文丨江志強 （Vitally AI 創(chuàng)始人)
不管是在品牌營銷應用的領(lǐng)域，或是企業(yè)內(nèi)部職能與流程的場景，AI存在大量的機會，這些機會都可以借助大語言模型 (LLMs) 來提升工作效率，而提示語工程（Prompt Engineering）則是驅(qū)動大語言模型的核心能力。
LLMs 適用于企業(yè)哪些職能與崗位？
LLMs 能進入企業(yè)的場景還是比較多的，舉幾個例子：在客服方面，LLMs可以24小時在線處理客戶咨詢，進行情感分析，從而提高客戶滿意度。營銷團隊可以利用LLMs生成個性化的營銷文案，優(yōu)化客戶關(guān)系管理策略；HR部門可以使用LLMs篩選數(shù)百份簡歷，自動回復常見問題，節(jié)省大量時間；財務管理方面，分析Excel表格，生成財務報告，進行合規(guī)檢查，并輔助預算管理；法務部門可以使用LLMs審查和起草合同，提供初步法律咨詢，識別潛在風險；研發(fā)團隊則可以借助LLMs撰寫和審查技術(shù)文檔，管理項目進度，并激發(fā)新的創(chuàng)意。
然而不少企業(yè)界的朋友說，LLMs生成的效果好像一般或是不夠準確。一方面LLMs生成的結(jié)果，還是存在一定的“幻覺”；另一個原因很大概率是使用者給AI的輸入，其實就是提示語的部分，尚有一定的欠缺。如何很好地調(diào)用 LLMs 的高智力？提示語工程（prompt engineering）是企業(yè)員工要學習和掌握的技巧。
在使用LLMs時，提示語工程至關(guān)重要，能夠顯著提升模型的輸出質(zhì)量。OpenAI的CEO Sam Altman在2024年的開發(fā)者活動中強調(diào)，提示語工程是釋放LLM全部潛力的關(guān)鍵。零一萬物的創(chuàng)始人、寫過三本AI書籍的李開復也曾大膽預測，“十年內(nèi)，全球一半的工作將與提示語工程相關(guān)，無法編寫提示語的人將被淘汰”。同樣作為AI布道者的百度CEO李彥宏和谷歌CEO Sundar Pichai，也都在各自的場合強調(diào)了提示語工程對優(yōu)化LLM性能的重要性。紅杉資本創(chuàng)始人唐·瓦倫?。―on Valentine）也提到，“會提問比知道答案更重要。在對話式AI時代，會提問就是能設(shè)計和編寫 prompt?！?/p>
可以看出，提示語工程不僅是技術(shù)發(fā)展的核心，也是未來職場的必備技能。了解并掌握提示語工程，將為企業(yè)和個人帶來競爭優(yōu)勢。市場上也開始出現(xiàn)了專門的相關(guān)課程和指南，也反映了提示語工程在AI實際應用中的重要性，涵蓋了從日常辦公到高級數(shù)據(jù)分析等多個場景。
極好用的提示語原則與LLMs運作原理
好的提示詞的設(shè)計，可以顯著提升模型輸出的相關(guān)性和質(zhì)量，提示語工程不僅適用于研究領(lǐng)域，還能幫助用戶更好地理解和利用LLMs的能力與局限性。
有一篇在AI技術(shù)圈子開始廣為流傳并頗受好評的論文《Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4》介紹了26條原則，以提升查詢大型語言模型（LLMs）的過程。這些原則旨在改善提示的清晰度、具體性和有效性，幫助用戶從大語言模型中獲得更高質(zhì)量的響應。有興趣的讀者可以訪問這篇論文，獲取更多關(guān)于提升與LLMs交互質(zhì)量的深入分析和實踐指導。
這一套提示語原則手冊適用于全球主流的大語言模型，如GPT-4、Gemini Pro、Claude 3、Llama 3、中國的Kimi Chat、通義千問、文心一言等，主要原因是這些LLMs都采用Transformer的框架來訓練，對于大模型基本的訓練和優(yōu)化方法也大同小異。
這些原則有助于優(yōu)化提示語的輸入，充分利用大模型的能力，從而生成高質(zhì)量的輸出。這些原則涵蓋了這幾個類別，有：提示結(jié)構(gòu)和清晰度(Prompt Structure and Clarity）、具體性和信息 (Specificity and Information)、用戶互動和參與 (User Interaction and Engagement）、內(nèi)容和語言風格 (Content and Language Style)、復雜任務和編碼提示 (Complex Tasks and Coding Prompts)，提供了有效LLM提示的全面指南。
以下是一個給 LLM 設(shè)定預期結(jié)果示范的提示語寫法的例子：
### Instruction ###
Your task is to summarize the following article in three key points, each focusing on a different main idea presented. Ensure each point is clear and concise.
### Article ###
"Recent advancements in artificial intelligence have paved the way for more sophisticated machine learning models. These models are not only faster but also more accurate, capable of processing complex data more efficiently. Furthermore, the integration of AI in healthcare has shown promising results in early diagnosis and personalized treatment plans."
### Expected Key Results ###
1. Summary of advancements in AI and their impact on machine learning models.2. Discussion on the improvement in processing complex data.
3. Analysis of AI's role in healthcare, focusing on diagnosis and treatments.
推薦的提示語言工程的延伸閱讀
現(xiàn)在市場上也開始冒出不少宣稱專門的 AI 課程，不過這些課程質(zhì)量參差不齊，不少初學者很難甄別。如果有主動學習的能力，能沉下心來進行有系統(tǒng)的閱讀，推薦以下這三本書（文檔）。
第一本《Art of Asking ChatGPT for High-quality answers》：作者是易卜拉辛·約翰（Ibrahim John），他是一位有技術(shù)背景、經(jīng)驗豐富的企業(yè)家，他對 AI 和大語言模型的應用有著深入的理解。ChatGPT剛推出來震驚世界沒有多久，這個著作也面世了。
本書是一份全面而實用的指南，專注于如何通過精心設(shè)計的提示語工程技術(shù)，從ChatGPT這樣的先進語言模型中獲取高質(zhì)量的答案，書中詳細介紹了多種提示語技巧，包括指令提示、角色提示、標準提示、零點提示、自洽提示、種子詞提示、知識生成提示、知識整合提示等，以及它們在實際應用中的示例和公式。內(nèi)容比剛剛介紹的26條原則還要詳細。
第二本書：《What-Is-ChatGPT-Doing 》：這本書的作者是在全球技術(shù)界赫赫有名的 Stephen Wolfram，也是計算知識工程的先驅(qū)和全球知名科學家，他所創(chuàng)立的Wolfram Research開發(fā)了廣泛使用的Mathematica和Wolfram|Alpha。他在復雜系統(tǒng)和計算理論方面的深刻見解，對科學、技術(shù)和AI領(lǐng)域產(chǎn)生了深遠影響。
Stephen Wolfram 的新書《What-Is-ChatGPT-Doing 》也是在ChatGPT推出的幾個月后問世。本書深入探討了ChatGPT的工作原理和成功原因，從神經(jīng)網(wǎng)絡的基礎(chǔ)到機器學習的復雜性，再到大型計算機系統(tǒng)的實用性，揭示了生成式AI的內(nèi)部工作機制。除此之外，這本書還展望了 ChatGPT未來的發(fā)展，對未來人工智能的可能性提出了富有啟發(fā)性的見解。
第三本書：《提示工程入門進階》：是由國內(nèi)作者李顥鵬、李子菡聯(lián)合撰寫的提示語指南，旨在幫助讀者成為GPT-4和ChatGPT應用的專家。書中介紹了原創(chuàng)的B-R-O-K-E框架，與本文介紹的《Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4》26條原則也相互呼應，教導讀者如何掌握向AI提問的藝術(shù)，將AI轉(zhuǎn)化為提高工作效率的工具，并重塑工作流程。這本書是那些希望深化對AI理解和應用的讀者的理想讀物。
