哈嘍！伙伴們，我是小智，你們的AI向導。歡迎來到每日的AI學習時間。今天，我們將一起深入AI的奇妙世界，探索“面向開發(fā)者的LLM入門課程-提示原則模型思考”，并學會本篇文章中所講的全部知識點。還是那句話“不必遠征未知，只需喚醒你的潛能！”跟著小智的步伐，我們終將學有所成，學以致用，并發(fā)現(xiàn)自身的更多可能性。話不多說，現(xiàn)在就讓我們開始這場激發(fā)潛能的AI學習之旅吧。

面向開發(fā)者的LLM入門課程-提示原則模型思考：

原則二 給模型時間去思考

在設計Prompt時，給予語言模型充足的推理時間非常重要。語言模型與人類一樣，需要時間來思考并解決復雜問題。如果讓語言模型匆忙給出結論，其結果很可能不準確。例如，若要語言模型推斷一本書的主題，僅提供簡單的書名和一句簡介是不足夠的。這就像讓一個人在極短時間內解決困難的數(shù)學題，錯誤在所難免。

相反，我們應通過Prompt指引語言模型進行深入思考?？梢砸笃湎攘谐鰧栴}的各種看法，說明推理依據(jù)，然后再得出最終結論。在Prompt中添加逐步推理的要求，能讓語言模型投入更多時間邏輯思維，輸出結果也將更可靠準確。

綜上所述，給予語言模型充足的推理時間，是Prompt Engineering中一個非常重要的設計原則。這將大大提高語言模型處理復雜問題的效果，也是構建高質量Prompt的關鍵之處。開發(fā)者應注意給模型留出思考空間，以發(fā)揮語言模型的最大潛力。

1.指定完成任務所需的步驟

接下來我們將通過給定一個復雜任務，給出完成該任務的一系列步驟，來展示這一策略的效果。

首先我們描述了杰克和吉爾的故事，并給出提示詞執(zhí)行以下操作：首先，用一句話概括三個反引號限定的文本。第二，將摘要翻譯成英語。第三，在英語摘要中列出每個名稱。第四，輸出包含以下鍵的JSON對象：英語摘要和人名個數(shù)。要求輸出以換行符分隔。

text = f”””
在一個迷人的村莊里，兄妹杰克和吉爾出發(fā)去一個山頂井里打水。
他們一邊唱著歡樂的歌，一邊往上爬，
然而不幸降臨——杰克絆了一塊石頭，從山上滾了下來，吉爾緊隨其后。雖然略有些摔傷，但他們還是回到了溫馨的家中。
盡管出了這樣的意外，他們的冒險精神依然沒有減弱，繼續(xù)充滿愉悅地探索。
“””

# example 1
prompt_1 f”””
執(zhí)行以下操作：
1-用一句話概括下面用三個反引號括起來的文本。
2-將摘要翻譯成英語。
3-在英語摘要中列出每個人名。
4-輸出一個JSON對象，其中包含以下鍵：english_summary，num_names

請用換行符分隔您的答案。

Text:
“` {text }“`
“””
response = get_completion (prompt_1 )
print (“prompt 1:” )
print (response )

prompt 1:

1-兩個兄妹在山上打水時發(fā)生意外，但最終平安回家。

2-In a charming village, siblings Jack and Jill set off to fetch water from a well on top of a hill. While singing joyfully, they climbed up, but unfortunately, Jack tripped on a stone and rolled down the hill, with Jill following closely behind. Despite some minor injuries, they made it back to their cozy home. Despite the mishap, their adventurous spirit remained undiminished as they continued to explore with delight.

3-Jack, Jill

4-{“english_summary”: “In a charming village, siblings Jack and Jill set off to fetch water from a well on top of a hill. While singing joyfully, they climbed up, but unfortunately, Jack tripped on a stone and rolled down the hill, with Jill following closely behind. Despite some minor injuries, they made it back to their cozy home. Despite the mishap, their adventurous spirit remained undiminished as they continued to explore with delight.”, “num_names”: 2}

上述輸出仍然存在一定問題，例如，鍵“姓名”會被替換為法語（譯注：在英文原版中，要求從英語翻譯到法語，對應指令第三步的輸出為’Noms:’，為Name的法語，這種行為難以預測，并可能為導出帶來困難）

因此，我們將Prompt加以改進，該Prompt前半部分不變，同時確切指定了輸出的格式。

prompt_2 = f”””
1-用一句話概括下面用 <> 括起來的文本。
2-將摘要翻譯成英語。
3-在英語摘要中列出每個名稱。
4-輸出一個JSON對象，其中包含以下鍵：English_summary，num_names。

請使用以下格式：
文本：<要總結的文本>
摘要： <摘要 >
翻譯： <摘要的翻譯 >
名稱：<英語摘要中的名稱列表>
輸出 JSON ：<帶有 English_summary 和num_names 的JSON>

Text: < {text }>
“””
response = get_completion (prompt_2 )
print (“nprompt 2:” )
print (response )

prompt 2:

Summary:在一個迷人的村莊里，兄妹杰克和吉爾在山頂井里打水時發(fā)生了意外，但他們的冒險精神依然沒有減弱，繼續(xù)充滿愉悅地探索。

Translation: In a charming village, siblings Jack and Jill set off to fetch water from a well on top of a hill. Unfortunately, Jack tripped on a rock and tumbled down the hill, with Jill following closely behind. Despite some minor injuries, they made it back home safely. Despite the mishap, their adventurous spirit remained strong as they continued to explore joyfully.

Names: Jack, Jill

JSON Output: {“English_summary”: “In a charming village, siblings Jack and Jill set off to fetch water from a well on top of a hill. Unfortunately, Jack tripped on a rock and tumbled down the hill, with Jill following closely behind. Despite some minor injuries, they made it back home safely. Despite the mishap, their adventurous spirit remained strong as they continued to explore joyfully.”, “num_names”: 2}

2.指導模型在下結論之前找出一個自己的解法

在設計Prompt時，我們還可以通過明確指導語言模型進行自主思考，來獲得更好的效果。

舉個例子，假設我們要語言模型判斷一個數(shù)學問題的解答是否正確。僅僅提供問題和解答是不夠的，語言模型可能會匆忙做出錯誤判斷。

相反，我們可以在Prompt中先要求語言模型自己嘗試解決這個問題，思考出自己的解法，然后再與提供的解答進行對比，判斷正確性。這種先讓語言模型自主思考的方式，能幫助它更深入理解問題，做出更準確的判斷。

接下來我們會給出一個問題和一份來自學生的解答，要求模型判斷解答是否正確：

prompt = f”””
判斷學生的解決方案是否正確。

問題:
我正在建造一個太陽能發(fā)電站，需要幫助計算財務。

土地費用為100美元/平方英尺
我可以以250美元/平方英尺的價格購買太陽能電池板
我已經談判好了維護合同，每年需要支付固定的10萬美元，并額外支付每平方英尺10美元作為平方英尺數(shù)的函數(shù)，首年運營的總費用是多少。

學生的解決方案：

設x為發(fā)電站的大小，單位為平方英尺。
費用：

土地費用：100x
太陽能電池板費用：250×
維護費用：100,000美元+100×
總費用：100x+250x+100 ,000美元+100×=450x+100 ,000美元
“””

response = get_completion (prompt )
print (response )

學生的解決方案是正確的。他正確地計算了土地費用、太陽能電池板費用和維護費用，并將它們相加得到了總費用。

但是注意，學生的解決方案實際上是錯誤的。（維護費用項100x應為1Ox ，總費用450x應為360x）

我們可以通過指導模型先自行找出一個解法來解決這個問題。

在接下來這個Prompt中，我們要求模型先自行解決這個問題，再根據(jù)自己的解法與學生的解法進行對比，從而判斷學生的解法是否正確。同時，我們給定了輸出的格式要求。通過拆分任務、明確步驟，讓模型有更多時間思考，有時可以獲得更準確的結果。在這個例子中，學生的答案是錯誤的，但如果我們沒有先讓模型自己計算，那么可能會被誤導以為學生是正確的。

prompt = f”””
請判斷學生的解決方案是否正確，請通過如下步驟解決這個問題：

步驟：
首先，自己解決問題。
然后將您的解決方案與學生的解決方案進行比較，對比計算得到的總費用與學生計算的總費用是否一致，并評估學生的解決方案是否正確。
在自己完成問題之前，請勿決定學生的解決方案是否正確。

使用以下格式：

問題：問題文本
學生的解決方案：學生的解決方案文本
實際解決方案和步驟：實際解決方案和步驟文本
學生計算的總費用：學生計算得到的總費用
實際計算的總費用：實際計算出的總費用
學生計算的費用和實際計算的費用是否相同：是或否
學生的解決方案和實際解決方案是否相同：是或否
學生的成績：正確或不正確

問題：
我正在建造一個太陽能發(fā)電站，需要幫助計算財務。
-土地費用為每平方英尺100美元
-我可以以每平方英尺250美元的價格購買太陽能電池板
-我已經談判好了維護合同，每年需要支付固定的10萬美元，并額外支付每平方英尺10美元;

作為平方英尺數(shù)的函數(shù)，首年運營的總費用是多少。

學生的解決方案：

設x為發(fā)電站的大小，單位為平方英尺。
費用：

1.土地費用：100x美元
2.太陽能電池板費用：250×美元
3.維護費用：100,000+100×=10萬美元+10×美元

總費用：100x美元+250×美元+10萬美元+100×美元=450x+10萬美元

實際解決方案和步驟：
“””

response = get_completion(prompt)
print(response)

實際解決方案和步驟：

1.土地費用：每平方英尺100美元，所以總費用為100x美元。
2.太陽能電池板費用：每平方英尺250美元，所以總費用為250×美元。
3.維護費用：固定費用為10萬美元，額外費用為每平方英尺10美元，所以總費用為10萬美元+10×美元。
4.總費用：將上述三項費用相加，得到總費用為100x美元+250×美元+10萬美元+10×美元=360x+10萬美元。

學生計算的總費用：450x+10萬美元
實際計算的總費用：360x+10 萬美元
學生計算的費用和實際計算的費用是否相同：否
學生的解決方案和實際解決方案是否相同：否
學生的成績：不正確

嘿，伙伴們，今天我們的AI探索之旅已經圓滿結束。關于“面向開發(fā)者的LLM入門課程-提示原則模型思考”的內容已經分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹記，精準提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學習更多的AI知識，請關注我們的官網“AI智研社”，保證讓你收獲滿滿呦！