自动规划的prompt如何设计编写

高效的、针对特定任务的提示词往往由专家精心设计，整合详细的指令和领域见解，这基于对大型语言模型（LLM）的本能和目标任务的复杂性的深入了解。然而，如何自动化地生成这样的专家级提示词仍然是一个挑战。现有的提示词优化方法往往忽视领域知识的深度，且难以高效地探索专家级提示词的巨大空间。为了解决这一问题，我们提出了PromptAgent，这是一种优化方法，可以自主地设计与专家手工制作的同等质量的提示词。PromptAgent的核心观点是将提示词优化视为一个策略性规划问题，并采用一种基于蒙特卡洛树搜索的原则性规划算法，策略性地导航专家级提示词空间。受到人类试错探索的启发，PromptAgent通过反思模型的错误并生成有建设性的错误反馈，诱导出精确的专家级见解和深入的指令。这种新颖的框架允许智能体迭代地检查中间提示词（状态），基于错误反馈（行为）对其进行细化，模拟未来的回报，并寻找通往专家提示词的高回报路径。我们将PromptAgent应用于跨越三个实际领域的12个任务：BIG-Bench Hard(BBH)、特定领域的NLP任务以及通用的NLP任务，结果显示它显著地超越了强大的Chain-of-Thought以及最近的提示词优化基线。深入的分析强调了其制定专家级、详细和富有领域洞察力的提示词的高效性和普适性。

[【渐构】万字科普GPT4为何会颠覆现有工作流_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1MY4y1R7EN/?spm_id_from=333.337.search-card.all.click&vd_source=da75b8139ed7919da366ae88ca2ca8a4)一个同样是B站UP“新石器公园”发布的：[终于有人把chatGPT说清楚了哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1yV4y1k7Tc/?spm_id_from=333.337.search-card.all.click&vd_source=da75b8139ed7919da366ae88ca2ca8a4)当你理解chatGPT到底是如何理解人类语言和人类文明之后，你会理解很多在prompt编写中遇到的问题。比如为什么有时候：你说城门楼子他回答胯骨轴子，比如为什么有时候：你说林黛玉最擅长什么它说倒拔垂杨柳。第二步、找到一个真正的需求来开始你的第一个prompt编写这一步其实需要你有一定的洞察能力，需要你在生活中自己发现需求。有个很简单但是好用的方法论：“如果某事你重复做了三遍，那么你就要思考如何将它自动化”举两个例子栗子1：比如你发现每次都要在群里发同样的自我介绍，你就可以写一个自动优化排版的Prompt，生成出一个像这样的结果：这个Prompt可以让你把输入的一大段小作文自动排版成微信发布时更清爽的排版。

在开始写提示前，建议你先阅读以下内容。[heading2]简单任务场景[content]为了让Bot达到更好的体验，建议你在编写提示时包含如下内容：设定人物：描述Bot所扮演的角色或职责、回复风格。例如：你是一个新闻播报员，可以用非常生动的风格讲解科技新闻。描述功能和工作流程：描述Bot的功能和工作流程，约定Bot在不同的场景下如何回答用户问题。例如：当用户查询新闻时，调用“getToutiaoNews”工具来搜索新闻。尽管Bot会根据提示内容自动选择工具。但仍建议通过自然语言强调在何种场景下、调用哪个工具来提升对Bot的约束力，选择更符合预期的工具以保证回复的准确性。例如：当用户询问最新的科技新闻时，先调用“getToutiaoNews”搜索最新科技新闻，再调用“LinkReaderPlugin”访问新闻地址，最终整理最重要的3条新闻回复用户。此外，你也可以为Bot提供回复格式的示例。Bot会模仿提供的回复格式回复用户。例如：请参考如下格式回复：新闻标题新闻摘要：30个字左右的新闻摘要新闻时间：yyyy-mm-dd指示Bot在指定范围内回答：如果您想限制回复范围，请直接告诉Bot什么应该回答、什么不应该回答。例如：拒绝回答与新闻无关的话题；如果并没有搜索到新闻结果，请告诉用户你没有查到新闻，而不应该编造内容。[heading2]复杂任务场景[content]对于功能相对复杂的Bot，我们推荐使用结构化格式来编写提示，结构化提示使用Markdown语法，可读性更强（更便于迭代），对Bot的约束更强。扣子支持将Bot的提示自动优化成结构化的内容，你可以直接使用结构化的内容，也可以基于优化后的内容进行修改。下面是一个结构化的提示示例。