什麼是提示工程（Prompt Engineering）？

要理解提示工程，首先需要了解生成式 AI、大型語言模型（LLM），以及「提示」（Prompt）的概念。

什麼是生成式人工智慧（Generative AI）？

生成式人工智慧（生成式 AI）是一類人工智慧模型，能根據輸入的文本或指令自動產生對應的輸出。與傳統基於規則或模板的系統不同，生成式 AI 不僅限於匹配或填充預定內容，而是能自主生成全新的文字、圖像、音訊等內容。

什麼是大型語言模型（Large Language Model, LLM) ？

大型語言模型（Large Language Model, LLM）是生成式 AI 的一種，透過超大規模數據訓練而成，能高度模仿人類的思維與語言習慣，並在使用過程中持續學習與優化，專注於處理與生成人類語言的連續文字。

什麼是提示（Prompt）？

提示（Prompt）是指提供給生成式 AI 模型的輸入文字或指令。它可以是問題、短語、段落，甚至完整的文章，用來引導模型產生相應的回應或輸出。提示的主要作用是指示模型執行特定任務或生成符合需求的內容。

什麼是提示工程（Prompt Engineering）？

根據以上討論，我們可以了解，透過設計合適的提示（Prompt），可以引導模型生成特定主題的文章、回答特定問題，或進行有意義的對話。提示的品質與準確性對於產出符合預期的結果至關重要。

提示工程（Prompt Engineering） 指的是透過開發與優化提示詞，與大型語言模型（LLM）互動，以引導其產生預期結果，而無需對模型本身進行修改。

提示工程可幫助研究人員提升 LLM 在處理複雜任務（如問答、數學推理）的能力，或優化生成式 AI 在特定應用場景的表現。透過合理設計與運用提示工程，可充分發揮大型語言模型潛力，讓其更準確地執行各種任務，提升應用效能。

提示工程的基礎要素

由於提示工程透過調整提示來達成目標，因此首要任務是了解提示的結構與撰寫方式。提示的格式多樣，但主要由四個關鍵要素組成：

• 指令：明確說明希望語言模型執行的特定任務或操作。
• 上下文：提供額外資訊或背景，以幫助模型更準確理解並生成回應。
• 輸入數據：包含用戶輸入的內容或問題，作為模型產出結果的依據。
• 輸出指示：指定期望的輸出類型或格式，以確保結果符合需求。

需要注意的是，提示的格式取決於具體任務類型，並非所有要素皆為必需。根據不同應用場景，可靈活選擇適當的要素來引導模型產生更精確的輸出。以下，我們透過一個案例來進一步說明：

提示工程的重要技術

零樣本提示

在前述示例中，我們使用的皆為零樣本提示，亦即不提供範例，而僅透過描述內容與期望結果來引導模型生成回應。

少樣本提示

雖然多數大型語言模型已能有效處理零樣本提示，但當結果未達預期時，可透過提供範例作為「上下文提示」，引導模型產出更精確的回應。

最常見的應用案例包括：

• 針對新詞進行解釋與造句
• 內容分類
• 情緒分析與判斷

然而，少樣本提示仍有其局限性，特別是在需要多重推理的問題上，例如算術運算與邏輯推理題，模型有時無法給出正確的推論。在這種情況下，「思維鏈提示」（Chain of Thought Prompting）便成為一項關鍵技術。

思維鏈提示（Chain of Thoughts Prompting）

Wei 等人（2022）提出了 思維鏈提示（Chain of Thoughts Prompting）概念，透過引入 中間推理步驟，提升大型語言模型的複雜推理能力。

此方法可結合 少樣本提示，特別適用於需要更高層次推理的任務。具體而言，它透過描述一系列 中間推理過程，由人工構建推理步驟，使模型學習這些邏輯推演，進而在 數學推理、常識推理、符號推理 等任務中獲得更優結果。

現在思維鏈提示以及邏輯訓練已經成爲大型語言模型訓練中的重點，包括各種高級學科知識訓練以及推理訓練，以提高模型的複雜推理能力。

Appen Prompt Engineering 服務

Appen 深耕 AI 數據服務 26 年，提供 Prompt Engineering 客製化服務，包括指令標註、指令泛化、COT（思維鏈）描述等，為您的大型語言模型部署提供全方位支援。如需了解更多，歡迎聯繫我們的專家，為您量身打造最佳解決方案。