1.概述

ChatGPT是由 OpenAI 開發的一種強大的語言模型，它在許多自然語言處理任務中展現出了驚人的能力。而其中一個關鍵的技術概念就是 "Prompt"。本文將深入探討 Prompt 的概念、作用和應用，以及如何在與 ChatGPT 進行互動時充分利用 Prompt 的能力。

2.內容

ChatGPT 是一種基於深度學習的語言模型，具備出色的自然語言處理能力。然而，ChatGPT 的生成結果有時可能難以控制，因為它沒有明確的指導或上下文。為了解決這個問題，研究人員和開發者引入了 Prompt 的概念，作為一種在與 ChatGPT 進行互動時使用的引導文字片段。

2.1 什麼是Prompt？

Prompt 是一段用於引導 GPT 模型生成特定響應的文字。它可以是一個問題、一句話、一段對話或一些關鍵提示。Prompt 提供了上下文和指導，幫助模型理解使用者的意圖，並生成相應的回答或內容。

舉個例子，對於一個語言模型，Prompt 可以是 「有一隻小貓咪在${type}」，模型可以通過對接下來的詞語進行預測，生成類似於 「凳子上」、」椅子上」、」沙發上」 等不同的輸出。Prompt 在人工智慧語言生成領域中扮演著重要的角色，因為它可以幫助模型更好地理解使用者意圖，並生成更準確、有意義的文字內容。 諸如於如下的 Prompt：

I am a highly intelligent question answering bot. If you ask me a question that is rooted in truth, I will give you the answer. If you ask me a question that is nonsense, trickery, or has no clear answer, I will respond with "Unknown".

Q: What is human life expectancy in the United States?
A: Human life expectancy in the United States is 78 years.

Q: Who was president of the United States in 1955?
A: Dwight D. Eisenhower was president of the United States in 1955.

Q: Which party did he belong to?
A: He belonged to the Republican Party.

Q: What is the square root of banana?
A: Unknown

Q: How does a telescope work?
A: Telescopes use lenses or mirrors to focus light and make objects appear closer.

Q: Where were the 1992 Olympics held?
A: The 1992 Olympics were held in Barcelona, Spain.

Q: How many squigs are in a bonk?
A: Unknown

Q: Where is the Valley of Kings?
A:

一個Prompt的互動流程圖，大概如下所示：

Prompt 的工作原理基於語言模型的訓練和調整。在訓練過程中，模型接收包含 Prompt 的輸入和對應的輸出資料，從中學習生成適當的響應。在使用過程中，使用者提供的 Prompt 可以包含問題描述、格式範例、特定要求等，以幫助模型更好地理解使用者的需求和意圖。

2.2 Prompt核心要素

1.引導Prompt優化生成結果

例如，如果您需要一篇文章的摘要，那麼如果您按如下方式引導，那麼經過足夠資料訓練的大型語言模型可以生成摘要：

在AI領域中，Prompt模式通常是指一種輸入-輸出的資料格式，用於訓練和評估機器學習模型。在Prompt模式中，輸入資料通常是一個問題或指令，而輸出資料則是對應的模型生成的響應或結果。

Prompt模式的使用可以幫助模型更好地理解和處理特定任務。通過在輸入中提供清晰的問題或指令，模型可以更準確地理解使用者的意圖，並生成相應的輸出。這種方式可以使模型更加可控，從而滿足特定的需求。

Prompt模式的設計和選擇對於訓練和評估模型的效能和效果至關重要。合理選擇和構建輸入的問題或指令，以及相應的輸出資料，可以使模型得到更準確和有意義的訓練。同時，評估模型時，使用合適的Prompt可以提供明確的標準來衡量模型的效能和能力。

然而，Prompt模式也面臨一些挑戰和限制。設計良好的Prompt需要具備足夠的資訊量和清晰度，以確保模型可以正確理解任務要求。此外，Prompt的選擇也需要考慮到領域特定性和多樣性，以滿足不同情境下的需求。

比如，如下是一個完整的定義：

• 模式名稱：Prompt 模式
• 問題描述：如何有效準備機器學習模型的訓練資料？
• 解決方案：Prompt 模式使用簡單的輸入-輸出資料格式。輸入文字是問題或指令，輸出文字是模型預測的答案或結果。這種格式減少了訓練資料需求，提高了模型的泛化效能，並使輸出更易於理解和解釋。
• 效果：使用 Prompt 模式簡化訓練資料準備，提高模型效率和準確率，增加可解釋性和可理解性。
• 適用性：Prompt 模式適用於自然語言處理領域的各種任務，如文字分類、情感分析、問答系統、機器翻譯等。也適用於其他需要自然語言輸入和輸出的任務。
• 結構圖：Prompt 模式結構簡單，由輸入文字和輸出文字組成。輸入文字包含關鍵詞或短語，指定模型任務或操作，輸出文字為模型預測結果。

2.探索多種Prompt形式以優化生成效果

在使用生成功能時，嘗試多種不同的 Prompt，對於解決所面臨的問題非常有用。相同 Prompt 的不同表述在人類看來可能相似，但生成的結果可能會有很大差異。這可能是因為我們的模型學習到不同的表述實際上在不同的語境和目的中使用。以下是我們發現在不同任務中特別有效的一些範例。

在摘要生成的例子中，如果總結起來不會產生好的生成結果，我們可以嘗試使用「用通俗的語言概括」或「這篇文章的主要觀點是」。

此外，還可以在 Playground 中使用可能性功能，檢視模型是否難以理解特定的詞語、短語或結構。但請注意，序列開頭的平均可能性始終較高。模型可能會給首次引入新概念或名稱的部分分配較低的可能性，但一旦模型見過一次，它就可以輕鬆地在生成中使用它。您還可以利用可能性功能檢視是否存在拼寫或標點符號導致詞元化問題的情況。

比如常見的Prompt模式：

• 特定指令Prompt：提供問題或關鍵詞，生成相關文字，適用於答案、解釋或推薦等任務。
• 指令Prompt：給出明確指令，生成需要指令的文字，適用於技術說明書、操作手冊等。
• 代理Prompt：充當代理，處理與特定角色或實體相關的任務或請求。
• 範例Prompt：提供範例文字，生成類似的文字，適用於自動生成電子郵件、產品描述、新聞報道等。

 通常情況下，將任務描述的其他組成部分包含在內是很有用的，這些部分自然地出現在我們嘗試處理的輸入文字之後。為模型提供足夠的上下文。例如，在文章之前，我們可以更詳細地描述摘要任務。

範例：通過使用自然語言來塑造我們需要模型執行的任務，可以使用輸入文字之前和之後的文字。

讓我們通過一個不同的範例來考慮這個問題的幾個方面。假設您希望使用我們的模型通過自動生成合理的回覆來協助您的客戶滿意部門（注意：生成的內容不會傳送給客戶，這只是一種模擬）。

一個客戶與您的公司聯絡，提出以下問題：

你好，我想要對我訂購的咖啡機進行退款。這可能嗎？

我們如何設計一個關於此場景的Prompt，以便為與客戶互動的代理獲取有用的生成結果？讓我們首先告訴我們的模型一般的背景設定和提示的剩餘部分將包含什麼內容：

這是一個顧客和一個禮貌、樂於助人的客戶服務代理之間的對話。顧客的問題是：你好，我想要對我訂購的咖啡機進行退款。這可能嗎？

我們已經告訴我們的模型預期會發生什麼，並明確了我們的查詢是客戶的問題。接下來，讓我們向模型展示我們想要給客戶的回覆的開頭部分。

客戶服務代理的回覆：你好，感謝你聯絡我們。是的

請注意，我們明確指出下一句是對問題的回答，它來自客戶服務代理，並且我們希望給出積極的答案。將所有這些內容組合起來，我們得到以下提示：

這是一個顧客和一個禮貌、樂於助人的客戶服務代理之間的對話。顧客的問題是：你好，我想要對我訂購的咖啡機進行退款。這可能嗎？客戶服務代理的回覆：你好，感謝你聯絡我們。是的

將此輸入多次輸入到我們的 Medium 模型中，我們得到以下的補全結果：

是的，如果產品未使用和未開封，我們可以接受退貨。
是的，我們很樂意為您退款。不過，我們需要您將商品退回我們的商店以獲得全額退款。
是的，我們可以辦理。請向我們傳送一條訊息，包括您的姓名、電話號碼和退款原因。我們會盡快回復您。

請注意，即使這只是一個簡化的例子，我們只使用了少量的客戶服務互動，基線模型也能夠產生合理的補全結果！通過在您希望模型處理特定問題和請求的範例上進行微調，可以進一步改進模型的效能。

3.向模型展示期望看到的內容

向Prompt中新增範例是實現良好生成結果的關鍵方法之一。範例向模型展示了我們所期望的輸出型別。

給出幾個希望生成的型別範例。這被稱為少樣本學習。讓我們看一個例子。假設希望使用模型對電影評論進行積極、消極或中性的分類。想象一下，將以下提示輸入到模型中：

評論："我真的很喜歡這部電影！" 這條評論的情感是

根據這個Prompt，由模型生成的實際輸出如下：

考慮到電影的劇情，這條評論的情感是恰當的

將所有這些內容綜合起來，將這個新的Prompt輸入到模型中，我們可靠地得到了一個積極的生成結果。

這是一個電影評論情感分類器。評論："我喜歡這部電影！" 這個評論是積極的。評論："我不知道，還行吧.." 這個評論是中立的。評論："浪費時間，不推薦這部電影。" 這個評論是消極的。評論："我真的很喜歡這部電影！" 

3.總結

Prompt 功能帶來了許多優勢。首先，它提供了對模型輸出的控制能力，使使用者能夠引導模型生成特定型別的響應。其次，Prompt 可以提高模型的語意理解和邏輯推理能力，使生成的結果更加準確和合理。然而，Prompt 的設計和調優並非易事，需要考慮合適的指令、上下文和約束，以避免模型的誤導和不準確性。

Prompt 功能可以應用於各種場景，包括但不限於以下幾個方面：

• 語言翻譯：通過在輸入中新增 "Translate English to French: " 的 Prompt，指導模型進行英法翻譯。
• 程式碼生成：通過在輸入中新增 "Generate Python code for sorting an array: " 的 Prompt，引導模型生成相應的 Python 程式碼。
• 問題回答：通過在輸入中新增 "Question: " 的 Prompt，引導模型回答特定問題。
• 內容創作：通過在輸入中新增 "Write a short story about: " 的 Prompt，指導模型生成一個關於特定主題的故事。