了解改善完成品質的提示
提示建構可能很困難。 在實務上，提示用來設定模型權數以完成所需的工作，但它比較是藝術而不是科學，通常需要體驗和直覺來製作成功的提示。
當您將建構良好的提示傳送至模型時，模型會傳回更好的完成結果。
在我們的登山建議 Bot 中，絕佳的系統提示可協助模型準備好建議適當的步道。 良好的使用者提示會進一步精簡模型傳回的建議。
在此單元中，我們將討論可用來建構提示的一般概念和模式，並查看可用來改善完成品質的一些技術。
基本
文字提示是使用者與 GPT 模型互動的方式。 生成語言模型會嘗試產生接下來最可能遵循先前文字的單字系列。 就像我們說的是，當我說<提示>時，您心中想到的第一件事是什麼？
當您開發複雜的提示時，記住此基本行為會很有幫助。 不論提示為何，模型都只會以其判斷最有可能遵循提示的內容回應。
提示元件
使用完成 API 時，提示的不同部分之間沒有任何差異，但將提示分解成其元件零件仍然很有用，因為目標是思考提示建構。
指示
指令可能是最常用的提示元件。 它們是提示的一部分，告知模型該做什麼，而且範圍可以從簡單到複雜。 例如，建議登山路線給您是一位愛好登山者，會協助人們在其地區探索有趣的登山路線。您很有活力而且友善。您在第一次說你好時會自我介紹。在協助人時，您一律會詢問他們的位置，以及告知您提供的登山建議所需的登山強度。
主要內容
主要內容是指模型正在處理或轉換的某種文字。 它通常會與指令搭配使用。 例如，您取得該資訊之後，接著會提供三個建議的附近登山路線，這些路線的長度有所不同。
主要內容可能更長，例如要求模型摘要維基百科文章。
範例
成功的提示通常會依賴「一次性」或「小數據」學習的做法。 這是指包含模型所需行為的一或多個範例，通常包括輸入和輸出對。 這並不是學習，因模型已永久變更，而是範例會更妥善地訓練模型，讓它只針對目前的推斷按需求回應。
沒有範例的提示使用有時稱為「零次」學習。
Hike request: I live near Seattle and would like an easy hike.
Recommendation: That's great to hear, the Seattle area has some of the best hikes in the nation! You should try Little Si, you'll love it.
Hike request: I want to go on a hike in the North Cascades that will blow my mind.
Recommendation: You won't find a bad hike in the North Cascades. However, I hear the Sahale Arm stops people in their tracks with its beauty.
Hike request: I'd like to find a strenuous hike that's just like the Enchantments, but without as many people.
Recommendation:
提示
提示會作為模型輸出的「快速啟動」，協助將模型導向所需的輸出。 它通常是模型可以在其上建置的前置詞。 提示可以引導完成包含重要元素。 它們通常會與指令一起使用。
下列範例顯示摘要許多軌跡檢閱的單一提示。
| 提示 | Completion |
|---|---|
| 路徑檢視清單會列出路徑目前的狀況，所以路徑檢視是登山客是否要登山的重要考量。 [...] 摘要說明上述路徑檢視： 路徑檢視的主要重點如下： |
信箱尖峰路徑現在泥濘不堪，一旦您到達林線以上，就會有很多蚊子。 從上午十點開始路徑也會有許多人。 |
支援內容
支援內容是模型可用來以某種方式影響輸出的資訊。 它與主要內容不同，因為它不是主要目標或工作，但通常會與主要內容一起使用。 常見的範例包括內容相關的資訊，例如目前日期、使用者名稱、使用者喜好設定等等。
最佳作法
- 保持具體。 盡可能少進行解譯。 限制作業空間。
- 具描述性。 使用類比。
- 加倍強調。 有時候您可能需要自行重複模型。 提供主要內容前後的指示、使用指示和提示等等。
- 整理事情的順序。 您向模型呈現資訊的順序可能會影響輸出。 不論您將指令置於內容之前 (請摘要以下...) 或之後 (請摘要上述...)，會讓輸出產生不同的結果。 即使是小樣本範例的順序也很重要。 這個技術稱為近因偏差。
- 啟動輸出。 在提示結尾包含幾個單字或片語，以取得遵循所需形式的模型回應。
- 給模型一個 "out"。 如果模型無法完成指派的工作，有時提供替代路徑可能會很有幫助。 例如，在一段文字上詢問問題時，您可能會包含類似這樣的內容：如果答案不存在，則以「找不到」回應。這個技術可協助模型避免產生錯誤回應。
- 思考提示鏈結。 系統會指示模型逐步執行，並呈現所有相關的步驟。 這麼做可降低結果不正確的可能性，並讓評估模型回應變得更容易。