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词 (Prompt)，以获得更准确、更可靠的输出。
• 本例任务：将学术文章的文本段落输入，提取所有主题，并输出为 JSON 字符串数组。

• 改进策略与技巧 (Prompt Engineering Techniques):

• 简洁与直接 (Simplicity and Directness):
• 提示词应尽可能简洁、直接地说明需求。
• 明确指定所需的输出格式（例如：必须是 JSON 数组 of strings），避免模糊的指令。
• 效果： 显著提高模型对特定格式（如 JSON）的遵循度。

• 结构化提示词 (Prompt Structuring):
• 使用 XML 标签来组织提示词结构。
• 通过标签（如 <text>）清晰地界定输入数据和指令，增强模型对上下文的理解。

• 步骤化指令 (Step-by-Step Instructions):
• 提供详细的执行步骤，引导模型遵循特定的思考流程（类似思维链）。
• 示例步骤： 仔细检查文本 → 识别每个主题 → 将主题添加到 JSON 数组 → 最后返回 JSON 数组。

• 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，进一步提高输出质量。

• 评估与迭代 (Evaluation and Iteration):
• 通过运行评估报告 (Evaluation Report) 来了解模型输出被评分低的原因。
• 根据评估反馈，持续迭代和优化提示词，直到达到期望的性能指标。

Takeaways

• 提示工程的核心目标是改进提示词，以获得更准确、更可靠的输出。
• 提示词应简洁、直接，并明确指定所需的输出格式（例如：必须是 JSON 数组）。
• 采用结构化提示词（如使用 XML 标签）和步骤化指令（思维链）来引导模型思考。
• 通过运行评估报告，根据反馈持续迭代和优化提示词，直到达到期望性能。