工程提示

当我第一次看到Prompt Engineering时，我对它非常感兴趣，我认为这是工程学的一条新途径。

等一下，我并不嘲笑提示，我知道在谷歌等搜索引擎上，“相同搜索”可能因结果不同而异。这是因为选择正确的“关键词”，还有单词的位置、格式，理解搜索引擎的工作原理等等。

以下所有都很好，但是对我来说，有这个标题让我感到很好奇。

本文的目标是：

1. 理解工程问题

2. 将其放入LLM的世界

3. 回答这个问题：“提示工程师是一项工作吗？”

了解明确的工程要求

提示工程是指引语言模型产生所需输出的能力。这包括设计和完善输入提示，有效指导生成式人工智能语言模型。它涉及理解模型的能力、限制和偏见，并利用这些知识增强模型生成相关和连贯的响应的能力。

现在，让我们来构建这个能力。

编写提示的最佳步骤是像考试中的学生指令一样进行，但没有陷阱，这个命题会根据每个人的推理而有所不同。

知道你想要谁来回答？

角色: 请求AI作为一个角色来回答，学生、作家、技术代理等等......这很神奇，因为答案是不同的! 看看这个，请求“提示工程”的定义，但是在两个角色下:

第二个：

我在这里使用的是Gemini，但无论您选择什么工具，都会发生同样的情况。顺便说一句，您可以观察到在Gemini的答案中，并未列出角色作为关键点。

你可以尝试观察其他要素的影响。

2. 目标：同时，受众：我们在和谁交流？措辞和格式会有所变化。

3. 背景信息：或者提供更准确的答复，这对于理解提示的含义非常重要。

4. 输出结构：是报告、论文还是列表？

5. 提示词的措辞：在这里我们可以列出许多关键要素

a. 清晰和明确：避免模糊有助于清楚地得到更好的答案。

b. 复杂提示：将复杂任务拆分成简单的组成部分或步骤。有时也被称为思维链提示（CoT提示）。

c. 结构或格式：措辞的顺序，使用问题，陈述甚至指令可以引导模型的输出。例如，应包含在回答中的特定关键字。

d. 例子：通过例子来学习。您可以通过示例帮助 Gen AI。这里我们指的是零样本（没有例子）和少样本提示（少量示例）。

6. 迭代细化：批评人工智能的响应，然后根据此进行答案的细化，从而提高质量。

Prompt Engineering的应用案例

在这里列出了大多数快速工程应用：

• 内容生成：如文章、故事或营销内容。
• 代码生成和调试:引导模型根据指定要求生成代码或完整程序，或调试代码
• 信息检索：高级搜索功能。
• 问题回答。
• 语言翻译和总结

2. 在LLM世界中定位

为了将引导工程学放置在LLM世界中，我首先定义了一些“相似概念”，然后将它们相互比较。

提示调节

即时调整 是 一种在需要适应新任务或领域知识时通常使用的技术。它包括调整特定任务的输入提示。

细调

更新预训练语言模型的权重，以便将其适应特定任务或数据集。

以下表格将详细介绍我们可以问及三个概念的主要问题。

3. 回答这个问题“快速工程师是一份工作吗？”

我在互联网上进行了搜索，找到了一些职位头衔 Prompt Engineer，因此这是真的！！！！

这是一份真正的工作吗？我浏览了工作概要的细节。

职位描述摘要

工作简介中的一些建议：

· 你必须精通一个领域才能真正高准确地表达和指导任何领域的人工智能

· 你需要理解LLM，并且精通编程。

· 与他人合作并具备跨功能能力意味着经验

因此，在我看来，我们不能将prompt engineer视为一个独立的工作，而是一种技能集，可以作为更广泛责任范围的一部分，涵盖各种角色，如人工智能开发，产品管理，数据科学。

即时工程最好理解为一种能力或技能集，而不是独立的工作。它可以增强人工智能、产品开发和用户体验等领域的各种角色。专业人士利用这种技能来改进与人工智能模型的互动，并优化结果，但通常是更广泛工作职能的一部分，而不是一个独立的职业道路。

重要的工程是相对较新的，但并不像软件工程师一样是一种真正的职业道路，而是一种能力。

一些参考资料

· https://platform.openai.com/docs/guides/text-generation · https://platform.openai.com/docs/guides/text-generation

· 语言模型是少样本学习模型

· 参数高效提示调整的规模力量

请访问：https://www.sap.com/resources/what-is-prompt-engineering