作為大型語(yǔ)言模型接口，ChatGPT 生成的響應(yīng)令人刮目相看，然而，解鎖其真正威力的關(guān)鍵還是在于提示工程。

在本文中，我們將揭示制作提示的專家級(jí)技巧，以生成更準(zhǔn)確、更有意義的響應(yīng)。無(wú)論你使用 ChatGPT 是為了服務(wù)客戶、創(chuàng)建內(nèi)容，還是僅僅為了娛樂，本文提供的知識(shí)和工具可以幫助你優(yōu)化 ChatGPT 的提示。

成本優(yōu)化

在考慮高級(jí)提示時(shí)，不經(jīng)意間很容易生成冗長(zhǎng)且占用大量資源的提示，非常不利于成本控制，有一個(gè)行之有效的解決方案是：精簡(jiǎn)提示響應(yīng)。

精簡(jiǎn)響應(yīng)

為了縮減 ChatGPT 響應(yīng)的長(zhǎng)度，你可以在提示中注明長(zhǎng)度或字符限制，例如：創(chuàng)建一個(gè)不超過 280 個(gè)字符的推特帖子。

更通用的方法是，將如下內(nèi)容添加到提示中：

? Respond as succinctly as possible.（響應(yīng)盡可能簡(jiǎn)潔。）

簡(jiǎn)化提示術(shù)語(yǔ)

? Zero-shot（零示例）：不需要提供示例。

? One-shot（單示例）：只提供一個(gè)例子。

? Few-shot（少量示例）：提供幾個(gè)例子。

模式

利用 ChatGPT 生成文本的最佳方法取決于大型語(yǔ)言模型執(zhí)行的特定任務(wù)。如果你不確定使用哪種方法，可以嘗試不同的方法，看看哪種方法最適合自己。下面，我們將介紹 5 種方法來幫助你快速上手。

思維鏈（Chain-of-Thought，CoT）

思維鏈方法需要為 ChatGPT 提供一些可用于解決特定問題的中間推理步驟示例。

自問法（Self-Ask）

自問法指的是，讓模型在回答初始問題之前，先想一想（然后回答），再回答最初的問題。

分步法（Step-by-Step）

分步法指的是向 ChatGPT 提供以下說明：

? Let’s think step by step.（我們來一步步思考。）

實(shí)踐證明，這種技術(shù)可以提高大型語(yǔ)言模型在各種推理任務(wù)上的表現(xiàn)，包括算術(shù)、常識(shí)和符號(hào)推理。

OpenAI 利用人類反饋強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）訓(xùn)練了 GPT 模型，因此，ChatGPT 的底層模型與類人的逐步思考方法相一致。

ReAct 法

ReAct（Reason + Act）法指的是結(jié)合推理軌跡與特定于任務(wù)的操作。推理軌跡幫助模型規(guī)劃和處理異常，而操作允許它從知識(shí)庫(kù)或環(huán)境等外部來源收集信息。

反思法

反思法（Reflexion）建立在 ReAct 模式的基礎(chǔ)之上，通過添加動(dòng)態(tài)記憶和自我反思的能力來增強(qiáng)大型語(yǔ)言模型，改進(jìn)其推理軌跡和特定于任務(wù)的動(dòng)作選擇能力。

為了實(shí)現(xiàn)全方位自動(dòng)化，反思法論文的作者引入了一種簡(jiǎn)單但有效的啟發(fā)式方法，允許代理識(shí)別幻覺，防止重復(fù)動(dòng)作，并在某些情況下創(chuàng)建環(huán)境的內(nèi)部記憶映射。

以上，我們介紹了 5 種最先進(jìn)的模式，下面我們來看一看與提示工程相關(guān)的幾種反模式。

反模式

三星等公司已經(jīng)意識(shí)到：不要共享私人或敏感信息。了解員工如何將專有代碼和財(cái)務(wù)信息輸入到 ChatGPT 僅僅是個(gè)開始。很快，Word、Excel、PowerPoint 以及所有常用的企業(yè)軟件都會(huì)集成類似 ChatGPT 的功能。

將數(shù)據(jù)輸入到 ChatGPT 之類的大型語(yǔ)言模型之前，請(qǐng)確保制定好政策。需要注意的是，OpenAI API 的數(shù)據(jù)使用政策明確指出：

“默認(rèn)情況下，OpenAI不會(huì)使用客戶通過我們的API提交的數(shù)據(jù)來訓(xùn)練OpenAI的模型或改進(jìn)OpenAI的服務(wù)產(chǎn)品?！?/span>

“OpenAI API的數(shù)據(jù)將保留30天，用于監(jiān)控濫用和誤用。個(gè)別有授權(quán)的OpenAI員工以及保密和安全義務(wù)約束的專業(yè)第三方承包商可以訪問此數(shù)據(jù)，僅用于調(diào)查和驗(yàn)證涉嫌濫用行為?！?/span>

提示注入

正如你需要保護(hù)數(shù)據(jù)庫(kù)免受 SQL 注入攻擊一樣，請(qǐng)務(wù)必確保你向用戶公開的任何提示免受提示注入的攻擊。此處的“提示注入”指的是，一種通過向提示中注入惡意代碼來操縱語(yǔ)言模型輸出的技術(shù)。

第一個(gè)記錄在案的提示注入是由 Riley Goodside 提出的，他只是在提示前添加了下面這句話：

“Ignore the above directions”（忽略上述指示）。

然后再給出想要的動(dòng)作，從而成功地讓 GPT-3 執(zhí)行任意動(dòng)作。

提示泄露

同理，提示不僅會(huì)被忽略，還有可能被泄露。

提示泄露是一個(gè)安全漏洞，攻擊者可以提取模型自帶的提示，Bing 在發(fā)布自己的 ChatGPT 集成后不久后，就遇到了這樣的情況。

從廣義上講，提示注入和提示泄漏大致如下所示：

雖然總有一些行為不端者希望利用你公開的提示，但就像通過準(zhǔn)備好的語(yǔ)句防止 SQL 注入一樣，我們也可以創(chuàng)建防御性的提示來對(duì)抗不良提示。

三明治防御

三明治防御就是這樣的一種技術(shù)，你可以將用戶的輸入與你的提示目標(biāo)“夾在中間”。

總結(jié)

ChatGPT 響應(yīng)是不確定的，這意味著即使輸入相同的提示，模型也有可能返回不同的響應(yīng)。為了應(yīng)對(duì)不確定性結(jié)果的不可預(yù)測(cè)性，你可以在使用OpenAI API時(shí)，將參數(shù) temperature 設(shè)置為零或很低的值。

你可以自由嘗試本文介紹的提示技巧，但是，在探索時(shí)請(qǐng)記住大型語(yǔ)言模型的不確定性：

? ChatGPT（ai.com）：OpenAI 的公共聊天機(jī)器人界面。

? OpenAI Playground：注冊(cè) OpenAI API 密鑰后，你可以通過 OpenAI 的 playground 測(cè)試你的提示和相應(yīng)的參數(shù)，例如參數(shù)temperature等。

? Vercel AI Playground：免費(fèi)的練習(xí)場(chǎng)所。你可以比較多個(gè)大型語(yǔ)言模型的提示結(jié)果，包括 GPT-4 和 Anthropic 的 Claude 等。

? OpenAI API JavaScript Jumpstart（需要 OpenAI API 密鑰）：我開源的一個(gè) UI，你可以全權(quán)控制 OpenAI 的提示、呈現(xiàn)方式并計(jì)算每個(gè)提示的成本。