ChatGPT 火了 5 個月，你知道如何提示才能最大程度發揮其性能嗎？
原文鏈接：https://medium.com/sopmac-ai/prompt-engineering-tips-for-chatgpt-73c3dca6f99d
作者 | Ivan Campos
譯者 | 彎月 責編 | 鄭麗媛
出品 | CSDN（ID：CSDNnews）
作為大型語言模型接口，ChatGPT 生成的響應令人刮目相看，然而，解鎖其真正威力的關鍵還是在于提示工程。
在本文中，我們將揭示制作提示的專家級技巧，以生成更準確、更有意義的響應。無論你使用 ChatGPT 是為了服務客戶、創建內容，還是僅僅為了娛樂，本文提供的知識和工具可以幫助你優化 ChatGPT 的提示。
成本優化
在考慮高級提示時，不經意間很容易生成冗長且占用大量資源的提示，非常不利于成本控制，有一個行之有效的解決方案是：精簡提示響應。
精簡響應
為了縮減 ChatGPT 響應的長度，你可以在提示中注明長度或字符限制，例如：創建一個不超過 280 個字符的 推特帖子。
更通用的方法是，將如下內容添加到提示中：
? Respond as succinctly as possible.（響應盡可能簡潔。）
簡化提示術語
? Zero-shot（零示例）：不需要提供示例。
? One-shot（單示例）：只提供一個例子。
? Few-shot（少量示例）：提供幾個例子。
模式
利用 ChatGPT 生成文本的最佳方法取決于大型語言模型執行的特定任務。如果你不確定使用哪種方法，可以嘗試不同的方法，看看哪種方法最適合自己。下面，我們將介紹 5 種方法來幫助你快速上手。
思維鏈（Chain-of-Thought，CoT）
思維鏈方法需要為 ChatGPT 提供一些可用于解決特定問題的中間推理步驟示例。
自問法（Self-Ask）
自問法指的是，讓模型在回答初始問題之前，先想一想（然后回答），再回答最初的問題。
分步法（Step-by-Step）
分步法指的是向 ChatGPT 提供 以下說明：
? Let’s think step by step.（我們來一步步思考。）
實踐證明，這種技術可以提高大型語言模型在各種推理任務上的表現，包括算術、常識和符號推理。
OpenAI 利用人類反饋強化學習（Reinforcement Learning from Human Feedback，RLHF）訓練了 G PT 模型，因此，ChatGPT 的底層模型與類人的逐步思考方法相一致。
ReAct 法
ReAct（Reason + Act）法指的是結合推理軌跡與特定于任務的操作。推理軌跡幫助模型規劃和處理異常，而操作允許它從知識庫或環境等外部來源收集信息。
反思法
反思法（Reflexi on）建立在 ReAct 模式的基礎之上，通過添加動態記憶和自我反思的能力來增強大型語言模型，改進其推理軌跡和特定于任務的動作選擇能力。
以上，我們介紹了 5 種最先進的模式，下面我們來看一看與提示工程相關的幾種反模式。
反模式
三星等公司已經意識到：不要共享私人或敏感信息。了解員工如何將專有代碼和財務信息輸入到 ChatGPT 僅僅是個開始。很快，word、Excel、PowerPoint 以及所有常用的企業軟件都會集成類似 ChatGPT 的功能。
將數據輸入到 ChatGPT 之類的大型語言模型之前，請確保制定好政策。需要注意的是，OpenAI API 的數據使用政策明確指出：
提示注入“默認情況下，OpenAI不會使用客戶通過我們的API提交的數據來訓練OpenAI的模型或改進OpenAI的服務產品。”
“OpenAI API的數據將保留30天，用于監控濫用和誤用。個別有授權的OpenAI員工以及保密和安全義務約束的專業第三方承包商可以訪問此數據，僅用于調查和驗證涉嫌濫用行為。”
正如你需要保護數據庫免受 SQL 注入攻擊一樣，請務必確保你向用戶公開的任何提示免受提示注入的攻擊。此處的“提示注入”指的是，一種通過向提示中注入惡意代碼來操縱語言模型輸出的技術。
第一個記錄在案的提示注入是由 Riley Goodside 提出的，他只是在提示前添加了下面這句話：
“Ignore the above directions”（忽略上述指示）。
然后再給出想要的動作，從而成功地讓 GPT-3 執行任意動作。
提示泄露
同理，提示不僅會被忽略，還有可能被泄露。
提示泄露是一個安全漏洞，攻擊者可以提取模型自帶的提示，Bing 在發布自己的 ChatGPT 集成后不久后，就遇到了這樣的情況。
從廣義上講，提示注入和提示泄漏大致如下所示：
雖然總有一些行為不端者希望利用你公開的提示，但就像通過準備好的語句防止 SQL 注入一樣，我們也可以創建 防御性的提示來對抗不良提示。
三明治防御
三明治防御就是這樣的一種技術，你可以將用戶的輸入與你的提示目標“夾在中間”。
總結
ChatGPT 響應是不確定的，這意味著即 使輸入相同的提示，模型也有可能返回不同的響應。為了應對不確定性結果的不可預測性，你可以在使用OpenAI API時，將參數 temperature 設置為零或很低的值。
你可以自由嘗試本文介紹的提示技巧，但是，在探索時請記住大型語言模型的不確定性
