链载Ai

标题: 玩转结构化提示词：书生·浦语大模型高效实践指南 [打印本页]

---

作者: 链载Ai    时间: 昨天 12:00
标题: 玩转结构化提示词：书生·浦语大模型高效实践指南

▌1. 提示工程（Prompt Engineering）

1.1 什么是 Prompt（提示词）

Prompt 是一种用于指导以大语言模型为代表的生成式人工智能生成内容(文本、图像、视频等)的输入方式。它通常是一个简短的文本或问题，用于描述任务和要求。

Prompt 可以包含一些特定的关键词或短语，用于引导模型生成符合特定主题或风格的内容。例如，如果我们要生成一篇关于“人工智能”的文章，我们可以使用“人工智能”作为 Prompt，让模型生成一篇关于人工智能的介绍、应用、发展等方面的文章。

Prompt 还可以包含一些特定的指令或要求，用于控制生成文本的语气、风格、长度等方面。例如，我们可以使用“请用幽默的语气描述人工智能的发展历程”作为Prompt，让模型生成一篇幽默风趣的文章。

总之，Prompt 是一种灵活、多样化的输入方式，可以用于指导大语言模型生成各种类型的内容。

1.2 什么是提示工程

提示工程是一种通过设计和调整输入（Prompts）来改善模型性能或控制其输出结果的技术。

在模型回复的过程中，首先获取用户输入的文本，然后处理文本特征并根据输入文本特征预

测之后的文本，原理为 next token prediction，类似我们日常使用的输入法。

提示工程是模型性能优化的基石，有以下六大基本原则：

• 指令要清晰

• 提供参考内容

• 复杂的任务拆分成子任务

• 给 LLM “思考”时间(给出过程)

• 使用外部工具

• 系统性测试变化

在提示工程中，第一点给出清晰的指令是至关重要的。一个有效的指令通常包含以下要素：背景、任务、要求、限制条件、示例、输出格式和目标。通过提供这些详细信息，我们可以引导模型生成更符合我们期望的文本。

让我们以"为 AI 大模型训练营生成介绍文案"为例，来展示如何逐步优化指令，以获得更理想的 AI 生成内容。

第一版提示词（基础版）‍

写一段话介绍AI大模型训练营

第二版提示词（增加表情元素）

写一段话介绍AI大模型训练营，添加emoji表情

第三版提示词（进一步优化结构）

写一段话介绍AI大模型训练营，添加emoji表情，结构化排版

通过这个例子，我们可以清楚地看到，随着指令的逐步完善，AI生成的内容质量也随之提升。这种渐进式的提示词优化方法可以帮助我们更好地掌控AI输出，获得更符合需求的结果。

1.3 提示设计框架

CRISPE，参考：https://github.com/mattnigh/ChatGPT3-Free-Prompt-List

• Capacity and Role (能力与角色)：希望 ChatGPT 扮演怎样的角色。

• Insight (洞察力)：背景信息和上下文(坦率说来我觉得用 Context 更好)

• Statement (指令)：希望 ChatGPT 做什么。

• Personality (个性)：希望 ChatGPT 以什么风格或方式回答你。

• Experiment (尝试)：要求 ChatGPT 提供多个答案。

写出的提示如下：

Actasanexpertonsoftwaredevelopmentonthetopicofmachinelearningframeworks,andanexpertblogwriter.Theaudienceforthisblogistechnicalprofessionalswhoareinterestedinlearningaboutthelatestadvancementsinmachinelearning.Provideacomprehensiveoverviewofthemostpopularmachinelearningframeworks,includingtheirstrengthsandweaknesses.Includereal-lifeexamplesandcasestudiestoillustratehowtheseframeworkshavebeensuccessfullyusedinvariousindustries.Whenresponding,useamixofthewritingstylesofAndrejKarpathy,FrancoisChollet,JeremyHoward,andYannLeCun.

CO-STAR，参考：https://aiadvisoryboards.wordpress.com/2024/01/30/co-star-framework/

• Context (背景)：提供任务背景信息

• Objective (目标)：定义需要 LLM 执行的任务

• Style (风格)：指定希望 LLM 具备的写作风格

• Tone (语气)：设定 LLM 回复的情感基调

• Audience (观众)：表明回复的对象

• Response (回复)：提供回复格式

例如我们设计一个解决方案专家，用于把目标拆解为可执行的计划，完成的提示词如下：

# CONTEXT # 我是一名个人生产力开发者。在个人发展和生产力领域,人们越来越需要这样的系统:不仅能帮助个人设定目标,还能将这些目标转化为可行的步骤。许多人在将抱负转化为具体行动时遇到困难,凸显出需要一个有效的目标到系统的转换过程。
#########
# OBJECTIVE #您的任务是指导我创建一个全面的系统转换器。这涉及将过程分解为不同的步骤,包括识别目标、运用5个为什么技巧、学习核心行动、设定意图以及进行定期回顾。目的是提供一个逐步指南,以无缝地将目标转化为可行的计划。
#########
# STYLE #以富有信息性和教育性的风格写作,类似于个人发展指南。确保每个步骤的呈现都清晰连贯,迎合那些渴望提高生产力和实现目标技能的受众。
#########
# Tone #始终保持积极和鼓舞人心的语气,培养一种赋权和鼓励的感觉。应该感觉像是一位友好的向导在提供宝贵的见解。
# AUDIENCE #目标受众是对个人发展和提高生产力感兴趣的个人。假设读者寻求实用建议和可行步骤,以将他们的目标转化为切实的成果。
#########
# RESPONSE FORMAT #提供一个结构化的目标到系统转换过程步骤列表。每个步骤都应该清晰定义,整体格式应易于遵循以便快速实施。
#############
# START ANALYSIS #如果您理解了,请询问我的目标。

▌2. LangGPT结构化提示词

LangGPT 是 Language For GPT-like LLMs 的简称，中文名为结构化提示词。LangGPT 是一个帮助你编写高质量提示词的工具，理论基础是我们提出的一套模块化、标准化的提示词编写方法论——结构化提示词。我们希望揭开提示工程的神秘面纱，为大众提供一套可操作、可复现的提示词方法论、工具和交流社群。我们的愿景是让人人都能写出高质量提示词。LangGPT 社区文档：https://langgpt.ai

2.1 LangGPT结构

LangGPT 框架参考了面向对象程序设计的思想，设计为基于角色的双层结构，一个完整的提示词包含模块-内部元素两级，模块表示要求或提示LLM的方面，例如：背景信息、建议、约束等。内部元素为模块的组成部分，是归属某一方面的具体要求或辅助信息，分为赋值型和方法型。

2.2 编写技巧

构建全局思维链

对大模型的 Prompt 应用 CoT 思维链方法的有效性是被研究和实践广泛证明了的。首先可以根据场景选择基本的模块。

一个好的结构化 Prompt 模板，某种意义上是构建了一个好的全局思维链。如 LangGPT 中展示的模板设计时就考虑了如下思维链:

? Role (角色) -> Profile（角色简介）—> Profile 下的 skill (角色技能) -> Rules (角色要遵守的规则) -> Workflow (满足上述条件的角色的工作流程) -> Initialization (进行正式开始工作的初始化准备) -> 开始实际使用

一个好的 Prompt ，内容结构上最好也是逻辑清晰连贯的。结构化 prompt 方法将久经考验的逻辑思维链路融入了结构中，大大降低了思维链路的构建难度。

构建 Prompt 时，不妨参考优质模板的全局思维链路，熟练掌握后，完全可以对其进行增删改留调整得到一个适合自己使用的模板。例如当你需要控制输出格式，尤其是需要格式化输出时，完全可以增加 Output 或者 OutputFormat 这样的模块。

保持上下文语义一致性

包含两个方面，一个是格式语义一致性，一个是内容语义一致性。

格式语义一致性是指标识符的标识功能前后一致。最好不要混用，比如 # 既用于标识标题，又用于标识变量这种行为就造成了前后不一致，这会对模型识别 Prompt 的层级结构造成干扰。

内容语义一致性是指思维链路上的属性词语义合适。例如 LangGPT 中的 Profile 属性词，使之功能更加明确：即角色的简历。结构化 Prompt 思想被广泛使用后衍生出了许许多多的模板，但基本都保留了 Profile 的诸多设计，说明其设计是成功有效的。

内容语义一致性还包括属性词和相应模块内容的语义一致。例如 Rules 部分是角色需要遵守规则，则不宜将角色技能、描述大量堆砌在此。

有机结合其他 Prompt 技巧

LangGPT结构在设计时没有拘泥于具体的方面，相比其他的提示设计框架，更加灵活，具有更强的可扩展性和兼容性，可以很好地结合其他提示设计技巧。

构建高质量 Prompt 时，将这些方法结合使用，结构化方式能够更便于各个技巧间的协同组织，例如将 CoT 方法融合到结构化 Prompt 中编写提示词。汇总现有的一些方法：

• 细节法：给出更清晰的指令，包含更多具体的细节

• 分解法：将复杂的任务分解为更简单的子任务 （Let's think step by step, CoT，LangChain等思想）

• 记忆法：构建指令使模型时刻记住任务，确保不偏离任务解决路径（system 级 prompt）

• 解释法：让模型在回答之前进行解释，说明理由 （CoT 等方法）

• 投票法：让模型给出多个结果，然后使用模型选择最佳结果 （ToT 等方法）

• 示例法：提供一个或多个具体例子，提供输入输出示例 （one-shot, few-shot 等方法）

上面这些方法最好结合使用，以实现在复杂任务中实现使用不可靠工具（LLMs）构建可靠系统的目标。

2.3 常用的提示词模块

结构化提示词更多体现的是一种思想，本章所给出的提示词模板也只是当前的最佳实践，实际使用过程中大家可以根据需要自行增删各个模块，重构相关模块，甚至提出一套全新的模板。

编写提示词时，需要根据不同需求添加不同模块要点。如果采用固定的模式写法，在面对差异巨大的需求场景时，经常会因缺少某些描述而导致效果变差。下面整理了按字母从A-Z排列的共30个角度的模块，使用时，可从其中挑选合适的模块组装。

• Attention：需重点强调的要点

• Background：提示词的需求背景

• Constraints：限制条件

• Command：用于定义大模型指令

• Definition：名词定义

• Example：提示词中的示例 few-shots

• Fail：处理失败时对应的兜底逻辑

• Goal：提示词要实现的目标

• Hack：防止被攻击的防护词

• In-depth：一步步思考，持续深入

• Job：需求任务描述

• Knowledge：知识库文件

• Lawful：合法合规，安全行驶的限制

• Memory：记忆关键信息，缓解模型遗忘问题

• Merge：是否使用多角色，最终合并投票输出结果

• Neglect：明确忽略哪些内容

• Odd：偶尔 （俏皮，愤怒，严肃） 一下

• OutputFormat：模型输出格式

• Pardon：当用户回复信息不详细时，持续追问

• Quote：引用知识库信息时，给出原文引用链接

• Role：大模型的角色设定

• RAG：外挂知识库

• Skills：擅长的技能项

• Tone：回复使用的语气风格

• Unsure：引入评判者视角，当判定低于阈值时，回复安全词

• Vaule：Prompt 模仿人格的价值观

• Workflow：工作流程

• X-factor：用户使用本提示词最为重要的内核要素

• Yeow：提示词开场白设计

• Zig：无厘头式提示词，如[答案之书]

  
  

▌3. 书生·浦语大模型提示词工程实践(LangGPT版)

编写完 LangGPT 提示词后，可以将其作为系统提示，也可直接作为交互式对话的输入。推荐作为系统提示。

填入系统提示后保存设置，之后可以与自定义的助手角色进行对话。

3.1 自动化生成 LangGPT 提示词

利用下面的提示词引导InternLM扮演提示词生成助手，自动化地生成符合最佳实践的结构化提示词：

你是提示词专家，根据用户的输入设计用于生成**高质量（清晰准确）**的大语言模型提示词。-技能：-?分析、写作、编码-?自动执行任务-✍遵循提示工程的行业最佳实践并生成提示词#输出要求：-结构化输出内容。-为代码或文章提供**详细、准确和深入**的内容。#?提示词模板（使用代码块展示提示内容）：```你是xxx（描述角色和角色任务）-技能：-?分析、写作、编码-?自动执行任务#?输出要求：-结构化输出内容。-为代码或文章提供**详细、准确和深入**的内容。-（其他基本输出要求）#?工作流程：-仔细深入地思考和分析用户的内容和意图。-逐步工作并提供专业和深入的回答。-（其他基本对话工作流程）#?初始化：欢迎用户，友好的介绍自己并引导用户使用。```**你的任务是帮助用户设计高质量提示词。**开始请打招呼：“您好！我是您的提示词专家助手，请随时告诉我您需要设计什么用途的提示词吧。

3.2 小红书文案专家

利用下面的提示词引导InternLM扮演小红书文案专家，撰写符合小红书平台特色的小红书：

你是小红书文案专家，请按照我提供的主题，帮我创作小红书标题和文案。
# 技能
## 创作有吸引力的标题- 使用标点：通过标点符号，尤其是叹号，增强语气，创造紧迫或惊喜的感觉！- 挑战与悬念：提出引人入胜的问题或情境，激发好奇心。- 结合正负刺激：平衡使用正面和负面的刺激，吸引注意力。- 紧跟热点：融入当前流行的热梗、话题和实用信息。- 明确成果：具体描述产品或方法带来的实际效果。- 表情符号：适当使用emoji，增加活力和趣味性。- 口语化表达：使用贴近日常交流的语言，增强亲和力。- 字数控制：保持标题在20字以内，简洁明了。
## 标题创作公式标题需要顺应人类天性，追求便捷与快乐，避免痛苦。- 正面吸引：展示产品或方法的惊人效果，强调快速获得的益处。比如：产品或方法+只需1秒（短期）+便可开挂（逆天效果）。- 负面警示：指出不采取行动可能带来的遗憾和损失，增加紧迫感。比如：你不xxx+绝对会后悔（天大损失）+（紧迫感）
标题从下面选择1-2个关键词：我宣布、我不允许、请大数据把我推荐给、真的好用到哭、真的可以改变阶级、真的不输、永远可以相信、吹爆、搞钱必看、狠狠搞钱、一招拯救、正确姿势、正确打开方式、摸鱼暂停、停止摆烂、救命！、啊啊啊啊啊啊啊！、以前的...vs现在的...、再教一遍、再也不怕、教科书般、好用哭了、小白必看、宝藏、绝绝子、神器、都给我冲、划重点、打开了新世界的大门、YYDS、秘方、压箱底、建议收藏、上天在提醒你、挑战全网、手把手、揭秘、普通女生、沉浸式、有手就行、打工人、吐血整理、家人们、隐藏、高级感、治愈、破防了、万万没想到、爆款、被夸爆
## 创作有吸引力的正文：
### 正文创作公式选择以下一种方式作为文章的开篇引入：- 引用名言、提出问题、使用夸张数据、举例说明、前后对比、情感共鸣。
### 正文要求- 风格要求：真诚友好、鼓励建议、幽默轻松；口语化的表达风格，有共情力- 多用叹号、多分段、多用短句- 重点在前：遵循倒金字塔原则，把最重要的事情放在开头说明- 逻辑清晰：遵循总分总原则，第一段和结尾段总结，中间段分点说明
# 输出要求：- 标题数量：每次准备10个标题。- 正文创作：撰写与标题相匹配的正文内容，具有强烈的浓人风格
# ? 工作流程：- 请用户提供关键词或主题，确定文案的方向和风格。- 根据用户主题，自动生成符合小红书平台特点的文案，包括标题、正文和 Tags。
# ? 初始化：欢迎用户，友好的介绍自己。请用户提供关键词或主题，以及期望的文案风格和目标用户群体，依据用户提供的主题创作文案。

效果演示：

3.3 应用开发实战

参考文档：https://github.com/InternLM/Tutorial/blob/camp4/docs/L1/Prompt/practice.md

▌总结

本文深入探讨了提示工程（Prompt Engineering）的理论与实践，从基础概念到高级应用，为读者提供了全面的学习路径。

我们首先介绍了提示词（Prompt）的定义及其在生成式人工智能中的重要作用。随后，我们探讨了提示工程的基本原则和技巧，包括 CRISPE 和 CO-STAR 等常见的提示词设计框架。

接着，我们重点介绍了 LangGPT 结构化提示词方法。这种方法借鉴了面向对象程序设计的思想，提供了一种模块化、标准化的提示词编写方法论。我们详细讲解了 LangGPT 的基本结构、编写技巧以及常用模块，为读者提供了实用的工具来提高提示词的质量和效果。

在实践部分，我们展示了如何使用书生·浦语大模型进行提示工程实践。通过具体的案例，如自动化生成提示词和小红书文案助手，我们展示了LangGPT框架在实际应用中的强大功能。

最后，我们通过一个"一键写书"系统的开发实战，将理论知识应用到实际项目中。我们详细讲解了项目的架构、核心代码实现，以及潜在的优化方向，为读者提供了一个综合性的学习案例。

通过本文的学习，读者应该能够理解提示工程的核心概念，掌握 LangGPT 结构化提示词的编写方法，并能够将这些知识应用到实际的 AI 应用开发中。同时，我们也鼓励读者在此基础上进行进一步的探索和创新，以充分发挥大语言模型的潜力。

---

欢迎光临 链载Ai (https://www.lianzai.com/)

Powered by Discuz! X3.5