理解提示的基本原理、清晰的指令和提供示例的方法,是与大型语言模型(LLM)有效交互的基础。这里有动手练习,帮助你编写你的第一个提示并查看结果。对于这些练习,你需要使用LLM。你可以使用第5章(“使用预训练LLM”)将更详细介绍的网页界面或基本API方法。许多免费和付费服务都提供简单的聊天式界面,非常适合上手。目前无需担心找到“最合适”的LLM;目标是练习提示的方法。请记住,即使使用相同的提示,LLM有时也可能产生意料之外或略有差异的输出。请侧重回复的大致结构和意图,而不是逐字逐句的精确复制。开始:你的首次交互让我们从最基本的交互方式开始:提出直接问题或给出简单指令。练习1:简单提问打开你选定的LLM界面。在输入区域,输入以下提示:What is the main function of a CPU in a computer?提交提示并查看回复。预期结果: LLM应提供对CPU作用的简明解释,可能会提到执行指令或进行计算。注意直接问题通常会得到直接答案。练习2:简单指令清除之前的交互或开始新的交互。输入以下提示:List three primary colors.提交提示并检查输出。预期结果: 模型应输出包含红、黄、蓝的列表。这展示了遵循简单指令的能力。它是以编号列表、项目符号列表还是仅以逗号分隔的文本格式呈现的?除非明确指定,否则格式可能会有所不同。给出更明确的指令如前所述,清晰很重要。让我们尝试完善一条指令。练习3:指定格式使用练习2中的指令,但修改它以要求特定格式。输入以下提示:List the three primary colors as a numbered list.提交并与练习2的输出进行比较。预期结果: 这次,LLM更有可能以编号点的形式显示颜色(例如,1. Red, 2. Yellow, 3. Blue)。这显示了添加具体限制如何影响回复的结构。基本生成和长度控制LLM擅长生成文本。让我们尝试一个简单的创意任务并尝试控制输出长度。练习4:短句生成开始新的交互。输入以下提示:Write one sentence describing a rainy day.提交提示。预期结果: 模型应生成一句与雨有关的句子,可能提到声音、景象或感受。练习5:扩展生成现在,我们要求更多一些细节。输入以下提示:Write three sentences describing a rainy day.提交并与练习4的输出长度进行比较。预期结果: 模型应生成一个短段落,大约三句话长,关于一个下雨天。虽然LLM不总是严格遵守确切的句子数量,但明确要求一个数字通常能有效引导输出长度。少样本提示简介提供示例可以很好地引导模型,特别是对于模型可能无法立即理解的特定格式或任务。练习6:简单类比(少样本)假设你想让LLM完成类比。你可以先提供一个示例。输入以下提示,包括示例:完成类比: Dog is to bark as cat is to meow. Tree is to leaf as flower is to petal. Sun is to day as moon is to 提交提示。预期结果: 通过识别模式(事物:相关部分/属性),LLM会被引导正确完成最后的类比,可能会输出“night”。这展示了一个简单示例(或两个)如何为所需任务设定背景。反思与实验完成这些练习,但不要止步于此。尝试稍微修改提示:改变主题(例如,提问关于行星而不是颜色)。重新措辞指令(例如,“告诉我关于……”与“解释……”)。要求不同的输出格式(例如,“使用项目符号”,“写成一个段落”)。尝试稍微更复杂的少样本示例。观察这些变化如何影响LLM的回复。留意模型何时很好地遵循了你的指令,以及何时它似乎误解或忽略了提示的部分内容。这种实验对于培养有效的提示技能非常重要。你正在学习如何通过你提供的文本将你的意图传达给模型。继续练习!