Prompt Engineering 简明教程

Do Understand the Task Requirements − 在制定提示之前了解特定的任务要求和目标。明确了解任务可确保提示引导语言模型获得预期响应。

Do Use Contextually Relevant Prompts − 编写为语言模型提供充足背景和相关信息的提示，使其能够生成准确且有意义的响应。

Do Iterate and Refine − 迭代测试和完善提示，以识别改进领域并优化模型的性能。

Do Consider User Feedback − 收集和考虑用户反馈，以有效地改进提示设计并满足用户需求。

监测并评估提示性能 − 定期监测提示有效性并评估模型响应，以检测潜在问题和偏见。

Don’t Use Ambiguous Prompts − 避免可能导致语言模型产生不一致或无关响应的含糊提示。

Don’t Overgeneralize Prompts − 避免可能导致模型提供模棱两可或不准确响应的过度概括提示。

Don’t Ignore Ethical Considerations − 在提示工程中永远不要忽视伦理方面的考虑，例如缓解偏见、用户隐私和公平性。

Don’t Neglect Domain Knowledge − 提示工程师不应忽视领域知识，因为了解领域对于编写合适的背景提示至关重要。

Don’t Rely Solely on Automated Metrics − 虽然自动化指标提供有价值的见解，但提示工程师不应仅仅依赖它们。结合人为评估和用户反馈，进行全面的提示评估。

Understand the Target Audience − 了解目标受众，并根据其语言和偏好定制提示，以提升用户体验。

Provide Clear Instructions − 确保提示包括清晰的说明或指导，以有效地指导语言模型。

Keep Prompts Concise − 简洁的提示可减少歧义并提高模型的响应质量。

Consider Multilingual Support - 对于多语言提示工程，考虑支持多种语言和文化的提示。