我们正处于一个生成式AI模型如ChatGPT、Midjourney和Google的Bard正在推动机器与人类操作员所能做到的极限的时代。因此，能够有效调整提示已成为一项宝贵的技能。正确地构建提示可以开启创造力、生产力和问题解决能力的世界。所以让我们深入了解一些用于生成式AI程序的提示调整策略，帮助您发挥它们的全部潜力。
明确和具体
与AI模型进行交流时，明确性是关键。有人称之为手把手指导，但无论您如何称呼，您必须对您希望模型做什么非常明确，否则结果可能不尽如人意。在提示中使用明确而简洁的指示或问题。指定您所寻找的响应的格式或类型。例如，如果您想要一个历史事件的摘要，您可以以“用三句话提供美国内战的简明摘要”开头。具体指导AI产生所需的输出，最大限度地减少无关或离题的响应的风险。
尝试开放式提示
虽然明确性至关重要，但在需要创造力的任务中不要回避开放式提示。对于创作任务或头脑风暴，使用鼓励AI自由探索的提示。例如，“写一个关于未来城市中人类和AI之间不太可能的友谊的短篇故事。”这样的提示可以让AI发挥其创造潜力，并用富有想象力的响应给您带来惊喜。从那里，您可以对生成的内容进行调整，并要求AI专注于或忽略它生成的内容。这种来回交互非常有益，可以产生有趣的结果。
调整温度和最大标记
许多AI模型，如Midjourney，提供“温度”和“最大标记”等参数，影响生成文本的随机性和长度。请记住，每个模型调整这些功能的方式可能不同。温度控制生成文本中的随机程度。较低的值（如0.2）会产生更确定性的响应，而较高的值（如0.8）会引入随机性。最大标记限制响应的长度。尝试使用这些参数来调整AI的输出，使其符合您的喜好。
正如提到创建艺术的模型，温度调整可以在图像方面产生各种各样的效果。
迭代细化
将提示的微调视为一个迭代过程。如果初始响应不符合您的期望，调整提示并再次尝试。反复迭代，直到达到所需结果。逐渐调整提示可以让AI更好地理解您的具体要求。
利用预训练
大多数AI模型，包括ChatGPT和Bard，在大规模数据集上进行了预训练。通过在提示中提供上下文来利用这种预训练。引用与您的查询相关的特定信息或场景。例如，如果您正在讨论医学主题，您可以以“考虑到医学研究的最新进展，解释基因治疗对遗传性疾病的潜在益处。”开头。这种上下文有助于AI生成更相关和知情的响应。
使用人类示范
一些AI模型，如ChatGPT，可以从人类示范中受益。在提示中，不仅仅提问，还可以展示所需的响应。例如，如果您希望AI生成代码，您可以从正确的代码片段开始，并指示其继续或进一步解释代码。这种方法通过示例引导AI，从而产生更准确的结果。或者，您甚至可以要求AI基于您正在处理的主题采取角色。如果您希望编写代码，可以让AI扮演计算机科学教师的角色，并开始向其提问。
结论
所以，正如您所看到的，精确调整提示的艺术是一项强大的技能，可以让您充分发挥生成式AI程序的潜力。无论您是寻找创造灵感、解决复杂问题还是生成内容，这些策略都将帮助您制定出产生所需结果的提示，同时确保负责任和道德的AI使用。
如果你想将你的提示提升到更高的水平，那么你不会想错过ODSC West的LLM跟踪。向一些领先的头脑学习，他们正在开拓最新的大型语言模型的进展。有一个完整的跟踪专门致力于NLP和LLMs，你将享受到关于这个快节奏领域的演讲、会议、活动等。
确认的会议包括：
- 使用特征存储个性化LLMs
- 了解大型模型的现状
- 使用LlamaIndex在你的数据上构建以LLM为动力的知识工作者
- 使用data2vec进行通用和高效的自监督学习
- 走向可解释和语言无关的LLMs
- 在Slack消息上进行LLM的微调
- 超越演示和原型：如何使用开源LLMs构建可投入生产的应用程序
- 使用LangChain自动化业务流程
- 连接大型语言模型-常见问题和挑战
你还在等什么？立即获取你的通行证！