提示工程的工作原理
由于 OpenAI 模型的训练方式，有一些特定的提示格式效果特别好，并能带来更有用的模型输出。 OpenAI 官方提示工程指南通常是获取提示编写技巧的最佳起点。
下面我们介绍一些我们认为效果不错的提示格式，但也欢迎探索不同格式，它们可能更适合你的任务。
经验法则和示例
注意："{text input here}" 是实际文本/上下文的占位符
1. 使用最新模型
为获得最佳结果，我们通常建议使用最新、最强大的模型。较新的模型往往更容易进行提示工程。
注意：为推理模型编写提示与为 GPT 模型编写提示时，有一些差异需要考虑。更多详情请见此处。
2. 将指令放在提示开头，并使用 ### 或 """ 分隔指令和上下文
效果较差 ❌：
将下面的文本总结为要点列表，列出最重要的内容。
{text input here}更好 ✅：
将下面的文本总结为要点列表，列出最重要的内容。
文本："""
{text input here}
"""3. 尽可能具体、描述清楚且详细地说明所需的上下文、结果、长度、格式、风格等
具体说明上下文、结果、长度、格式、风格等
效果较差 ❌：
写一首关于 OpenAI 的诗。 更好 ✅：
以 {famous poet} 的风格，写一首关于 OpenAI 的简短励志诗，重点关注近期 DALL-E 产品发布（DALL-E 是一种文本转图像的机器学习模型）4. 通过示例阐明所需的输出格式
效果较差 ❌：
提取下面文本中提到的实体。提取以下 4 类实体：公司名称、人物姓名、具体主题和主题。
文本：{text}展示并说明——当向模型展示具体格式要求时，它们响应得更好。这也使以编程方式可靠地解析多个输出变得更容易。
更好 ✅：
提取下面文本中提到的重要实体。先提取所有公司名称，然后提取所有人物姓名，再提取符合内容的具体主题，最后提取总体主题
期望格式：
公司名称：<comma_separated_list_of_company_names>
人物姓名：-||-
具体主题：-||-
总体主题：-||-
文本：{text}5. 从零样本开始，然后少样本；如果都不起作用，再进行微调
✅ 零样本
从下面的文本中提取关键词。
文本：{text}
关键词：✅ 少样本 - 提供几个示例
从下面对应的文本中提取关键词。
文本 1：Stripe 提供 API，网页开发者可用其将支付处理集成到自己的网站和移动应用中。
关键词 1：Stripe、支付处理、API、网页开发者、网站、移动应用
##
文本 2：OpenAI 训练了先进的语言模型，它们非常擅长理解和生成文本。我们的 API 提供对这些模型的访问，可用于解决几乎任何涉及语言处理的任务。
关键词 2：OpenAI、语言模型、文本处理、API。
##
文本 3：{text}
关键词 3：✅ 微调：点击此处查看微调最佳实践。
6. 减少“空泛”和不精确的描述
效果较差 ❌：
此产品的描述应相当简短，只需几句话，不要太长。更好 ✅：
用一个 3 到 5 句话的段落来描述此产品。7. 与其只说不要做什么，不如说明应该做什么
效果较差 ❌：
以下是智能体与客户之间的对话。不要询问用户名或密码。不要重复。
客户：我无法登录我的账户。
智能体：更好 ✅：
以下是智能体与客户之间的对话。智能体将尝试诊断问题并建议解决方案，同时避免询问任何与个人身份信息（PII）相关的问题。不要询问个人身份信息，例如用户名或密码，而是将用户引导至帮助文章 www.samplewebsite.com/help/faq
客户：我无法登录我的账户。
智能体：8. 代码生成专用 - 使用“引导词”将模型引向特定模式
效果较差 ❌：
# 编写一个简单的 Python 函数，要求：
# 1. 让我输入一个以英里为单位的数字
# 2. 将英里转换为公里在下面的代码示例中，添加“import”会提示模型应开始用 Python 编写。（同样，“SELECT” 是 SQL 语句开头的一个好提示。）
更好 ✅：
# 编写一个简单的 Python 函数，要求：
# 1. 让我输入一个以英里为单位的数字
# 2. 将英里转换为公里
import9. 使用“生成任意内容”功能
开发者可以使用'生成任意内容'功能来描述任务或期望的自然语言输出，并获得量身定制的提示。
了解更多关于使用'生成任意内容'功能的信息。
参数
通常，我们发现 `model` 和 `temperature` 是最常用于改变模型输出的参数。
`model` - 性能更高的模型通常更昂贵，延迟也可能更高。
`temperature` - 衡量模型输出较低概率 Token 的频率。
temperature越高，输出就越随机（通常也越有创意）。不过，这并不等同于“真实性”。对于大多数事实性用例，例如数据提取和真实问答，temperature设为 0 最佳。`max_completion_tokens`（最大长度）- 不控制输出长度，而是 Token 生成的硬性截断上限。理想情况下，你不会经常触及此限制，因为模型会在它认为已完成时停止，或在遇到你定义的停止序列时停止。
`stop`（停止序列）- 一组字符（Token），生成它们时会使文本生成停止。
有关其他参数说明，请参阅 API 参考。