提示在传达和指导大型语言模型（LLM）AI 的行为方面发挥了关键作用。 它们充当用户可以提供的输入或查询，以从模型获取特定响应。
提示的微妙之处
有效的提示设计对于使用 LLM AI 模型实现所需结果至关重要。 提示工程，也称为提示设计，是一个新兴领域，需要创造力和关注细节。 它涉及到选择正确的字词、短语、符号和格式，以指导模型生成高质量和相关文本。
如果已尝试 ChatGPT，则可以查看模型的行为如何根据提供的输入显著变化。 例如，以下提示会生成截然不同的输出：
Please give me the history of humans.
Please give me the history of humans in 3 sentences.
第一个提示生成一篇长篇报告，而第二个提示生成简明的回应。 如果要生成空间有限的 UI，第二个提示将更适合你的需求。 可以通过向提示添加更多详细信息来实现进一步优化的行为，但它可能走得太远并产生不相关的输出。 作为提示工程师，必须找到具体性和相关性之间的正确平衡。
直接使用 LLM 模型时，还可以使用其他控件来影响模型的行为。 例如，可以使用 temperature 参数来控制模型的输出的随机性。 其他参数，如 top-k、top-p、频率惩罚和存在惩罚，也会影响模型的行为。
提示工程：一个新职业
由于这类模型具有较高的可控性，提示工程对于任何使用 LLM AI 模型的人来说都是一项关键技能。 这也是一项高需求技能，因为更多组织采用 LLM AI 模型来自动执行任务并提高工作效率。 良好的提示工程师可以通过设计生成所需输出的提示来帮助组织充分利用其 LLM AI 模型。
借助 语义内核 成为出色的提示工程师
语义内核是一种用于提示工程的宝贵工具，因为它允许你使用通用接口跨多个不同模型试验不同的提示和参数。 这样一来，您就可以快速比较不同模型和参数的输出，并对提示词进行迭代优化，从而获得期望的结果。
熟悉提示工程后，还可以使用语义内核将技能应用于实际方案。 通过将提示与本机函数和连接器相结合，可以构建功能强大的 AI 支持的应用程序。
最后，通过深入与 Visual Studio Code 集成，语义内核还使你可以轻松地将提示工程集成到现有开发流程中。
- 直接在你偏好的代码编辑器中创建提示。
- 使用现有测试框架编写测试。
- 并使用现有的 CI/CD 管道将其部署到生产环境。
提示工程的更多技巧
要成为一名熟练的提示词工程师，需要具备技术知识、创造力和不断试验的能力。 以下是一些帮助你精通提示工程的技巧：
- 了解 LLM AI 模型： 深入了解 LLM AI 模型的工作原理，包括其体系结构、训练过程和行为。
- 域知识： 获取特定于域的知识，以设计符合所需输出和任务的提示。
- 试验： 探索不同的参数和设置，以微调提示，并优化模型针对特定任务或域的行为。
- 反馈和迭代： 持续分析模型生成的输出，并根据用户反馈循环访问提示，以提高其质量和相关性。
- 及时了解最新动态： 持续关注提示工程领域的最新技术进展、研究成果和最佳实践，以提升自身技能，并在这一领域保持领先。
提示工程是一个动态和不断发展的领域，熟练的提示工程师在有效利用 LLM AI 模型的功能方面发挥了重要作用。