大家好,我是猫头虎!今天为大家整理了Prompt Engineering(提示工程)的18种方法,并为每种方法提供了实际案例及对应论文参考链接。希望大家能从中受益!
目录
- 猫头虎提示词
- Zero-shot Prompt
- Few-shot Prompt
- 链式思考(COT)Prompt
- 自我一致性
- 生成知识 Prompt
- Prompt Chaining
- 思维树(TOT)
- 检索增强生成(RAG)
- 自动推理与工具结合(ART)
- 自动Prompt工程师
- Active Prompt
- 方向性刺激 Prompt
- PAL程序辅助语言模型
- ReAct框架
- 自我反思 Reflexion
- 多模态思维链 Prompt
- 基于图的 Prompt
猫头虎提示词
- 核心思路:自然表达、精准指令,把AI当成“员工”,清晰地布置任务。
- 案例:
- “用三句话概括这篇文章。”
- “列出本地前三家热门餐厅。”
- “用Markdown格式生成一份周报模板。”
Zero-shot Prompt
- 介绍:无需示例,通过任务描述直接获得结果。
- 案例:
- “将这段话的情感分类为正面、负面或中性。”
文本:我今天过得很开心!
输出:正面 - “翻译以下内容为中文:Hello, how are you?”
- “总结这段话的主要思想。”
- 相关论文:Zero-shot Prompting
Few-shot Prompt
- 介绍:提供少量示例,帮助模型理解任务。
- 案例:
- “将以下评论分类:
- 这太棒了! // 正面
- 这太糟糕了! // 负面
- 这个产品挺好的。 // 正面”
- “创建以下数据的表格: 数据:[‘苹果’, ‘香蕉’, ‘橙子’]”
- 相关论文:Few-shot Prompting
链式思考(COT)Prompt
- 介绍:引导模型逐步推理,生成准确答案。
- 案例:
- “我买了10个苹果,送了2个,后来又买了5个,吃了1个,现在还剩多少个?”
答案:10 – 2 + 5 – 1 = 12。 - “某班有40名学生,其中25人喜欢足球,10人喜欢篮球,既喜欢足球也喜欢篮球的有5人。有多少人不喜欢这两项运动?”
- 相关论文:Chain-of-Thought Prompting
自我一致性
- 介绍:通过多次路径采样,选择最一致的答案。
- 案例:
- “林中有15棵树,种了6棵,现在有多少棵?”
多次推理后答案一致:21棵。 - “计算:2的0.5次方。”
- 相关论文:Self-Consistency
生成知识 Prompt
- 介绍:先生成知识,再用它回答问题。
- 案例:
- “生成关于气候变化的知识点,然后回答‘气候变化的主要原因是什么?’”
- “生成知识:鲸鱼是哺乳动物吗?回答:是的。”
- 相关论文:Generated Knowledge Prompting
Prompt Chaining
- 介绍:将复杂任务分解为多个子任务。
- 案例:
- Step 1: 提取文档中所有引用。
- Step 2: 根据引用生成答案。
思维树(TOT)
- 介绍:通过树状结构探索问题的多种解决路径。
- 案例:
- “24点游戏:给定[4, 9, 10, 13],生成24的计算方法。”
- “用深度优先搜索解决迷你填字游戏。”
- 相关论文:Tree of Thoughts
检索增强生成(RAG)
- 介绍:结合检索与生成,提高回答的准确性。
- 案例:
- “查找关于GPT模型的最新研究,生成摘要。”
- “检索与生成:欧洲有哪些知名地标?”
- 相关论文:Retrieval-Augmented Generation
自动推理与工具结合(ART)
- 介绍:在推理过程中动态调用工具。
- 案例:
- “查找‘某人年龄’并计算其平方根。”
- “将API数据整合进问题回答。”
- 相关论文:Automatic Reasoning with Tools
自动Prompt工程师
- 介绍:自动生成和优化任务指令。
- 案例:
- “改进以下代码:def func(x): return x**2”
- “生成Python代码实现计算圆面积。”
- 相关论文:Automatic Prompt Engineering
Active Prompt
- 介绍:基于不确定性选择最佳问题进行提示。
- 案例:
- “基于模型生成的不确定性,对问题进行排序。”
- “选择数据集中最具代表性的问题进行注释。”
- 相关论文:Active Prompting
方向性刺激 Prompt
- 介绍:通过提示引导模型生成更符合预期的答案。
- 案例:
- “为这篇文章生成简明摘要。”
- “提示模型关注特定关键词,如‘环境保护’。”
- 相关论文:Directional Stimulus Prompting
PAL程序辅助语言模型
- 介绍:使用编程语言生成推理过程。
- 案例:
- “用Python计算日期差。”
- “写出计算BMI指数的程序代码。”
- 相关论文:Program-Aided Language Models
ReAct框架
- 介绍:结合推理与操作,通过外部数据辅助回答问题。
- 案例:
- “根据Wikipedia查询‘人工智能的历史’。”
- “查找并总结诺贝尔奖得主名单。”
- 相关论文:ReAct Framework
自我反思 Reflexion
- 介绍:基于反馈优化模型输出。
- 案例:
- “改进以下函数:返回列表的最大值。”
- “根据错误日志,改进程序。”
- 相关论文:Reflexion
多模态思维链 Prompt
- 介绍:结合文本与视觉信息生成推理。
- 案例:
- “分析图片并生成相关描述。”
- “根据图表数据回答问题。”
- 相关论文:Multimodal Chain-of-Thought
基于图的 Prompt
- 介绍:利用子图相似性优化任务提示。
- 案例:
- “通过子图分析社交网络结构。”
- “在图数据上执行分类任务。”
- 相关论文:Graph-Based Prompting
粉丝福利
有任何疑问或者需要进一步探讨的内容,欢迎点击文末名片获取更多信息。我是猫头虎,期待与您的交流! 🦉💬
联系我与版权声明
- 联系方式:
- 微信: Libin9iOak
- 公众号: 猫头虎技术团队
- 版权声明:本文为原创文章,版权归作者所有。未经许可,禁止转载。更多内容请访问猫头虎的博客首页。