Google 提示词工程最佳实践

框架说明

当我们进入数字化和自动化的时代，如何有效地与模型交互并获得我们期望的输出变得越来越重要。Google 为我们提供了一套全面的提示词工程最佳实践，可以指导我们更好地与大模型交互。

一、提示词工程的最佳实践

明确意图

始终清楚地传达最重要的内容或信息。

构建提示词

首先定义其角色，提供上下文 / 输入数据，然后给出具体指令。

参照例子

为模型提供具体的、多样化的例子，帮助它产生更准确的结果。

限制输出范围

使用限制条件确保模型的输出与指令紧密相关。

任务分解

对于复杂任务，将其分解成一系列更简单的提示词。

质量监控

指导模型在生成响应之前对其进行评估或自检。

逐步思考

针对复杂问题，引导模型按照逐步的逻辑推理输出结果。

关键要点

充分发挥创意，开放思考，随着技术的发展，不断适应和调整。

二、提示词迭代的技巧

随着时间的推移，我们可能需要调整或重写我们的提示词。以下是一些有助于优化提示词的技巧：

重申关键元素

强调词汇、短语或主要观点。

明确格式

提前告诉模型你期望的输出格式，例如 CSV 或 JSON。

突出关键信息

使用强烈的语言或格式突出重要内容。

多样化表达

尝试使用不同的同义词或短语，并找出哪种更有效。

三明治法

在长提示词中，多次重复核心指令以增强模型的注意力。

参考资源

使用诸如 Prompt Hero 和 Google 的提示词展览等在线资源，作为灵感来源。

特点

随着大模型学习模型的不断进化，我们的交互策略也需要持续调整。这些建议和策略旨在帮助我们更高效、更准确地与模型互动。

Google 的提示词工程最佳实践提供了一个全面的指导框架，涵盖了从基础的提示词构建到高级的迭代优化技巧，帮助用户充分发挥大模型的潜力。