这篇论文介绍了 26 条指导原则，旨在简化查询和提示大型语言模型（LLMs）的过程。研究者们的目标是简化为不同规模的大型语言模型制定问题的各种概念，检查它们的能力，并增强用户对不同规模的大型语言模型在不同提示下行为的理解。论文通过在 LLaMA-1/2（7B, 13B 和 70B）和 GPT-3.5/4 上进行广泛的实验来验证所提出原则在指令和提示设计上的有效性。研究者们希望这项工作能为研究大型语言模型提示的研究者提供更好的指导。其中关于“惩罚”和“奖励”的部分是 AGI 的萌芽吗？
最近发现了一种编写 Prompt 的高阶方法,"结构化Prompt",作者开源成一个LangGPT项目,我实践下来效果确实不错,结构清晰,可读性强,易于迭代维护,全是优点,唯一的缺点是Token占用会稍多一些.
我将介绍提示词设计和提示工程方面的一些高级技术，如果你还不熟悉提示工程，建议从《基础篇》开始。请务必记住，即使有效地使用了提示工程，你仍需要验证模型生成的响应结果。 因为精心制作的提示适用于某个特定方案并不一定意味着它能更广泛地推广到其他用例。
本手册中的所有示例都基于 GPT-4 模型和中文环境测试。
有一类人，时刻盯紧科技圈最新最前沿的AI动态，然后在朋友圈表现出愈加强烈的焦虑，生怕错过这波AI浪潮，做梦都在思考AI要如何去改变这个世界。
然而，这些科技新闻除了让人更加焦虑外，并不能在创意、推广和商业模式方面给予我更多的启发。我意识到，现在是时候去深入了解那些更底层的工作原理，去搞清楚大型语言模型能够做什么、更适合做什么，以及不能做什么。
现在，让我为你详细介绍一下ChatGPT的一些内容：