设计提示建议
在设计提示时，请记住以下一些提示：
从简单开始
在开始设计提示时，要记住这实际上是一个需要大量实验的迭代过程，以获得最佳结果。使用 OpenAI 或 Cohere 的简单示例是一个很好的起点。
您可以从简单的提示开始，随着目标更好的结果，逐渐添加更多元素和上下文。沿途迭代您的提示对于这一点至关重要。阅读本指南时，您会看到许多示例，其中具体性、简单性和简洁性通常会为您带来更好的结果。
当您有一个涉及许多不同子任务的大任务时，可以尝试将任务拆分为更简单的子任务，并随着获得更好的结果而逐步构建。这样可以避免在提示设计过程中一开始就添加过多复杂性。
指令
您可以通过使用命令来指导模型实现各种简单任务而设计有效的提示，例如“写”，“分类”，“总结”，“翻译”，“排序”等。
请记住，您也需要进行大量实验以找到最佳方法。尝试不同的指令、关键词、上下文和数据，看看哪种方法最适合您的特定用例和任务。通常情况下，上下文与您要执行的任务越具体和相关，效果就越好。我们将在即将发布的指南中介绍抽样和添加更多上下文的重要性。
其他人建议将指令放在提示的开头。另一个建议是使用一些明确的分隔符，如“###”来分隔指令和上下文。
例如：
提示:
### 指令 ###
将下面的文本翻译成西班牙语：
文本: "hello!"
输出:
¡Hola!
具体性
在指令和任务描述方面要非常具体。提示越具体和详细，结果就越好。当您有所期望的结果或生成风格时，这一点尤为重要。并没有特定的标记或关键词会带来更好的结果。拥有良好的格式和描述性提示更为重要。事实上，在提示中提供示例非常有效，可以获得特定格式的期望输出。
在设计提示时，您还应考虑提示的长度，因为提示的长度有一定限制。考虑提示应该有多具体和详细。包含太多不必要的细节并不一定是一个好方法。细节应该是相关的，并有助于当前任务。这是您需要大量实验的事情。我们鼓励大量实验和迭代，以优化您应用程序的提示。
举个例子，让我们尝试一个简单的提示，从一段文本中提取特定信息。
提示:
从以下文本中提取地点名称。
期望格式:
地点: <逗号分隔的地点列表>
输入: "Although these developments are encouraging to researchers, much is still a mystery. “We often have a black box between the brain and the effect we see in the periphery,” says Henrique Veiga-Fernandes, a neuroimmunologist at the Champalimaud Centre for the Unknown in Lisbon. “If we want to use it in the therapeutic context, we actually need to understand the mechanism.“"
输出:
地点: Champalimaud Centre for the Unknown, Lisbon
输入文本取自这篇自然杂志文章。
避免不精确性
根据上述关于详细和改进格式的提示，很容易陷入想要在提示中过于聪明并可能创建不精确描述的陷阱。更直接和具体往往更好。这里的类比与有效沟通非常相似--越直接，信息传递就越有效。
例如，您可能有兴趣了解提示工程的概念。您可以尝试类似以下的内容：
解释提示工程的概念。保持解释简短，只用几句话，不要太描述性。
从上面的提示中不清楚要使用多少句话以及什么风格。您可能仍然会得到不错的回应，但更好的提示应该是非常具体、简洁和直接的。类似这样的内容：
用2-3句话向高中生解释提示工程的概念。
做还是不做？
设计提示时的另一个常见技巧是避免说不要做什么，而是说应该做什么。这样可以更具体地鼓励专注于导致模型产生良好响应的细节。
以下是一个电影推荐聊天机器人的例子，由于我的指示方式，它未能做到我所不希望的事情，即专注于不要做什么。
提示:
以下是一个向客户推荐电影的代理程序。不要询问兴趣。不要询问个人信息。
顾客: 请根据我的兴趣推荐一部电影。
代理程序:
输出:
当然，我可以根据你的兴趣推荐一部电影。你想看什么类型的电影？动作片、喜剧片、爱情片，还是其他类型的电影？
以下是一个更好的提示:
提示:
以下是一个向客户推荐电影的代理程序。代理程序负责从全球热门电影中推荐一部电影。它应该避免询问用户的偏好并且不要要求个人信息。如果代理程序没有电影推荐，应该回复“抱歉，今天找不到推荐的电影”。
顾客: 请根据我的兴趣推荐一部电影。
代理程序:
输出:
抱歉，我没有关于你兴趣的信息。不过，这是目前全球热门电影的列表：[电影列表]。希望你能找到喜欢的电影！
以上部分示例摘自"Best practices for prompt engineering with OpenAI API" article. [20]