ChatGPT 是一种基于人工智能（AI）技术的应用，它可以通过文字和使用者进行对话和回答问题。它采用的人工神经网络和深度学习等技术，能够学习大量的语言数据，并从中提取出语言规律和模式，从而生成具有逻辑和语法正确性的文本。与其对话，你会惊奇地发现它就如同一个博学多才的老师/助手，可以按照你的要求完成各类任务，包括但不限于：解答问题、提供建议、分析数据、编写文章、编写代码、翻译文本等。
【资料图】
但有些时候，它的回答并不是我们所期望的。例如，我们想知道财经新闻中经常提到的“基点”是什么意思，如果我们直接问“基点是什么意思”，它的回复很可能不是我们想了解的内容。这时候我们可以通过补充上下文信息，将想了解的内容带入到一个情景当中，使它的回复更加准确。举个例子，我们可以这样问：“美联储宣布加息50个基点”中的“基点”是什么意思
上述通过补充上下文信息来增加AI回复准确性的方法，属于提示工程的范畴。提示工程（Prompt Engineering），是在AI大语言模型出现后一种比较新的学科，旨在通过设计合适的输入提示来引导AI生成符合预期的回答或输出。对于研究人员，还可以利用提示工程来优化模型性能、促进模型创新、拓展模型应用等。对于我们普通使用者，通过提示工程可以让我们获得更加准确、可靠、实用的回复以及完成一些复杂场景的任务（如算术推理）。
常用的提示工程技巧有：
构建角色
给出指令/任务
提供上下文
构建题目
给出一些示例
构建角色，是一种非常实用的提示工程技巧。通过构建角色，可以将AI模型带入到某个角色之中，使其生成符合该角色身份的回答，提高回答内容的质量。
例如，你想了解“四大发明”的历史，你可以构建一个历史学教授的角色，描述他正在准备一场关于“四大发明”的主题演讲并写了一篇演讲稿，然后用提示词“内容如下：”来引导AI生成内容。
通过上图可以看出，相比直接问“四大发明”，使用构建角色的方式引导AI可以让回答更加丰富和清晰。
我们可以利用构建多个不同角色的方法，去获得到不同角度的回复。下面我们让AI分别带入罗密欧和朱丽叶这两个角色，模拟生成他们相互写给对方的情书。
通过给出明确的、限定性的指令和任务要求，我们可以让AI严格按照我们希望的方式回复。下面是一些例子：
利用AI总结文字内容生成标题和概述。
利用AI安排旅行计划和进行翻译工作。
利用AI编写文案。
通过提供上下文信息，补全相关问题的适用条件、出现场景、规律规则等内容，来提高AI回复的质量。
举个例子，让AI解释意思意思是什么意思。通过下图可以看出，提供上下文后的AI回复更丰富、更准确些。
我们可以通过将问题设计成一道考题的形式，向AI提出询问，从而获取我们所期望的回复。
例如，当我们想不出更多的形容词时或想修改句子时，可以通过下图展示的方式，将问题考题化来获得AI准确的回复。
反过来，其实也可以让AI来给我们出考题。
AI会挖掘和分析我们给出例子中的规律，利用这个特性，我们可以通过举例来引导AI生成我们所期望的回复。
通过下图我们可以发现，AI利用了我们提供的例子，成功地推理出张家8个孩子的名字与方位词有关、各城市的宣传标语都是用2个4字短句组成且第2个短句会包含城市的名称，最终给出了我们所期望的回复。
本文涉及的提示工程技巧只是提示工程的一小部分，提示工程作为一门学科，涉及类目和体系都非常的广泛。如果你感兴趣，可以在网络搜索“提示工程”、“Prompt Engineering”等关键词了解相关讯息。
目前的AI其实并不能像人一样思考，虽然它给出的回答可能会让你觉得惊讶，但本质上AI的回答仍是一系列数学函数运算的结果，并没有真正的感知和思维能力。不过对我们来说，与其问AI能不能像人一样思考，不如问AI能不能做到人能做到的事情更有意义。
标签：
