提示的基本概念有哪些？

提示是提供給 AI 系統的輸入或指令，用於指示其執行特定工作或產生特定回應。

最簡單的提示類型之一是具有唯一正確回答的基本問題，例如：

提示：世界上最大的森林是什麼？

輸出：世界上最大的森林是亞馬遜雨林。

稍為複雜的提示可能涉及要求 AI：

提示：請建立三個最大的森林清單，按面積排序。

輸出：

1. 亞馬遜雨林 - 南美洲
2. 泰加林或北方針葉林 - 北美洲、歐洲和亞洲
3. 剛果雨林 - 非洲中部

提示規範生成式 AI 系統特定輸出的品質。建立堅實的提示以產生相關可用的結果，是成功使用生成式 AI 的關鍵。生成式 AI 系統仰賴改善提示工程技術，從多樣化資料中學習、最小化偏見、減少混淆，並產生準確的回應。

提示工程師設計查詢，協助 AI 系統掌握提示背後的語言、細微差異和意圖。精心設計且完整的提示會大幅影響 AI 產生的內容品質，無論是影像、程式碼、資料摘要或文字。

有效的提示會縮小原始查詢和有意義 AI 回應之間的差距。提示工程師微調提示可改善模型輸出的品質和相關性，因應特定和一般需求。此流程可減少人工審查和產生後編輯的需求，節省時間和精力，進而達成預期成果。

提示工程範例

使用者透過文字提示與生成式 AI 模型互動。模型會根據先前文字預測下一連串的字句。試想：「當我說 <prompt> 時，您首先想到什麼？」例如，使用知名引號或片語的開頭字提示可讓模型精確繼續文字：

提示：草地是

輸出：綠色。

更複雜的提示運作方式相同，模型會以其最可能的回答回應。提示工程技術協助 AI 系統進一步了解請求和指示，改善模型輸出的品質。

什麼是基本提示方法？

零樣本提示

這包含提供模型直接工作，而不提供範例或內容。有數種方式可以使用此方法：

• 問題：這類提示要求特定答案，對於取得直接且事實的回應很有用。例如：氣候變遷的主要原因是什麼？
• 指示：這會規範 AI 執行特定工作或以特定格式提供資訊。這適用於產生結構化回應或完成定義的工作。範例：列出氣候變遷對環境的五大重大影響，並提供各影響的簡要解說。

除了指定工作的複雜性外，零樣本提示的成功取決於模型擅長的特定工作。

請參閱此範例：解釋砍伐森林對氣候變遷的影響。

產生的回應可能大約在 2,000 個字左右，如果您只需要單一句子，則這可能太長和廣泛而無用。如果出現這種情況，請使用單樣本或少量樣本提示來改善方法：

單樣本提示

這提供單一範例，說明所需的回應格式或風格，協助引導模型比零樣本提示更有效率。範例：

例如：燃燒化石燃料釋放二氧化碳，在大氣層中吸收熱量，導致全球暖化。

現在，請解釋工業化農業對氣候變化的影響。

少量樣本提示

此方法將多個範例提供給模型，強化對工作和預期輸出的理解。這對更複雜的查詢或產生細微回應特別實用。範例：

提供的範例：

• 車輛燃燒化石燃料會釋放溫室氣體，導致大氣溫度上升。
• 森林砍伐減少了可以吸收二氧化碳的樹木數量，加劇全球暖化。
• 工業化農業因家畜生產甲烷，惡化溫室效應。

現在，說明都市化如何影響氣候變遷。

提示工程技術

進階提示技術可協助生成式 AI 工具更能成功處理複雜的工作。提示工程師採用下列技術提升速度和效率：

• 情境化：在提示中提供背景資訊，協助模型更加了解主題。範例：鑒於全球溫度自工業時代前已上升了攝氏 1.2 度，討論對極地冰帽的潛在影響。
• 角色指派：指示模型以特定類型的專家身分或特定風格回應。範例：身為環境科學家，請說明溫室氣體排放和氣候變遷的關係。
• 提示插入：插入影響模型的特定指示，以從特定觀點產生所需輸出，同時維護相關性和準確性。範例：說明氣候變遷的原因。此外，也提醒讀者使用可再生能源，減少碳足跡。
• 循序提示：將複雜查詢細分為較小、可管理的部分，以確保清楚了解並兼顧細節。範例：首先，說明甲烷排放的主要來源。接著，請解釋這些來源如何對氣候變遷產生影響。
• 比較提示：要求模型比較和對比主題的不同層面，在回應中提供平衡觀點。範例：比較可再生能源採用對減少已開發國家與開發中國家碳足跡的影響。
• 假設情境：使用 what-if 情境探索潛在結果或後果。範例：如果所有國家在 2030 年前都採用碳中和政策呢？這會如何影響全球溫度趨勢？
• 意見回饋納入：針對先前回應提供意見回饋，以改善後續模型輸出。範例：稍早，您提到砍伐森林是氣候變遷的主要因素。現在能否詳細說明影響最大的特定砍伐森林行為？
• 思維鏈提示：促進 AI 系統，逐步說明其推理流程。範例：說明工業活動對氣候變遷的影響。從萃取原料開始，接著討論製造流程，最後討論成品的排放量。
• 自我一致性：針對相同提示產生多個回應，並選取最一致的答案。例如：全球暖化的主要原因是什麼？提供三個不同的答案，然後識別其中的共同因素。
• 思維樹：探索問題的不同推理或解決方法。範例：考慮降低碳排放的三大策略：可再生能源、碳捕捉和復育造林。討論每個方法的利弊所在。
• 檢索增強生成：使用從外部資料庫或文件擷取的資訊來強化回應。範例：根據最新的政府間氣候變化專門委員會報告，總結氣候變遷對全球海平面帶來的預測影響。
• 自動推理和工具使用：指示 AI 系統使用外部工具或資料集支援其回答。範例：使用美國國家海洋暨大氣總署氣候資料，分析過去 50 年全球氣溫的趨勢，並說明結果。
• 圖形提示：使用結構化資料（圖形或網路形式）來基於資訊做出回應。範例：鑒於各產業全球碳排放量的圖表，討論哪些部門需要最迫切的改革才能達成氣候目標。
• 多模式思維鏈提示：將文字、影像和圖形等多種資料類型整合到提示中，強化模型的推理。範例：分析所提供前一個世紀的二氧化碳濃度的圖表，並解釋這些變化如何與照片中顯示的全球溫度趨勢相關。

提示是一門技術學科的藝術，透過實驗和經驗，隨著時間完善和改進。請考量下列策略以取得最佳結果：

• 提供特定指示。不留錯誤解釋的空間，並限制操作可能性範圍。
• 使用文字繪製圖片。使用可理解的比較。
• 強化訊息。某些情況下，模型需要重複指示。在提示的開頭和結尾提供方向。
• 邏輯排序提示。資訊順序會影響結果。在提示的開頭放置指示，例如指示模型為「總結下列」可產生與將指示置於結尾並要求模型「總結上述」不同的結果。由於模型中存在近因偏見，因此輸入範例的順序也會影響結果。
• 為模型提供備用選項。若模型難以完成指派的工作，請建議替代方法。例如，透過文字提問查詢時，包含「當沒有答案時，請回覆「找不到」」等句子，可防止模型產生不正確的回應。

提示工程效益

提示工程的主要優點之一是在產生輸出後需要最小的修訂和精力。AI 提供的結果可能因品質而不同，通常需要專家審核和重寫。然而，撰寫良好的提示有助於確保 AI 輸出反映原始意圖，減少大量後續處理工作。

提示工程的其他顯著效益包括：

• 長期 AI 互動的效率，隨著持續使用 AI 而演進
• 創新使用 AI，不侷限於原始設計和目的
• 隨著 AI 系統的規模和複雜性增加，與時俱進

提示工程的企業效益

提示工程也為日常業務營運帶來益處，例如：

• 透過 AI 洞察推動策略性業務成長，改善決策制定
• 透過量身打造的回應和流暢的互動方式，打造個人化的客戶體驗
• 優化資源配置，節省運算資源並降低成本
• 提升產業特定需求的適應力，最大化 AI 建置的價值
• 符合道德的 AI 實務，可解決偏見並協助確保生成式 AI 系統內的公平性，促進企業和社會中的包容性和更公平的結果

提示工程如何改善生成式 AI 系統？

有效的提示工程將技術知識與自然語言、詞彙和情境的深度理解結合，使生成式 AI 系統變得更智慧化，進而產生需要最少修訂的可用輸出。

支援生成式 AI 的基礎模型是建立在 Transformer 架構上的大型語言模型（LLM），深度學習模型可一次處理輸入資料，而非依序處理。這使其特別適合於語言翻譯和文字生成等工作。LLM 包含 AI 系統需要的所有資訊。

生成式 AI 模型使用 Transformer 架構，了解語言複雜性並透過神經網路處理大量資料。AI 提示工程可塑造模型的輸出，確保 AI 系統回應有意義且一致。

模型產生有效回應需要數種策略：

• 分詞化：將文字細分為較小的部分，以便進行分析，協助機器更能了解人類語言
• 模型參數調整：保留相同的預先訓練模型參數以減少計算負載
• Top k 抽樣：根據預測機率，將輸出下一個字詞的選擇限制為僅最可能的選項，有助於維護回應內容和一致性

生成式 AI 模型可透過自然語言處理（NLP）產生複雜的回應。NLP 是 AI 的一個領域，專注於電腦與人類透過自然語言之間的互動，讓機器了解、解讀和產生人類語言。

資料科學準備、Transformer 架構和機器學習演算法可讓這些模型了解語言，並使用大量資料集來建立文字或圖像。文字轉圖像模型使用 LLM 搭配 Stable Diffusion，從文字說明建立圖像。

提示工程使用案例

生成式 AI 的可及性提高可讓公司透過即時工程探索現實問題解決方案：

醫療保健

提示工程師在指示 AI 系統總結醫療資料和制定治療計劃時，扮演關鍵角色。有效的提示可讓 AI 模型準確處理病患資料，進而產生深入且精確的臨床建議。

行銷

提示工程可協助加速內容建立、減少成本和生產時間。也有助於想法產生、個人化和草擬所有類型的交付成果。

軟體編碼

Copilot 利用提示工程的優勢，透過對後續程式碼提供精準建議，簡化軟件開發動態，以更快的速度編寫程式碼。

網路安全

資料科學家和領域專家使用 AI 來模仿網路攻擊，並制定更強大的防禦性計劃。建立 AI 模型的提示有助於尋找軟體中的弱點。

軟體工程

提示工程師可透過使用多種程式語言訓練的生成式 AI 系統，有效產生程式碼片段，並簡化其他複雜的工作。透過特定提示，開發人員自動化編碼和錯誤偵錯、設計 API 整合以減少人工作業，並建立以 API 為基礎的工作流程來控制資料管道，並更有效配置資源。

聊天機器人

聊天機器人開發人員設計有效的提示，確保 AI 系統了解使用者查詢，並即時提供有意義且情境相關的答案。

提示工程師需要哪些技能？

大型科技公司目前急需提示工程師，負責以下工作：

• 建立新內容
• 處理複雜的查詢
• 確保提示與相關資訊切合
• 微調提示以提高準確性
• 強化機器翻譯和自然語言處理工作
• 評估產生的輸出品質並依此改善提示

提示工程師成功所需的技能包括：

• 了解 LLM 的運作方式
• 加強溝通，有效解釋技術概念
• 精通程式設計，尤其是 Python
• 確實掌握資料結構和演算法

核心職能是精通英語，這是訓練生成式 AI 模型的主要語言。提示工程師深入探索詞彙、細微差異、措辭、內容和語言學，設計準確引導 AI 回應的提示。無論是指示模型產生程式碼、理解藝術歷史以建立圖像，或適應各種敘事風格以處理語言工作，提示工程師都精心量身打造提示，以達成預期成果。

常見問題

什麼是神經網路？

神經網路是計算模型，其節點就像生物大腦的神經元一樣聚集在一起，以便實現快速、並行的訊號處理，改善模式辨識和深度學習。

什麼是主要內容？

主要內容構成生成式 AI 模型進行或提出的任何互動、勾動或動作基礎。提示工程師會提供此原始資料，且模型會收集、分析並處理這些資料，以在各種應用中使用。