1.8 提示词优化
目录
写在前面
一，小样本学习 Few-Shot Learning
二，思维链 Chain-of-Thought
三，自洽性 Self-Consistency
四，思维树 Tree-of-thought
五，用提示词优化提示词 Meta-Prompt Optimization
写在前面
为什么要做提示词优化？
我们在使用大模型的时候，同一任务使用不同表述的提示词，可能得到差异巨大的结果，因为模型的性能高度依赖输入提示词的质量。我们可以通过提示词优化来更高效地获取理想输出。
提示词的优化可以提升模型理解精度，优化后的提示词能更精准传达意图。
同时无效的提示词可能导致模型多次尝试或生成冗余内容。优化后提示词可减少API调用次数，降低计算成本。
大模型存在幻觉、偏见等问题。通过提示词优化可主动规避风险，提高准结果确性。
一，小样本学习 Few-Shot Learning
小样本学习本质上就是示例，通过给模型一个具体的“模板”或“样板间”，或注入少量样本，让模型更清晰地理解你的任务要求，期望的输出格式，风格和深度。
举例如下：
- 优化前
“写一封辞职信” 优化后：“写一封辞职信，包含感谢语和离职日期。
- 优化后
感谢公司三年来的培养，因个人发展需要，拟于2024年6月1日正式离职...”
二，思维链 Chain-of-Thought
思维链 Chain-of-Thought，CoT，Let's think step by step。AI会把问题分解成多个步骤，然后逐步解决，使得输出的结果更加准确。
举例如下：
- 优化前
“写一篇关于提高工作效率的文章。”
- 优化后
“分析现代职场中常见的效率障碍，如多任务处理、会议过多、技术干扰等。针对每个障碍提出具体解决方法，并引用心理学或时间管理理论作为依据。最后总结一套可立即实施的行动清单。”
三，自洽性 Self-Consistency
自洽性（Self-Consistency）是一种通过多次生成并筛选逻辑一致的答案来对抗模型幻觉的提示词优化方法。
它是一种对抗幻觉的方法，就像我们做数学题通过多次验算来保证答案的准确性。其核心是让模型对同一问题生成多个答案，通过投票或一致性检查选出最可靠的回答。
它适用于例如数学计算、事实核查等需要精确答案的任务。以及模型容易产生幻觉的开放性问题（如历史事件、科学解释）。
假设我们想让AI根据用户的兴趣生成一份个性化的旅游推荐。如果我们只运行一次提示，AI可能会给出一些不符合逻辑或不够全面的建议，这就是一种“幻觉”或者说不够“自洽”的表现。
- 优化前
拿破仑哪一年登基为法国皇帝？
- 优化后
请根据可靠历史资料，独立回答以下问题3次，选择最一致的答案：
问题：拿破仑哪一年登基为法国皇帝？
要求：
1. 每次回答需标注依据（如“根据《法国大革命史》，…”）。
2. 若答案不一致，选择出现频率最高的结果。
四，思维树 Tree-of-thought
ToT，Three-of-thought，在思维链的每一步，采样多个分支，拓扑展开成一颗思维树。判断每个分支的任务完成度，以便进行启发式搜索。通过设计搜索算法，判断叶子结点的任务完成的正确性。
简单来说就是ToT通过以下阶段来解决问题：
-
分解问题：将大问题拆解为多个子问题。
-
生成分支：对每个子问题生成多种解决思路（即“思维分支”）。
-
评估分支：对每条分支的可行性、逻辑性打分。
-
回溯与整合：选择最优分支，合并成最终答案。
- 优化前
奶茶店销量下降，该怎么办？
- 优化后
请按以下步骤分析问题：
1. 分解问题：销量下降可能涉及哪些方面？（如产品、竞争、顾客需求等）
2. 生成分支：对每个方面列出3种可能原因。
3. 评估分支：根据概率和影响度打分（1-5分）。
4. 整合最优解：选择总分最高的策略组合。
五，用提示词优化提示词 Meta-Prompt Optimization
Meta-Prompt Optimization（元提示词优化）指的是优化你用来生成或改进其他提示词。通过让大语言模型（LLM）自己帮助优化提示词，通过迭代反馈生成更高效的提问方式。
- 优化前
写一篇关于未来城市交通的文章
- 提示词优化
我需要你作为一名专业的提示词工程师，为我撰写一个用于生成AI文章的提示词。这篇AI文章的主题是‘未来城市交通’。 请确保你生成的提示词包含以下关键要素：
- 明确指定文章的长度（例如，500字）。
- 设定文章的目标读者（例如，科技爱好者）。
- 要求文章涵盖至少3个具体方面（例如，无人驾驶、空中交通、公共交通创新）。
- 指定文章的风格（例如，科普、展望）。
- 强调文章内容的原创性和深度。
- 优化后
使用SWOT分析法评估某公司的市场竞争力，要求：
1. 优势：列举2-3个核心优势（如技术、品牌）。
2. 劣势：指出2-3个关键短板（如成本、渠道）。
3. 机会：分析2-3个市场机会（如新兴市场、政策支持）。
4. 威胁：识别2-3个主要威胁（如竞争对手、替代品）。
基于分析，给出1条具体战略建议。