式 AI 模型代表了自然语言处理和理解方面的重大进步。然而，从这些模型中获得准确且相关的答案将在很大程度上取决于我们与它们沟通的方式，以及我们用来解释我们需要什么的指令（“提示”、请求或命令）。 构建适当的指令是一种称为“即时工程”或“提示”的做法，无非是 与生成性大语言模型进行交流的艺术。 这就是“提问 LLaMA-1/2、GPT-3.5/4 所需的全部原则性指令”的定义，这项研究也可作为指南，包含26 条规则，帮助优化交谈、询问或给出指令的方式到人工智能模型。 什么是即时工程或即时工程？ 即时工程包括设计适合且特定于人工智能模型的查询或描述指令，以提供准确且相关的响应，同时保持其提供信息和创造力的能力。 从这个意义上说，这些提示的结构和具体内容（包括语言）对于充分利用人工智能模型至关重要，无论是在执行任务（例如分析数据、生成文本、视频或图像）还是获取信息方面。从这个意义上说，这些模型使用自然语言处理查询和返回答案的能力简化了它们对公众的采用和使用。 提示的基本原则是创建详细、清晰、简洁的指令来指导人工智能模型的响应，同时允许创造性和信息丰富的响应。
构建有效提示的 26 个简单规则 为了帮助用户获得更好的执行和响应，研究作者提出了26 条规则，帮助构建更好的提示，简化和优化问题的表述。 此外，他们解释说，制定正确的提示还可以帮助用户更好地理解人工智能模型的工作原理：它能做什么、不能做什么以及它的局限性。以 亚洲数据 及为什么他们会得到这样的答案。 研究中提出的规则很简单，旨在简化制定查询和提示的过程，分为五类： 结构和清晰度包括使用“做”等肯定性指令，并避免使用“不做”等否定性语言。还要提到目标受众：表明查询是针对学生还是主题专家，这将显着改变模型的响应。 格式化指令 当格式化指令时，以“###Instruction###”开始，然后是“###Example###”或“###Question###”（如果相关）。随后，介绍您的内容（如果适用）。使用一个或多个换行符来分隔说明、示例、问题、上下文和输入数据。 特异性和信息：添加诸如“确保你的答案不带偏见且不依赖刻板印象”之类的短语可以指导模型预测或生成更中立、事实或数据驱动的响应；同时在说明中包含示例可以帮助模型理解您期望的响应格式或类型。 与用户交互：通过询问用户问题，提示模型询问您可能需要的其他或更精确的详细信息，直到您有足够的信息来提供最合适的响应。 例如，“从现在开始，我希望你问我问题......”。
语言内容和风格：研究表明，没有必要使用“请”或“谢谢”等形式或礼貌用语。直接和简洁可以产生更有针对性的反应。 当然，您可以将礼貌公式与 AI 模型一起使用。有时你无法避免它。与其说是它们对人工智能模型产生的影响（根据微软的说法，这可能是有影响力的），不如说是因为进行亲切的对话对你自己的影响，从而增强体验并鼓励学习。 您还可以要求您的响应模仿用户使用的语言，通过提供示例或指令本身。 您可以要求他们审阅和纠正文本，以澄清或改进语法或词汇，同时确保不会改变文本或写作风格的自然性。 复杂的任务：对于技术或多步骤查询，将任务分解为更简单的顺序提示（使用“一步一步思考”公式）或通过深入讨论主题的增量对话可能会更有效。然后，您可以要求他或她使用该对话中包含的所有信息生成一个响应。 果扩展提示是结构化的，那么效果也会更好，例如 [分配角色] [上下文] [目标] [请求] 这些建议是一般性的，可能会根据模型、领域和任务目标的不同而有所不同，因此最好根据所使用的工具以及每个人的需求和偏好来试验和调整说明和提示。