生成式人工智能 (AI) 系统旨在根据已提供提示的质量生成特定输出。提示工程有助于生成式 AI 模型更好地理解和响应从简单到技术性极强的各种查询。
基本原则是，好的提示等于好的结果。生成式 AI 依靠不同提示工程技术的迭代完善，有效地从不同的输入数据中学习并进行调整，以最大限度地减少偏见和混乱，并产生更准确的响应。
提示工程师在制作查询方面发挥着关键作用，这些查询不仅有助于生成式 AI 模型理解的语言，还有助于理解查询背后的细微差别和意图。反之，知识丰富而全面的高质量提示也会影响 AI 生成的内容的质量，无论是图像、代码、数据摘要还是文本。
若要在原始查询和 AI 生成的富有意义的回复之间架起一座桥梁，就必须采用深思熟虑的方法来创建提示。通过微调有效提示，工程师可以显著优化输出的质量和相关性，以解决特定问题和一般问题。此流程可减少手动审查和后期编辑的需要，并最终节省实现预期结果所需的时间和精力。
了解如何将正确的数据库用于应用、分析和生成式 AI。
在 Presto 上注册以获取电子书
生成式 AI 模型建立在转换器架构之上，使得其能够掌握语言的复杂性，并通过神经网络处理大量数据。AI 提示工程有助于塑造模型的输出，确保人工智能做出有意义且连贯的响应。有几种提示技术可确保 AI 模型生成有用的回复，这包括标记化、模型参数调整和 top-k 采样。
事实证明，提示工程对于充分发挥生成式 AI 基础模型的潜力至关重要。基础模型是建立在转换器架构上的大型语言模型 (LLM)，其中包含生成式 AI 系统所需的所有信息。
生成式 AI 模型基于自然语言处理 (NLP) 运行，并使用自然语言输入来生成复杂的结果。底层数据科学准备、转换器架构和机器学习算法可支持这些模型理解语言，然后使用海量数据集创建文本或图像输出。
类似 DALL-E 和 Midjourney 这样的文本到图像生成式 AI 将 LLM 与稳定扩散结合使用，后者是一款擅长从文本描述生成图像的模型。有效的提示工程将技术知识与对自然语言、词汇和上下文的深刻理解相结合，只需少量修改就能产生最优输出。
采用 Llama 2 的提示工程最佳实践。
提示工程的主要好处是能够以最少的生成后工作量实现优化输出。生成式 AI 输出的质量参差不齐，通常需要熟练的从业者进行审查和修改。通过制作精确的提示，提示工程师可确保 AI 生成的输出符合预期目标和标准，从而降低大量后期处理的需求。
了解如何从市场上的各种生成式 AI 模型中获得最佳结果也是提示工程师的职责范围。例如为 Open AI 的 GPT-3 或 GPT-4 编写提示与为 Google Bard 编写提示不同。Bard 可以通过 Google 搜索访问信息，因此可以指示它将更多最新信息集成到其结果中。然而 ChatGPT 是更好的文本提取和摘要工具，因为这是其主要设计功能。精心设计的提示可指导 AI 模型创建更相关、更准确和个性化的响应。由于 AI 系统会随着使用而不断发展，高度工程化的提示会使 AI 的长期互动更加高效和令人满意。
在开源环境中工作的聪明的提示工程师正在推动生成式 AI 做一些不可思议的事情，这些事情不一定是它们最初设计范围的一部分，并且将产生一些令人惊讶的真实结果。例如研究人员开发了一种新的 AI 系统，无需接受平行文本训练即可翻译语言；工程师们正在将生成式 AI 嵌入游戏中，让人类玩家参与到真正的响应式故事讲述中，甚至获得对黑洞天文现象的准确新见解。随着生成式 AI 系统的范围和复杂性不断增加，提示工程将变得更加重要。
大型技术组织正在招聘提示工程师来开发新的创意内容、回答复杂问题并改进机器翻译和 NLP 任务。提示工程师应具备的技能包括熟悉大型语言模型、较强的沟通技巧、阐述技术概念的能力、编程专业知识（尤其是 Python）以及对数据结构和算法的牢固掌握。创造力和对新技术效益与风险的真实评估也是这个角色的宝贵财富。
虽然模型采用多种语言进行训练，但英语通常是用于训练生成式 AI 的主要语言。提示工程师需要对词汇、细微差别、措辞、上下文和语言学有深入的了解，因为提示中的每个单词都会影响结果。
提示工程师还应该了解如何向 AI 模型有效传达必要的上下文、指令、内容或数据。
如果目标是生成代码，提示工程师必须了解编码原理和编程语言。使用图像生成器的工程师应该了解艺术史、摄影和电影术语。生成语言上下文的工程师可能需要了解各种叙事风格或文学理论。
除了广博的沟通技巧外，提示工程师还需要了解生成式 AI 工具，以及指导其决策的深度学习框架。提示工程师可以采用以下高级技术来提高对模型的理解和输出质量。
- 零样本提示为机器学习模型提供了一个未经明确训练的任务。零样本提示会测试模型在不依赖先前示例的情况下生成相关输出的能力。
- 少样本提示或上下文学习为模型提供了一些示例输出（样本），以帮助其了解请求者的意图。如果学习模型可以借鉴上下文，就能更好地理解所需的输出。
- 思维链提示 (CoT) 是一项高级技术，可为模型提供逐步推理能力。将复杂的任务分解为中间步骤或“推理链”，有助于模型实现更好的语言理解，并创建更准确的输出。
随着生成式 AI 可及性的提升，组织正在挖掘新的创新方法，以便使用提示工程来解决现实世界的问题。
提示工程是一种强大的工具，可帮助 AI 聊天机器人在实时对话过程中生成上下文相关且连贯的响应。聊天机器人开发人员可以确保 AI 理解用户查询，并通过制作有效的提示来提供有意义的答案。
在医疗保健领域，提示工程师可指示 AI 系统汇总医疗数据，并制定治疗建议。有效的提示可帮助 AI 模型处理患者数据，并提供准确的洞察和建议。
提示工程在软件开发中发挥着重要作用，可使用 AI 模型生成代码片段，或提供编程难题的解决方案。在软件开发中使用提示工程，可以节省时间，并帮助开发人员完成编码任务。
由于生成式 AI 系统能够通过各种编程语言进行训练，提示工程师可以简化代码片段的生成，并简化复杂的任务。通过制作特定的提示，开发人员可以自动编码、调试错误、设计 API 集成，以减少体力劳动，并创建基于 API 的工作流程，以便管理数据管道并优化资源分配。
采用提示工程来开发和测试安全机制。研究人员和从业者可利用生成式 AI 来模拟网络攻击，并设计更好的防御策略。此外，为 AI 模型制作提示有助于发现软件中的漏洞。