提示词工程

背景

LLM 时代，AI 经过大规模数据的预训练处理，展现出了在语言和思想上的认知。

同时人们为了利用 LLM 更有效、更准确地完成给定的任务，除了通过训练模型来提升基座模型的能力，还可以从另一方面进行优化：修改给 LLM 的输入内容。

因此，提示词工程的重点是在不调整模型的前提下，如何让 LLM 发挥出更好的效果。

工程化体系

1. 构造提示词（从最简单的提示词开始，不要一开始就复杂化）
2. 验证提示词效果
   1. 指标包括 Accuracy(正确率)、 Speed(AI回答速度)、 Consistency(稳定性一致性)
   2. 考虑比较的方式及边界 case 验证
3. 优化调整提示词，并回到第二步重新验证新提示词效果