文章目录
1、前言
几个月来，ChatGPT、GPT-4 等大模型陆续发布。这些模型表现出了强大的涌现能力，但模型生成的结果是随机的，时好时坏，部分原因与Prompt 的设计密切相关。
2、大模型–巴拉巴拉小魔仙
很多人将 Prompt 比喻为大模型的咒语，在引导模型生成内容方面影响很大，如何选择 Prompt 成了每个 AI 研究者关注的问题。
在大模型下，Prompt的设计对于模型生成准确和有用的输出非常重要。
Prompt是指在自然语言处理过程中，用于提示和指导语言模型生成输出的文本或代码片段。因此，ChatGPT与Prompt的关系是在语言模型生成输出过程中的合作关系，Prompt提供了文本或代码片段，以指导模型生成更准确和有用的输出。
具体来说，Prompt在训练过程中，通过不断优化模型的参数，使得生成的输出更加准确和自然。在这个过程中，Prompt提供的文本或代码片段可以帮助模型更好地理解问题，并生成更准确和有用的输出。因此，Prompt是ChatGPT的重要组成部分之一，它们相互配合，共同提高模型的生成能力。
3、巴拉巴拉小魔仙-指导方向
以下是一些设计好的Prompt的建议：
确定明确的指导方向：在训练模型时，Prompt应该给出明确的指导方向，例如，指示模型应该生成什么类型的输出或答案。
提供多种选择：为了使模型能够生成更准确和有用的输出，Prompt应该提供多种选择，例如，可以提供多个可能的答案或问题，以帮助模型更好地理解要求并生成更自然的输出。
格式化输出：Prompt的格式也应该对模型进行引导，例如，使用具有描述性和启发性的格式，以帮助模型生成更准确和有用的输出。
合理的长度：在某些任务中，Prompt的长度可能会限制模型的输出，因此，为了确保模型生成更多的信息，Prompt的长度应该合理且足够长。
实验与评估：为了确保设计的Prompt是有效的，需要进行实验和评估。这可以包括使用不同的Prompt设计、调整Prompt的长度和格式、评估模型对不同Prompt的响应等等。
总之，好的Prompt设计应该能够明确指导模型、提供多种选择、格式化输出、合理长度和实验评估，以帮助模型生成更准确和有用的输出。
3、二次元美女或科幻图-魔法
我总结了一些生成二次元美女或科幻图的Prompt：
美少女战士Prompt：这个Prompt以水果印花为背景，美少女战士的形象为中心，可以用作绘画、插图或数字艺术等用途。
Cosplay Prompt：这个Prompt使用了Cosplay元素，背景为科幻场景，可以用于Cosplay设计、角色扮演或数字游戏设计等。
星球大战Prompt：这个Prompt以星球大战的背景为主题，可以用于星球大战主题的艺术设计、游戏设计或其他相关领域。
机器人Prompt：这个Prompt以机器人为主题，可以用于机器人主题的插画、数字艺术和游戏设计等。
怪兽和外星人Prompt：这个Prompt以怪兽和外星人为主题，可以用于怪兽和外星人主题的艺术设计、游戏设计和其他相关领域。
未来城市Prompt：这个Prompt以未来城市为主题，可以用于未来城市主题的艺术设计、游戏设计和其他相关领域。
火箭和太空Prompt：这个Prompt以火箭和太空为主题，可以用于火箭和太空主题的艺术设计、游戏设计和其他相关领域。
科幻飞船Prompt：这个Prompt以科幻飞船为主题，可以用于科幻飞船主题的插画、数字艺术和游戏设计等。
科幻建筑Prompt：这个Prompt以科幻建筑为主题，可以用于科幻建筑主题的艺术设计、游戏设计和其他相关领域。
神秘宇宙Prompt：这个Prompt以神秘宇宙为主题，可以用于神秘宇宙主题的艺术设计、游戏设计和其他相关领域。
4、Cosplay-魔法
我们一个Cosplay Prompt的为例：
假设我们有一张名为“Cosplay Prompt”的背景图像，它包含了一个身着超级英雄服装的少女形象。
使用这张背景图像作为Cosplay Prompt，可以创作出各种类型的Cosplay作品，例如超级英雄、动漫角色、电影人物等等。
在这张背景图像上加上一些装饰元素，例如增加闪电特效、星星装饰等等，可以让Cosplay作品更加酷炫。
使用颜色搭配和图案设计，可以让Cosplay作品更具有视觉冲击力和艺术感。
加入音乐和特效，可以让Cosplay作品更加生动和有趣。
创作Cosplay作品时，需要注意服装的合理性和舒适性，以确保表演时不会感到不适。
最后，欣赏自己或他人的Cosplay作品时，可以从不同的角度去评价它们，例如从服装造型、表演效果、美感和创意等方面进行评价。
5、魔法师
最近微软官方亲自下场也出了一份教程，该教程详细介绍了 Prompt 设计和工程中的一些高级玩法，涵盖系统消息、少样本学习、非聊天场景等内容。
5.1、系统消息
系统消息包含在 Prompt 的开头，用于为模型提供上下文、说明或与用例相关的其他信息。用户可以通过系统消息描述模型应该回答什么、不应该回答什么，以及定义模型回复的格式。
5.2、小样本学习
让语言模型适应新任务的一种常见方法是使用小样本学习。小样本学习提供了一组训练样本作为 Prompt 的一部分，以便为模型提供额外的上下文信息。
5.3、非对话场景
虽然当前大模型的主要应用场景是对话生成场景，但也可以用在非对话场景。例如，对于情感分析场景，你可能会使用以下 Prompt：
5.4、使用明确的指令
一般来讲，信息在 Prompt 中出现的顺序很重要。由于 GPT 类模型是以特定方式构建的，该构建过程定义了模型对输入的处理方式。研究表明，在 Prompt 开始时告诉模型你希望它执行的任务，然后再共享其他上下文信息或示例，可以帮助模型产生更高质量的输出。
5.5、最后重复一遍指令
模型容易受到最新偏差的影响，在这种情况下，末尾 Prompt 信息可能比开头 Prompt 信息对输出的影响更大。因此，在 Prompt 末尾重复指令值得一试。
5.5、对输出的操作
这是指在 Prompt 末尾包含几个单词或短语以获得符合所需形式的模型响应。例如，使用诸如「Here’s a bulleted list of key points:\n- 」之类的 Prompt 可以帮助确保输出格式为项目符号列表。
5.6、添加语法
为 Prompt 添加语法，例如标点符号、标题等，这样做使输出更容易解析。
5.7、把任务分解
如果将任务分解为更小的 step，大型语言模型 (LLM) 通常会表现得更好。
5.8、思维链提示
这是分解任务技术的一种变体。在这种方法中，不是将任务拆分为更小的 step，而是指示模型响应逐步进行并呈现所有涉及的 step。这样做可以减少结果不准确，并使评估模型响应更加容易。
5.9、提供真实上下文
一般来讲，原始数据越接近最终答案，模型需要做的工作就越少，这意味着模型出错的机会就越少。
除此以外，微软在这份指南中还介绍了关于 Prompt 其他技巧，大家可以前去原文查看，获取更多信息。
