使用 OpenAI API 进行提示词工程的最佳实践

🤖使用 OpenAI API 进行提示词工程的最佳实践

type

status

date

slug

summary

提示词工程的工作原理

由于 OpenAI 模型的训练方式，某些特定的提示格式效果特别好，能产生更有用的模型输出。

OpenAI 官方的提示工程指南通常是开始学习提示技巧的最佳地方。以下我们介绍一些我们发现很有效的提示格式，但您也可以探索可能更适合您任务的不同格式。

基本原则和示例

注意："{文本输入}"是实际文本/上下文的占位符

1. 使用最新的模型

为获得最佳结果，我们通常建议使用最新、最强大的模型。较新的模型通常更容易进行提示工程。

2. 在提示的开头放置指令，并使用 ### 或 """ 分隔指令和上下文

效果较差的方式 ❌：

更好的方式 ✅：

3. 关于所需的上下文、结果、长度、格式、风格等要具体、描述性且尽可能详细

效果较差的方式 ❌：

更好的方式 ✅：

4. 通过示例阐明期望的输出格式

效果较差的方式 ❌：

展示并说明 - 模型对具体的格式要求反应更好。这也使得以编程方式可靠地解析多个输出更容易。

更好的方式 ✅：

5. 先尝试零样本，然后是少样本，如果都不行，再考虑微调

✅ 零样本（即不给示例）

✅ 少样本 - 提供几个例子

✅微调：查看此处的微调最佳实践。

6. 减少"模糊"和不精确的描述

效果较差的方式 ❌：

更好的方式 ✅：

7. 不要只说不该做什么，要说该做什么

效果较差的方式 ❌：

更好的方式 ✅：

8. 代码生成特定 - 使用"引导词"来引导模型采用特定模式

效果较差的方式 ❌：

在下面的代码示例中，添加"import"暗示模型应该开始用 Python 编写。（类似地，"SELECT"是 SQL 语句开头的好提示。）

更好的方式 ✅：

9. 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，并获得定制的提示词。

你可以在官方文档了解更多关于使用"生成任意内容"功能的信息。

参数

通常，我们发现 model 和 temperature 是最常用的用于改变模型输出的参数。

model - 性能更高的模型通常更贵，可能有更高的延迟。

temperature - 衡量模型输出不太可能的词元的频率。temperature 越高，输出越随机（通常越有创意）。但这与"真实性"不同。对于大多数需要事实的用例，如数据提取和真实问答，temperature 设为 0 最佳。

max_tokens（最大长度）- 不控制输出的长度，而是词元生成的硬性截止限制。理想情况下，你不会经常碰到这个限制，因为模型要么认为已完成，要么遇到你定义的停止序列时就会停止。

stop（停止序列）- 一组字符（词元），生成时会导致文本生成停止。

另外，对于其他参数的描述，你可以参考 API 参考文档。

网络爬虫和HTML基础

机器学习模型：从模型中学习以做出预测