OpenAI官方的撰写提示秘籍

官网:platform.openai.com/docs/guides/prompt-engineering/six-strategies-for-getting-better-results

▶策略1:清晰的指令
情景:用户想要在Excel中计算一列数字的总和。

较差的提问:“如何在Excel中加数字?”
更好的提问:“如何在Excel中自动计算一列金额的总和,并将总数显示在名为‘总计’的右侧列中?”

说明:第二个提问更清晰、具体,使模型能够提供更精确的回答。

▶策略2:使用外部工具
情景:用户需要计算一个复杂的数学问题。

传统方法:直接问模型这个数学问题的答案。
改进方法:指导模型使用Python代码来计算答案,例如使用三个反引号(```)包围Python代码。

说明:使用外部工具(如Python代码执行)可以提高计算的准确性。

▶策略3:分解复杂任务
情景:用户需要对一篇长文档进行总结。

传统方法:直接要求模型一次性总结整个文档。
改进方法:将文档分成多个部分,逐个总结,然后将这些小总结合并成一个完整的总结。

说明:将复杂任务分解成多个简单的子任务,可以提高处理的效率和质量。

▶策略4:模型思考时间
情景:用户询问关于历史事件的复杂问题。

传统方法:直接要求模型回答。
改进方法:首先要求模型提出一个推理过程,然后再给出答案。

说明:让模型先进行思考,可以帮助它提供更深入、更准确的答案。

▶策略5:系统性测试变化
情景:开发者想改善聊天机器人的性能。

传统方法:根据个别案例调整指令。
改进方法:创建一个包含多种测试案例的套件,系统性地评估每次改动对性能的影响。

说明:系统性地测试改动可以确保每次调整都真正提升了性能。

▶策略6:指导模型使用引用文本
情景:用户对某个专业领域的问题寻求详细且准确的答案。

传统方法:直接向模型提问。
改进方法:提供相关领域的参考文献或文章,并指导模型根据这些文献来回答问题。

说明:通过提供参考文献,可以引导模型提供更准确、更有根据的答案,减少错误或虚构信息的出现。

image.png

image.png

image.png

image.png