Prompt Engineering：如何让 AI 更好地理解我们的意图

🎯 在线 Slides：https://agi-talks.vercel.app/101-prompt-engineering/1

以下为 Slides 内容概要，内容由 Sage 模型生成并稍作优化。🙏

人机交互对话是人工智能领域的热门话题，尤其是在语言模型方面的研究已经越来越深入。然而，让 AI 真正理解我们的意图并生成我们期望的文本输出还是一个具有挑战性的问题。在这里，我们将介绍一种名为 Prompt Engineering 的技术，它可以帮助我们更好地指导模型生成准确、相关的文本输出。

Prompt Engineering 是一种指导模型生成文本的技术，其核心思想是为模型提供清晰、具体的指令，以引导模型生成准确、相关的文本输出。这项技术有两种基本的模型：基础 LLM 和指令微调 LLM。基础 LLM 是一种基于大量数据训练的模型，它的默认行为是“续写”文本，即在给定的文本基础上生成下一句话或者补全一段话。而指令微调 LLM 则是在基础 LLM 的基础上，通过给模型提供明确的指令来引导模型生成准确、相关的文本输出。

当然，Prompt Engineering 不仅仅是给模型提供明确的指令，更重要的是在实践中遵循一些关键原则。首先，编写清晰而具体的指令是非常重要的，因为这将引导模型朝向所需的输出，并降低收到无关或不正确响应的可能性。其次，给模型充足的思考时间也是至关重要的，因为模型需要时间来理解我们的意图并生成准确的输出。第三，要求一个结构化的输出以及检查模型是否满足条件也是非常重要的，因为这可以帮助我们减少模型产生幻觉的可能性，并提高模型的精度和可靠性。

除了这些关键原则，Prompt Engineering 还可以通过一些具体的策略来进一步优化模型的表现。例如，我们可以使用分隔符清楚地限定输入的不同部分，以避免输入中包含其他指令的情况。我们还可以要求模型结构化输出，以确保生成的文本具有一定的可读性和逻辑性。此外，我们还可以要求模型检查是否满足条件，以避免模型产生幻觉并生成不准确的文本输出。

最后但也是最重要的，我们还提供了演示环境的准备和代码示例，让读者更好地理解和实践这些原则。通过 Prompt Engineering，我们可以让模型更好地理解我们的意图，减少模型产生幻觉的可能性，从而提高模型的精度和可靠性。当然，这只是一个开始，Prompt Engineering 还有很多可以探索和优化的地方。我们期待未来 AI 技术的进一步发展和创新，让人机交互对话变得更加智能和人性化。