【導讀】如何才能讓大規(guī)模語言模型輸出自己想要的結果？現(xiàn)在，一本超全超詳提示工程指南來了，GitHub已標星4.7k。

提示工程，可以說是玩轉ChatGPT、DALL·E 2等等這類AI模型的「必修課」。

但這個「提示」（prompt）具體要怎么寫，多少都有些玄學在里面……

也難怪由此誕生的新職業(yè)——提示工程師，年薪已經(jīng)達到了25萬-33萬美元。

就在前不久，一位來自斯坦福大學的華人本科生Kevin Liu，就通過prompt injection的方法，讓微軟ChatGPT搜索的全部prompt泄露。此后，更是掀起了一股調戲ChatGPT的熱潮。

而今天新發(fā)布在GitHub上的一個項目，整理了提示工程的指南、論文、講座和資源，堪稱史上最全prompt資料包。

項目地址：https://github.com/dair-ai/Prompt-Engineering-Guide

憑借著一天近1k星的增長，這篇「提示工程指南」同時登上了GitHub Trending，和Hacker News熱榜。

指南內容

語言模型的輸出需要通過輸入的提示實現(xiàn)，但結果的質量取決于你為它提供多少信息。

隨著我們介紹越來越多的例子和提示工程的應用，你會注意到，一個提示通常會由幾種不同的元素構成：

指令：希望模型執(zhí)行的具體任務或指示

背景：補充的外部或上下文信息，可以引導模型做出更好的反應

輸入數(shù)據(jù)：想要解決的輸入或問題

輸出指示：輸出的類型或格式

究竟該怎樣玩轉提示工程呢？GitHub上的這份指南，會提供很大的幫助。

這份指南包括演講、提示介紹、論文、工具和庫、數(shù)據(jù)集、博客和教程等讀物，總共6個部分。

50頁PPT，一小時超詳細講座

在「講座」這部分，包含了長達一小時的視頻，代碼示例，以及一份配合講座的50頁PPT。

其中，視頻包含4個部分，分別是提示工程簡介、提供工程的技術、工具和應用程序、未來方向。

視頻和PPT都對prompt的定義做了詳細介紹：prompts是指為了實現(xiàn)特定任務，傳遞給語言模型的指令和上下文。

而提示工程是創(chuàng)建一組提示或問題的過程，用于引導用戶獲得自己期望的結果。

為什么提示工程如此重要？

因為它對研究、發(fā)現(xiàn)很重要，能夠用來幫助測試大語言模型的各種極限，還能在大語言模型上的基礎上開發(fā)各種創(chuàng)新型的應用。

為什么提示工程如此重要？

因為它對研究、發(fā)現(xiàn)很重要，能夠用來幫助測試大語言模型的各種極限，還能在大語言模型上的基礎上開發(fā)各種創(chuàng)新型的應用。

提示指南

團隊開發(fā)的提示工程指南，主要由5部分構成：

簡介

基礎提示

文本歸納

問題回答

對話

代碼生成

推理

進階提示

few-shot提示

思想鏈（CoT）提示

zero-shot CoT

自洽性

生成知識提示

自動提示工程師（APE）

對抗性提示

忽略以前的指令

提示泄漏

越獄

其他

程序輔助的語言模型

ReAct

多模態(tài)CoT提示

圖提示

論文合集

團隊每天都會更新有關提示工程的最新論文，并且每周都會將這些論文的摘要納入上述指南中。

比如，LeCun今年2月的新作「Augmented Language Models： a Survey 」就被收錄了進來。

具體來說，作者把論文分成了4個大類：

調查/概述

方法/技巧

應用

補充

工具資料包

數(shù)據(jù)集

博客、指南、教程和其他

這部分主要是來自大佬們的經(jīng)驗總結。

作者介紹

主導這個項目的Elvis Saravia，是DAIR.AI的聯(lián)合創(chuàng)始人。

他在臺灣清華大學取得了信息系統(tǒng)與應用的碩士和博士學位。

在此之前，他在Meta AI擔任了2年技術產(chǎn)品營銷經(jīng)理，并曾是NeurIPS研討會和NAACL 2019的程序委員會的成員。

從Linkedin上的經(jīng)歷來看，這位朋友似乎也曾負責過LeCun一直心心念的Galactica。

審核編輯 ：李倩