在當(dāng)今信息爆炸的時(shí)代，高效地使用提示詞（prompt）已成為各行各業(yè)提升工作效率的關(guān)鍵之一。然而，提示詞的寫法和適用場(chǎng)景卻常常讓人困惑。本文將深入探討提示詞的常用寫法，并通過(guò)實(shí)際案例展示其在不同場(chǎng)景下的應(yīng)用。

Google發(fā)布的最新框架CRISPE

• CR：Capacity and Role（能力與角色）。你希望 ChatGPT 扮演怎樣的角色。
• I： Insight（洞察），背景信息和上下文。
• S:（陳述），你希望 ChatGPT 做什么。
• P：Personality（個(gè)性），你希望 ChatGPT 以什么風(fēng)格或方式回答你。
• E：Experiment（實(shí)驗(yàn)），要求 ChatGPT 為你提供多個(gè)答案。

常見(jiàn)的prompt的寫法：Zero-shot、Few-shot、CoT、CoT+SC、Step-Back

• Zero-shot（零樣本學(xué)習(xí)）：是一種機(jī)器學(xué)習(xí)技術(shù)，要求模型在沒(méi)有見(jiàn)過(guò)任何特定任務(wù)的訓(xùn)練樣本的情況下，僅根據(jù)任務(wù)的描述和自身已有的知識(shí)來(lái)完成任務(wù)。模型需要依靠其在預(yù)訓(xùn)練階段學(xué)習(xí)到的通用知識(shí)和模式識(shí)別能力，對(duì)全新的、未見(jiàn)過(guò)的任務(wù)進(jìn)行推理和預(yù)測(cè)。例如在圖像分類中，模型在訓(xùn)練時(shí)未見(jiàn)過(guò)某種特定類型的圖片，在測(cè)試時(shí)卻要對(duì)該類圖片進(jìn)行分類；或者在語(yǔ)言翻譯中，直接讓模型翻譯從未見(jiàn)過(guò)的句子，僅通過(guò)任務(wù)指令來(lái)驅(qū)動(dòng)模型輸出結(jié)果。
• Few-shot（少樣本學(xué)習(xí)）：與 Zero-shot 相對(duì)，模型在進(jìn)行預(yù)測(cè)任務(wù)時(shí)，只需要少量的樣本作為參考。通常情況下，模型在預(yù)訓(xùn)練階段學(xué)習(xí)了大量的通用知識(shí)，然后在面對(duì)新的具體任務(wù)時(shí)，僅利用很少的幾個(gè)標(biāo)注樣本對(duì)模型進(jìn)行微調(diào)或引導(dǎo)，使其適應(yīng)新任務(wù)。例如在文本分類任務(wù)中，可能只給模型提供幾個(gè)屬于某一類別的文本示例，模型就能根據(jù)這些少量樣本以及預(yù)訓(xùn)練的知識(shí)來(lái)對(duì)新的文本進(jìn)行分類，判斷其是否屬于該類別。
• CoT（Chain of Thought，思維鏈）：是一種提示技術(shù)，旨在引導(dǎo)語(yǔ)言模型生成一系列中間推理步驟，以幫助其更好地回答復(fù)雜問(wèn)題。通過(guò)在輸入中提供一些示例，展示問(wèn)題解決的步驟和邏輯鏈條，讓模型學(xué)習(xí)模仿這種推理方式，從而提高模型在復(fù)雜任務(wù)上的性能。例如在數(shù)學(xué)問(wèn)題求解中，給模型提供 “2+3=？首先計(jì)算 2+3，得到結(jié)果 5” 這樣帶推理步驟的示例，模型就能學(xué)會(huì)按照這樣的思維鏈來(lái)解決其他數(shù)學(xué)問(wèn)題，而不是直接給出答案。
• CoT+SC（Chain of Thought + Self-Consistency，思維鏈 + 自洽性）：是在 CoT 基礎(chǔ)上的進(jìn)一步擴(kuò)展。在使用思維鏈引導(dǎo)模型生成推理路徑后，通過(guò)從模型中采樣多個(gè)不同的推理路徑，并選擇其中最一致或最合理的結(jié)果作為最終答案，來(lái)提高模型回答的準(zhǔn)確性和可靠性。例如對(duì)于一個(gè)復(fù)雜的邏輯問(wèn)題，模型可能生成多條不同的推理鏈，通過(guò)比較這些推理鏈之間的一致性和合理性，選擇出最優(yōu)的結(jié)果，避免模型只依賴單一的推理路徑而可能出現(xiàn)的錯(cuò)誤。
• Step-Back：可以理解為一種在解決問(wèn)題或進(jìn)行推理時(shí)退后一步、從更宏觀或更基礎(chǔ)的角度去思考的策略。在模型應(yīng)用中，可能是指讓模型暫時(shí)跳出當(dāng)前具體問(wèn)題的細(xì)節(jié)，回顧一些基本概念、原理或更廣泛的知識(shí)，以便更好地理解問(wèn)題和找到解決方案。比如在處理一個(gè)復(fù)雜的科學(xué)問(wèn)題時(shí)，模型先回顧相關(guān)的科學(xué)定律和基礎(chǔ)知識(shí)，再基于這些進(jìn)行具體問(wèn)題的分析和解答，而不是直接從問(wèn)題的表面入手。

當(dāng)然5種不同的提示詞寫法應(yīng)當(dāng)應(yīng)用在不同的場(chǎng)景下：

一、無(wú)提示詞Zero-shot

（一）常識(shí)推理領(lǐng)域

任務(wù)：如果一個(gè)人在月球上跳躍，會(huì)比在地球上跳得更高還是更低？

Zero-shot 方式：向模型提問(wèn) “一個(gè)人在月球上跳躍和在地球上跳躍，哪里跳得更高”，模型依據(jù)對(duì)地球和月球重力等常識(shí)的理解來(lái)回答，正常情況下會(huì)輸出 “在月球上跳得更高”，不需要提前給它關(guān)于在月球和地球跳躍對(duì)比的具體例子。

（二）情感分析領(lǐng)域

任務(wù)：分析 “這部電影真的太精彩了，我從頭到尾都被吸引住了” 的情感傾向。

Zero-shot 方式：輸入 “請(qǐng)分析‘這部電影真的太精彩了，我從頭到尾都被吸引住了’表達(dá)的是積極情感還是消極情感”，模型根據(jù)語(yǔ)句中的詞匯和語(yǔ)義來(lái)判斷并輸出 “積極情感”，無(wú)需事先用大量標(biāo)注好情感傾向的影評(píng)來(lái)訓(xùn)練它針對(duì)這句話的判斷。

（三）文本分類領(lǐng)域

任務(wù)：判斷 “今天的天氣真好，陽(yáng)光明媚，適合出門游玩” 屬于什么類型的文本。

Zero-shot 方式：給模型輸入 “請(qǐng)判斷‘今天的天氣真好，陽(yáng)光明媚，適合出門游玩’屬于以下哪種文本類型：新聞、日記、詩(shī)歌、散文”，模型根據(jù)對(duì)各種文本類型的理解和句子內(nèi)容進(jìn)行判斷，可能輸出 “日記傾向的日常記錄文本” 等答案，而不需要事先給它提供大量已標(biāo)注好類型的類似文本作為示例。

拓展：對(duì)于更復(fù)雜的文本分類，如判斷一段關(guān)于人工智能技術(shù)原理的描述屬于科普文本、學(xué)術(shù)論文摘要還是技術(shù)博客，也可通過(guò) Zero-shot 讓模型進(jìn)行判斷。

二、Few-shot（少樣本學(xué)習(xí)）

（一）文本生成

給模型提供幾個(gè)特定風(fēng)格的文本片段，如提供幾句古風(fēng)詩(shī)詞，然后要求模型以同樣的古風(fēng)風(fēng)格創(chuàng)作一首完整的詩(shī)。模型根據(jù)這幾個(gè)樣本學(xué)習(xí)古風(fēng)詩(shī)詞的用詞、韻律、句式等特點(diǎn)，生成新的內(nèi)容。

（二）命名實(shí)體識(shí)別

只給模型提供少量標(biāo)注好的包含人名、地名、組織名等實(shí)體的句子，例如 “小明去了北京的清華大學(xué)” 標(biāo)注出 “小明” 是人名，“北京” 是地名，“清華大學(xué)” 是組織名，讓模型據(jù)此識(shí)別其他文本中的各種命名實(shí)體。

（三）語(yǔ)義角色標(biāo)注

給出少量已經(jīng)標(biāo)注好語(yǔ)義角色的句子，如 “小明 [施事] 把書 [受事] 放在桌子上 [地點(diǎn)]”，讓模型學(xué)習(xí)不同語(yǔ)義角色的特點(diǎn)和關(guān)系，然后對(duì)新的句子進(jìn)行語(yǔ)義角色標(biāo)注。

三、CoT（Chain of Thought，思維鏈）

（一）數(shù)學(xué)領(lǐng)域

簡(jiǎn)單算術(shù)問(wèn)題：?jiǎn)栴}為 “小明有 5 個(gè)蘋果，小紅的蘋果比小明多 3 個(gè)，請(qǐng)問(wèn)小紅有幾個(gè)蘋果？” 思維鏈可以是 “首先，已知小明有 5 個(gè)蘋果，小紅比小明多 3 個(gè)。那么我們要做的就是在小明的蘋果數(shù)基礎(chǔ)上加上多出的數(shù)量，即 5 + 3 = 8。所以，小紅有 8 個(gè)蘋果?！?/p>

幾何問(wèn)題：“一個(gè)三角形的底邊長(zhǎng)為 6 厘米，高為 4 厘米，求它的面積。” 思維鏈可以是 “首先，我們知道三角形的面積公式是 S = 1/2× 底 × 高。題目中給出底邊長(zhǎng)為 6 厘米，高為 4 厘米。那么將數(shù)值代入公式可得，S = 1/2×6×4 = 3×4 = 12 平方厘米。所以這個(gè)三角形的面積是 12 平方厘米?！?/p>

（二）邏輯推理領(lǐng)域

真假判斷問(wèn)題：“有三個(gè)人，A 說(shuō) B 在說(shuō)謊，B 說(shuō) C 在說(shuō)謊，C 說(shuō) A 和 B 都在說(shuō)謊，請(qǐng)問(wèn)誰(shuí)說(shuō)的是真話？” 思維鏈可以是 “假設(shè) A 說(shuō)的是真話，那么 B 在說(shuō)謊。因?yàn)?B 說(shuō) C 在說(shuō)謊，所以 C 說(shuō)的是真話，可 C 說(shuō) A 和 B 都在說(shuō)謊，這與假設(shè) A 說(shuō)真話矛盾，所以 A 說(shuō)的是假話。假設(shè) B 說(shuō)的是真話，那么 C 在說(shuō)謊，C 說(shuō) A 和 B 都在說(shuō)謊就是假的，即 A 和 B 至少有一個(gè)說(shuō)的是真話，因?yàn)榧僭O(shè) B 說(shuō)真話，A 說(shuō)假話是符合的，所以該假設(shè)成立，B 說(shuō)的是真話。假設(shè) C 說(shuō)的是真話，那么 A 和 B 都在說(shuō)謊，可 A 說(shuō) B 在說(shuō)謊就成了真話，這與 C 說(shuō)的話矛盾，所以 C 說(shuō)的是假話。綜上，B 說(shuō)的是真話?！?/p>

（三）排序問(wèn)題

“小明、小紅和小李參加跑步比賽，小明比小紅跑得快，小李比小明跑得慢，請(qǐng)問(wèn)三人的名次順序是怎樣的？” 思維鏈可以是 “首先，根據(jù)小明比小紅跑得快，可知小明的名次在小紅前面。又因?yàn)樾±畋刃∶髋艿寐?，所以小明的名次也在小李前面。那么三人的名次順序就是小明第一，然后小李在小明之后，所以小李第二，最后小紅第三?！?/p>

任務(wù)：分析 “這部電影真的太精彩了，我從頭到尾都被吸引住了” 的情感傾向。

Zero-shot 方式：輸入 “請(qǐng)分析‘這部電影真的太精彩了，我從頭到尾都被吸引住了’表達(dá)的是積極情感還是消極情感”，模型根據(jù)語(yǔ)句中的詞匯和語(yǔ)義來(lái)判斷并輸出 “積極情感”，無(wú)需事先用大量標(biāo)注好情感傾向的影評(píng)來(lái)訓(xùn)練它針對(duì)這句話的判斷。

四、CoT+SC（Chain of Thought + Self-Consistency，思維鏈 + 自洽性）

（一）醫(yī)學(xué)診斷與治療方案設(shè)計(jì)

任務(wù)：根據(jù)患者癥狀、檢查結(jié)果和病史，制定治療方案。

CoT+SC方式：1 基于指南推薦的標(biāo)準(zhǔn)流程推導(dǎo)。2 參考類似病例的成功治療方案。3 考慮患者過(guò)敏史和藥物相互作用。

（二）法律咨詢與合同審查

任務(wù)：分析合同條款是否存在法律風(fēng)險(xiǎn)或歧義。

CoT+SC方式：1 從合同法角度解析條款合法性。2 對(duì)比行業(yè)標(biāo)準(zhǔn)合同模板的差異。3 模擬不同履約場(chǎng)景下的責(zé)任劃分。

這類場(chǎng)景還有很多，COT 指示通過(guò)分步驟加大了 LLM 的深度。 SC 則是在增加深度的基礎(chǔ)上再增加寬度。

五、Step-Back

（一）工作項(xiàng)目問(wèn)題

任務(wù)：當(dāng)前項(xiàng)目延期的原因是什么

Step-Back方式：

1. 要想得到項(xiàng)目延期的真實(shí)原因，你需要知道哪些前提問(wèn)題

2. 這些前提問(wèn)題的答案分別是什么

3. 基于這個(gè)前提問(wèn)題，你的結(jié)論是什么

（二）生活問(wèn)題

任務(wù)：怎么解決我們的家庭裝修中空間布局不合理的問(wèn)題

Step-Back方式：

1. 要想得到項(xiàng)目延期的真實(shí)原因，你需要知道哪些前提問(wèn)題

2. 這些前提問(wèn)題的答案分別是什么

3. 基于這個(gè)前提問(wèn)題，你的結(jié)論是什么

五、總結(jié)

對(duì)于同樣的模型，同樣的任務(wù)，使用不同的 Prompt，輸出的結(jié)果也有不小的差異

一般來(lái)說(shuō)，使用Prompt技巧的結(jié)果 回比不使用任何技巧要好

對(duì)于簡(jiǎn)單的任務(wù)并不是疊加所有的技巧就會(huì)更好，到達(dá)一定結(jié)果后。再疊加技巧不會(huì)提升效果

這是一個(gè)讓大家理解 Prompt 編寫技巧的小教程，所以采用了同一個(gè)任務(wù)方便對(duì)比，但是有些復(fù)雜技巧適合與更難的任務(wù)，只有在更難的任務(wù)上才能看出差異