03.Prompt

结构化Prompt：

LangGPT的写法：

    # Role: <name> : 指定角色会让 GPT 聚焦在对应领域进行信息输出

    ## Profile author/version/description : Credit 和 迭代版本记录

    ## Goals: 一句话描述 Prompt 目标, 让 GPT Attention 聚焦起来

    ## Constrains: 描述限制条件, 其实是在帮 GPT 进行剪枝, 减少不必要分支的计算

    ## Skills: 描述技能项, 强化对应领域的信息权重

    ## Workflow: 重点中的重点, 你希望 Prompt 按什么方式来对话和输出

    # Initialization: 冷启动时的对白, 也是一个强调需注意重点的机会

CO-STAR的写法：

    C: Context: Provide background and information on the task
    C：上下文： 提供有关任务的背景和信息

    O: Objective: Define the task that you want the LLM to perform
    O： 目标：定义您希望 LLM 执行的任务

    S: Style: Specify the writing style you want the LLM to use
    S：风格： 指定您希望 LLM 使用的写作风格

    T: Tone: Set the attitude and tone of the response
    T：色调： 设定响应的态度和语气

    A: Audience: Identify who the response is for
    A： 受众： 确定响应的对象

    R: Response: Provide the response format and style
    R：响应： 提供响应格式和样式

其他Prompt提示词框架：

• ICIO框架（比较常见）

    Instruction 指令：执行的具体任务。
    Context 背景信息：提供背景信息，以引导模型生成更符合需求的回复。
    Input Data 输入数据：需要处理的数据。
    Output Indicator 输出引导：告知所需输出的类型或风格。
• CRISPE框架

    Capacity and Role 能力和角色：应该扮演的角色（或多个角色）
    Insight 洞察：提供幕后洞察力、背景信息和上下文。
    Statement 声明：简洁明了地说明希望完成的任务
    Personality 个性：回应的风格、个性或方式
    Experiment 实验：要求提供多个回答示例
• BROKE框架

    Background 背景：提供充足的背景信息。
    Role 角色：明确扮演的角色
    Objectives 目标：描述需要实现的目标。
    Key Result 关键结果：期望的具体效果，以便对输出进行试验和调整。
    Evolve 试验并改进：利用【a.改进输入；b.改进答案；c.重新生成。】三种自由组合的改进，来优化回答
• CREATE框架

    Clarity 清晰度：明确界定提示的任务或意图。
    Relevant info 相关信息：提供相关细节，包括具体的关键词和事实、语气、受众、格式和结构。
    Examples 实例：使用提示中的示例为输出提供背景和方向。
    Avoid ambiguity 避免含糊不清：重点关注关键信息，删除提示中不必要的细节。
    Tinker 迭代、修补：通过多次迭代测试和完善提示。
• TAG框架

    Task 任务：定义具体任务。 
    Action 行动：描述需要做什么。 
    Goal 目标：解释最终目标。
• RTF框架

    Role 角色：指定 ChatGPT 的角色。 
    Task 任务：定义具体任务。 
    Format 格式：定义您想要的答案的方式。
• ROSES框架

    Role 角色：指定 ChatGPT 的角色。 
    Objective 目标：说明目的或目标。 
    Scenario 场景：描述情况。 
    Solution 解决方案：定义期望的结果。 
    Steps 步骤：询问达成解决方案所需的行动。
• APE框架

    Action 行动：定义要完成的工作或活动。 
    Purpose 目的：讨论意图或目标。 
    Expectation 期望：说明期望的结果。
• RACE框架

    背景：设置讨论的舞台或背景。 
    行动：描述您想要做什么。 
    结果：描述期望的结果。 
    示例：举一个例子来说明你的观点。
• TRACE框架

    Task 任务：定义具体任务。 
    Request 请求：描述您的请求。 
    Action 行动：说明您需要采取的行动。 
    Context 语境：提供背景或情况。 
    Example 示例：举一个例子来说明你的观点。

终极版Prompt：

# Role 
    角色：定义要模拟的角色或任务，告诉大模型应该扮演什么样的角色。
# Profile 
    简介：提供关于提示词作者、版本、语言等基础信息。这有助于其他人了解提示词的来源、版本更新等信息。
## Background 
    背景：对角色或任务进行详细描述，帮助大模型了解他们即将扮演的角色的背景知识。
## Goals 
    目标：列出此任务的主要目标或希望达到的效果。
## Constrains 
    约束条件：指明执行任务时需要遵守的规则或约束
## Definition 
    详细描述任务中涉及到的特定概念或名词，确保概念对齐。
## Tone 
    语气风格：描述完成任务时应采取的语言风格或情感基调，例如“正式”、“随意”、“幽默”等。
## Skills 
    技能：列出执行此任务所需的技能或知识。强调提升注意力。
## Examples
    示例：提供完成任务的实际示例或模板，有助于理解任务的要求和预期结果。通过具体示例，大模型可以更加直观地理解任务的要求。one-shot、few-shots
## Workflows
    工作流程：描述完成任务的具体步骤或流程。重要‼️‼️
## OutputFormat 
    输出格式：描述任务的预期输出格式，例如文本、图表、列表、Json等。确保大模型知道如何格式化他们的答案，使输出结果满足特定的要求或标准。
## Initialization 
    初始化：提供开始任务时的开场白或初始状态。强调提升注意力。

Prompt 提示技巧：

• Zero-shot（零样本）
• One-shot（单样本）
• Few-shot（少样本范例）
• COT（思维链 Chain of thought prompting）
• TOT（思维树 Tree of thought prompting）
• AOT（思维算法 Algorithm of Thoughts）
• Fine-tuned（微调）
• Streamlining Complex Tasks with Chains（使用工具链简化复杂任务）
• APE（Automatic Prompt Engineering 自动提示工程 Prompt Generation、Score、Iteration）
• RAG（Retrieval Augmented Generation 使用外部知识库进行检索增强）
• Emotional Stimulus（利用情绪激励手段提升性能）

Prompt工程框架：

• Langchain（tool Chains）
• Semantic Kernel（multiple programming languages）
• Guidance
• Nemo Guardrails（construct Rails）
• LlamaIndex（data management）
• FastRAG（basic RAG）
• Auto-GPT（LLM agents）

Instructions 建议：

• 需要批判性使用，不保证绝对的正确

参考：

Prompt EngineringPrincipled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4LangGPT通往AGI之路