一、相关定义

文献：The Prompt Report: A Systematic Survey of Prompting Techniques]

1. Prompt

A prompt is an input to a Generative AI model, that is used to guide its output.
Prompt是用于与人工智能（AI）对话系统进行交互时提供的指导性文本。

2. Prompt Template

Prompts are often constructed via a prompt template (Shin et al., 2020b). A prompt template is a function that contains one or more variables which will be replaced by some media (usually text) to create a prompt.

提示通常是通过提示模板来构建的。提示模板是一种函数，其中包含一个或多个变量，这些变量将在后续被某些媒体（通常是文本）替换，以生成一个完整的提示。

3. Components of a Prompt

  • Directive 指令，是Prompt的核心。如：请推荐5本值得读的书；
  • Examples 示例，给出一些案例供参考和比对；

            zero-shot（零样本）：在没有样本的情况下，仍然能够对这个类别进行分类或预测；
            one-shot（一次性）：在仅看到一次样本后，能进行有效学习和预测；
            Few-shot（少样本）：在给定少量样本的情况下，能够快速学习；

  • Output Formatting 输出格式，对最终输出的结果要求。如：以 CSV 格式输出；
  • Style Instructions 样式说明，对输出的样式而非格式上进行说明。如：写一段关于美洲驼的清晰而简短的段落；
  • Role 角色，已经有大量实验证明，给大模型赋予角色，能很大程度提升大模型的输出结果。
  • Additional Information 附加信息，其他需要配合任务进行输出的结果。如要做翻译，那就得提供原文。'Additional Information' 有时被称为 'context' ，但我们不鼓励这样使用，因为它在提示空间中被其他含义所覆盖。

4. Prompting Terms

提示链（Prompt Chaining）将多个提示模板按顺序连接起来，每个模板的输出都作为下一个模板的输入。通过这种方式，可以逐步引导模型生成更复杂、更精细的文本输出。

提示技术（Prompting Technique）详细描述了如何构建提示以及如何处理多个提示的动态排序。

提示工程（Prompt Engineering）是一种迭代过程，旨在通过设计、改进和优化AI的指令（即提示），来引导AI生成更准确和有用的结果。其核心目标是找到最适合特定任务的表达方式，使AI能够“听懂”并“做对”。

图1.4：提示工程流程包括三个重复的步骤：1） 对数据集执行推理，2） 评估性能， 3） 修改提示模板。提取器用于从LLM输出中提取最终响应（例如，“This phrase is positive”→“positive”）。

二、prompt现阶段的方案分类

文章将58 种基于文本的提示技术，分为 6 大类：

情境学习 In-Context Learning (ICL)：通过在提示中提供示例（few shot之类的）和相关说明来学习技能和任务的能力。

零样本学习 Zero-Shot：与 Few-Shot Prompting 相比，Zero-Shot Prompting 使用零示例。采用角色提示、风格提示、情感提示等零样本学习技术。

思想生成 Thought Generation：常见的就是CoT及其变体。这些技术能够促使LLM在解决问题的过程中阐述其推理过程。

分解Decomposition：研究集中在将复杂的问题分解为更简单的子问题上。论文似乎都不太出名，不过日常工作挺经常用到的，论文里类似“Least-to-Most Prompting”之类的都有提及。

集成 Ensembling：集成是使用多个提示解决同一问题，然后将这些响应聚合到最终输出中的过程。在许多情况下，多数投票（选择最频繁的响应）用于生成最终输出。集成技术减少了输出的LLM方差，并且通常会提高准确性，但代价是增加了获得最终答案所需的模型调用次数。

自我批评 Self-Criticism：强调对生成结果的验证，让大模型自己判断内容是否正确。Self-Calibration就是非常典型的，在原有生成的基础上，把问题+回复重新输入大模型让大模型来判断是否正确。

三、prompt优秀案例汇总

总结优秀的prompt案例，学习更有效的prompt提示词工程写法，值得收藏_prompt怎么写-CSDN博客