池建强(@sagacity )

2025.04.14 07:14

Google 发布了一份 68 页的提示词工程这份《Prompt Engineering》白皮书系统介绍了如何为大型语言模型（LLM）设计高效提示（prompt）。 1、解释了 LLM 的工作原理和输出配置，包括温度、Top-K、Top-P等采样参数的作用。 2、介绍了多种提示技巧，如零样本（zero-shot）、单样本（one-shot）、少样本（few-shot）、系统提示、角色提示、上下文提示、逐步推理（Chain of Thought）、自洽性（Self-consistency）、思维树（Tree of Thoughts）和ReAct（推理与行动结合）等。 3、文档还涵盖了代码提示的应用，包括编写、解释、翻译和调试代码。此外，还介绍了自动提示工程（APE）方法，用于自动生成和优化提示。最后，总结了一系列最佳实践，如提供示例、简化语言、明确输出要求、使用变量、控制输出格式、记录提示版本等，强调提示工程是一个持续迭代和优化的过程。墨问用户整理了一份 pdf，这里下载