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。