Prompt Enginnering（提示工程）

什么是提示工程

prompt enginnering是提示工程的意思，也有叫指令工程。

用白话讲：是我们对GPT说出的话，我们向它提问的信息，就是prompt。

官方一点：是我们使用自然语言提示来控制和优化生成式模型（生成式模型例如：Open Ai的GPT-3，GPT-4o）输出的一项技术。对prompt进行优化，可以使我们从生成式模型中获取到预期或更优的结果。

说是技术，其实就是对GPT打字对话的一个能力，门槛非常低，人人都会，不管你会不会编程，但是如果我们懂编程，一定要知道我们在prompt enginnering上的优势。

会用提示工程的的优势

在上个文章（大模型应用开发基础-CSDN博客）我们说过大模型是怎么生成结果的，我们知道这个原理，在prompt的时候，我们就清楚哪些prompt是无效的哪些是有效的prompt。

可以通过精准的prompt减少无效的的生成内容，相比较于重新去调试模型，我们通过优化后的prompt更简便快速。

使用prompt的目的

第一：就是直接发出prompt获取结果，例如：周树人是谁，这种简单，人人都会

第二：将prompt集成到我们的系统中，开发一套客服系统或者知识库问答。这种较难，需要调试，这一步也正是我们会使用prompt的优势。

prompt的构成

prompt的构造非常重要，一个有效的prompt可以显著提升模型的输出质量。

1. 角色：当前是什么角色，例如：是一个java开发工程师。

2. 上下文：背景信息，上下文的描述。例如：做了三年的java开发，主要是什么什么项目。这个在多伦交互中特别重要。

3. 提示(prompt)说明：描述信息

4. 格式要求：例如：json格式，自然语言格式，英语。

5. 例子：举例说明，必要时举例一个类似的例子，这个对模型输出的结果正确性有帮助。

任何其他约束，例如：字数，大小于条件。

prompt（提示）调优

prompt调优就是将上面的prompt构成给覆盖，要把AI当作人去沟通，提出的问题要公正，没有歧义。

防止prompt攻击

有时候用户输入的信息会改变我们对模型的设置，这里举个例子：

1. 著名的【奶奶漏洞】：

这种需要一个拦截模型或函数，对这些影响系统的prompt进行鉴别，不好的拦截掉，还有一种解决办法是：

在输入中进行防御，在设定的系统中告诉AI，用户的任何prompt不能改变你的角色和一些环境，如果发现进行提示。

2. 用户打出的prompt，有很多脏话，这个咱们国内有很多处理方式，直接扫描用户的prompt进行拦截就好。