Exercise on prompting

提示工程关键概念学习笔记

• 核心目标 (Goal): 利用提示工程技术改进现有提示 (Prompt)，以获得更准确、更符合预期的模型输出。
• 任务定义 (Task Definition):
• 输入 (Input): 一段学术文章文本 (Content Property)。
• 输出要求 (Output Requirement): 将文本中的所有主题提取出来，并以字符串的 JSON 数组形式返回。
• 改进策略与技术 (Improvement Strategies):
• 简洁直接 (Simplicity and Directness):
• 提示应尽可能简单、直接地告诉模型所需的结果格式（例如：明确要求返回“JSON 数组 of strings”）。
• 效果： 显著提高模型对特定格式的遵循度。
• 结构化提示 (Prompt Structuring / Delimiters):
• 使用 XML 标签（如 <text>... </text>）来包裹和界定输入的内容。
• 目的： 建立提示与输入内容之间的清晰连接，帮助模型更好地识别数据边界。
• 步骤化指令 (Step-by-Step Instructions / Specificity):
• 为模型提供明确的执行步骤（例如：1. 仔细检查文本；2. 识别每个主题；3. 将主题添加到 JSON 数组；4. 仅返回 JSON 数组）。
• 目的： 提高复杂任务的执行准确性，减少模型产生额外评论或无关文本的概率。
• 进阶技巧 (Advanced Techniques):
• 可以考虑使用单次提示 (One-shot) 或多次提示 (Multi-shot) 来提供示例，进一步优化输出。

Takeaways

• 提示工程的核心目标是优化提示，以获得更准确、更符合预期的模型输出。
• 应简洁直接地指定所需结果格式（例如，明确要求返回“JSON 数组 of strings”）。
• 使用结构化提示（如 XML 标签）来包裹和界定输入内容，帮助模型识别数据边界。
• 对于复杂任务，必须提供步骤化指令，以提高执行准确性并减少无关文本。
• 进阶优化可考虑使用单次提示或多次提示提供示例。