加入我们的每日和每周时事通讯，了解有关行业领先人工智能报道的最新更新和独家内容。了解更多

在快速采用大型语言模型 (LLM) 的世界中，即时工程已成为释放其全部潜力的一项新技能。将其视为与这些智能人工智能系统对话的语言，使我们能够利用它们的巨大功能并重塑我们创造、工作、解决问题等的方式。它可以让包括你奶奶在内的任何人在云端对复杂的数十亿参数人工智能系统进行编程。

LLM从根本上建立在深度学习算法和架构之上。他们接受了大量文本数据集的训练。就像一个阅读了无数书籍的人一样，LLM从数据中学习模式、语法、关系和推理能力。可以调整内部设置以更改模型处理信息的方式并进行调整以提高准确性。当在推理阶段给出提示时，LLM利用他们学到的知识和参数来生成最可能和上下文相关的输出。正是由于这些提示，LLM可以生成人类质量的文本、进行对话、翻译语言、撰写不同类型的创意内容并以信息丰富的方式回答问题。

许多免费（开源）LLM付费（闭源）托管LLM服务现已推出。LLM正在改变每个行业以及我们生活的各个方面。具体做法如下：

• 客户服务：强大的人工智能聊天机器人提供即时支持并回答客户疑问。
• 教育：提供个性化学习体验和人工智能导师。
• 医疗保健：LLM可用于分析医疗问题、加速药物发现和个性化治疗计划。
• 营销和内容创作：LLM可以生成引人入胜的营销文案、网站内容和视频脚本。
• >
• 软件开发：LLM帮助开发人员进行代码生成、调试和文档编制。

重要的提示类型和技术

提示是LLM的指路明灯。精心设计的提示可以显着影响LLM输出的质量和相关性。想象一下让私人助理预订晚餐。根据您提供的信息量（例如偏好的菜肴或时间），您将获得更准确的结果。提示工程是通过制作提示来从人工智能系统中获取所需输出的艺术和科学。它涉及设计和完善提示，以生成与用户意图相符的准确、相关和创造性的输出。

让我们通过研究提示工程技术来更深入地研究，这些技术可以帮助用户引导LLM实现所需的结果。

从实践来看，提示可以大致分为以下类别之一：

• 直接提示：这些是小的直接指令，例如将 hello 翻译成西班牙语。
• 上下文提示：在小型直接指令中添加了更多上下文。例如，我正在写一篇关于人工智能好处的博客文章。写一个吸引人的标题。
• 基于说明的提示：这些是详细的说明，其中包含有关该做什么和不该做什么的具体细节。例如，写一个关于一只会说话的猫的短篇故事。猫应该脾气暴躁且讽刺。
• 基于示例的提示：提示者可能会说，这是一个俳句的示例：一个古老的寂静池塘/一只青蛙跳进池塘/溅起水花！再次沉默。现在，编写您自己的俳句。

以下是已被证明在即时工程中非常有效的重要技术：

• 迭代细化：这涉及根据人工智能的反应不断完善提示。它可以带来更好的结果。例如：您可以从写一首关于日落的诗开始。看到输出后，将其提炼为写一首关于海滩日落的忧郁诗。
• 思想链提示：鼓励逐步推理可以帮助解决复杂的问题。示例：而不只是一个复杂的提示，如“A farmer has 14 辆拖拉机、8 头牛和 10 只鸡”。如果他卖掉一半的鸟并再买 3 头奶牛，有多少动物会给他牛奶？，添加逐步思考或解释你的推理可能会给出更好的结果，甚至清楚地指出模型可能出现的任何中间错误
• 角色扮演：这意味着在向人工智能分配任务之前为其分配一个角色或角色。示例：您是博物馆导游。解释小大卫·特尼尔斯 (David Teniers the Younger) 的《石窟远景》(Vista from a Grotto) 画作。
• 多轮提示：这涉及将一项复杂的任务分解为一系列提示。该技术涉及使用一系列提示来引导人工智能找到所需的答案。示例：创建详细的大纲，然后使用大纲将每个点展开为一个段落，然后是第二段缺少 X。重写它以集中注意力，然后最终完成该片段。

即时工程的挑战和机遇

即时工程存在一些挑战和机遇。尽管LLM取得了指数级的进步，但他们可能仍然在抽象概念、幽默、复杂推理和其他任务上遇到困难，这些任务通常需要精心设计的提示。人工智能模型还可以反映训练数据中存在的偏差。

提示工程师需要了解这一点，并解决和减轻最终解决方案中的潜在偏差。此外，不同的模型自然会以不同的方式解释和响应提示，这给跨模型的泛化带来了挑战。大多数LLM创建者通常都有良好的文档以及适合该模型的提示模板和其他指南。熟悉模型以有效地使用模型总是很有用的。最后，虽然推理速度不断提高，但有效的提示也提供了在推理时精确编程LLM的机会，以节省计算和能源资源。

随着人工智能与我们的生活越来越紧密地交织在一起，提示工程正在发挥着越来越重要的作用。在塑造我们如何与其力量互动并从中受益方面发挥着至关重要的作用。如果做得好，它具有巨大的潜力，可以释放我们尚未想象到的可能性。

Deven Panchal 就职于 AT