 指令和示例冲突：通过审核提示来检查指令或指令与示例之间的逻辑矛盾或不匹配。
• 冗余的说明和示例：查看提示和示例，看看是否以略微不同的方式多次陈述了完全相同的说明或概念，而没有添加新的信息或细微差别。
• 无关的说明和示例：检查所有说明和示例是否对核心任务都是必不可少的。如果可以在不降低模型执行核心任务的能力的情况下删除任何指令或示例，它们可能无关紧要。
• 使用“少镜头”示例：如果任务很复杂，需要特定的格式，或者有微妙的语调，请确保有具体的、说明性的示例来显示示例输入和相应的输出。
• 缺少输出格式规范：避免离开模型猜测输出的结构；相反，在您的几个镜头示例中，使用清晰、明确的指令指定格式并显示输出结构。
• 缺少角色定义：如果要让模型扮演特定角色，请确保在系统说明中定义了该角色。

提示和系统设计问题

• 未指定的任务：确保提示的指令为处理边缘情况和意外输入提供清晰的路径，并提供处理丢失数据的指令，而不是假设插入的数据总是存在且格式良好。
• 模型能力之外的任务：避免使用要求模型执行已知基本限制的任务的提示。
• 任务太多：如果提示要求模型在一次传递中执行几个不同的认知动作（例如，1。总结，2。提取实体，3。翻译，4。起草一封电子邮件），它可能试图完成太多工作。将请求分解为单独的提示。
• 非标准数据格式：当模型输出必须是机器可读的或遵循特定格式时，使用广泛认可的标准，如JSON、XML、Markdown或YAML，这些标准可以被通用库解析。如果您的用例需要非标准格式，请考虑要求模型输出为通用格式，然后使用代码转换输出。
• 不正确的思维链（CoT）顺序：避免提供示例，显示模型在完成逐步推理之前生成了最终的结构化答案。
• 内部引用冲突：避免使用非线性逻辑或条件编写提示，这些逻辑或条件要求模型将提示中多个不同位置的零碎指令拼凑在一起。
• 提示注入风险：检查是否有针对插入提示中的不可信用户输入的明确保护措施，因为这可能是一个重大的安全风险。

下一个是什么

• Explore examples of prompts in the Prompt gallery.
• Learn how to optimize prompts for use with Google models by using the Vertex AI prompt optimizer (Preview).
• Learn about responsible AI best practices and Vertex AI's safety filters.