提示词工程是人工智能领域，特别是在自然语言处理和大型语言模型的背景下的一个相对较新的概念。
它涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。其关键点包括精确性、创造性、迭代以及对上下文的理解。
提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。而提示工程是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能，以及创造性地探索模型的潜在应用。
例如，通过简单的提示词可以获得大量结果，但结果质量与提供的信息数量和完善度有关。一个提示词可以包含指令、问题、上下文、输入或示例等元素，以更好地指导模型获得更好的结果。像在 OpenAI 的相关模型中，可以使用不同角色来构建 prompt。从示例中可以看出，语言模型能基于给出的上下文内容完成续写，通过改进提示词能获得更好的结果。
对于普通人来说，学习提示词工程具有以下意义：
提示工程指南是由 DAIR.AI 发起的项目，旨在帮助研发和行业内相关人员了解提示工程，传播 AI 技术和研究成果。研究人员可利用提示工程提升大语言模型处理复杂任务场景的能力，开发人员可通过其设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。提示工程包含了与大语言模型交互和研发的各种技能和技术，在实现和大语言模型交互、对接，以及理解其能力方面都起着重要作用，还能用于提高模型的安全性，借助专业领域知识和外部工具来增强模型能力。
您可以通过简单的提示词（Prompts）获得大量结果，但结果的质量与您提供的信息数量和完善度有关。一个提示词可以包含您传递到模型的_指令_或_问题_等信息，也可以包含其他详细信息，如_上下文_、_输入_或_示例_等。您可以通过这些元素来更好地指导模型，并因此获得更好的结果。看下面一个简单的示例：提示词输出结果如果使用的是OpenAI Playground或者其他任何LLM Playground，则可以提示模型，如以下屏幕截图所示：需要注意的是，当使用OpenAI的gpt-4或者gpt-3.5-turbo等聊天模型时，您可以使用三个不同的角色来构建prompt：system、user和assistant。其中system不是必需的，但有助于设定assistant的整体行为，帮助模型了解用户的需求，并根据这些需求提供相应的响应。上面的示例仅包含一条user消息，您可以使用user消息直接作为prompt。为简单起见，本指南所有示例（除非明确提及）将仅使用user消息来作为gpt-3.5-turbo模型的prompt。上面示例中assistant的消息是模型的响应。您还可以定义assistant消息来传递模型所需行为的示例。您可以在[此处(opens in a new tab)](https://www.promptingguide.ai/models/chatgpt)了解有关使用聊天模型的更多信息。从上面的提示示例中可以看出，语言模型能够基于我们给出的上下文内容`"The sky is"完成续写。而输出的结果可能是出人意料的，或远高于我们的任务要求。但是，我们可以通过改进提示词来获得更好的结果。让我们试着改进以下：提示词输出结果结果是不是要好一些了？本例中，我们告知模型去完善句子，因此输出的结果和我们最初的输入是完全符合的。提示工程（Prompt Engineering）就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。以上示例基本说明了现阶段的大语言模型能够发挥的功能作用。它们可以用于执行各种高级任务，如文本概括、数学推理、代码生成等。
提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中，一个相对较新的概念。它涉及设计和优化输入提示（prompts），以引导AI模型生成特定类型的输出或执行特定的任务。[heading3]提示工程的关键点包括：[content]1.精确性：通过精确的提示，可以提高AI模型输出的相关性和准确性。2.创造性：提示工程需要创造性地思考如何构建问题或请求，以激发AI模型的特定能力。3.迭代：通常需要多次尝试和调整提示，以获得最佳结果。4.上下文理解：提示需要包含足够的上下文信息，以便AI模型能够理解并执行所需的任务。[heading3]提示词（Prompts）：[content]提示词通常指的是直接输入到AI模型中的问题、请求或指示，它们是提示工程的一部分。提示词可以非常简单，如“给我总结这篇文章的主要观点”，或者更复杂，如设计一个包含多个步骤和条件的复杂任务。[heading3]与提示工程的区别：[content]提示词是实际输入到AI系统中的具体文本，用以引导模型的输出。提示工程则是一个更广泛的概念，它不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化AI模型的效用和性能，而提示词是实现这一目标的手段之一。在实际应用中，提示工程可能包括对AI模型的深入分析、用户研究、以及对特定任务的定制化提示设计。内容由AI大模型生成，请仔细甄别。
提示工程指南（Prompt Engineering Guide）是由[DAIR.AI(opens in a new tab)](https://github.com/dair-ai)发起的项目，旨在帮助研发和行业内相关人员了解提示工程。以传播AI技术和研究成果为目标，DAIR.AI的愿景是赋能新一代AI领域的创新者。本目录内容翻译自：https://www.promptingguide.ai/提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model,LLM）用于各场景和研究领域。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力。基于对大语言模型的浓厚兴趣，我们编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。[Prompt-Engineering-Lecture-Elvis.pdf](https://bytedance.feishu.cn/space/api/box/stream/download/all/HNwJblqwZodlBOxqsXrcCsTDnid?allow_redirect=1)