学习资料：提示工程指南

1、模型设置

• Temperature：值越小，结果越准确；反之，更具有想象力。
• Top_p：和Temperature一样的效果。
• Max Length：大模型生成的Token数。（Token太长，容易冗余且成本高）
• Stop Sequences：阻止模型生成 token。类似于Max Length。
• Frequency Penalty：对下一个生成的 token 进行惩罚，和重复次数成正比。
• Presence Penalty：对所有重复的 token 进行相同的惩罚。设置越高，重复词越少，内容更丰富；反之，越专注。

temperature 和 top_p,frequency penalty 和 presence penalty，只需要调整其中一个参数就行，不要同时调整两个。

2、提示词

要素

指令、上下文、输入数据、输出指示：输出的格式或类型

技巧

具体、准确、提供正向执行

技术

• 零样本提示（zero-shot prompting）
• 少样本提示
• 链式思考（CoT）提示

• 零样本 COT 提示：让我们逐步思考

• 自动思维链（Auto-CoT）

• 自我一致性：通过少样本 CoT 采样多个不同的推理路径，并使用生成结果选择最一致的答案。

• 生成知识提示：问题，知识,解释和答案

  

• 链式提示（prompt chaining）：将任务分解为许多子任务。 确定子任务后，将子任务的提示词提供给语言模型，得到的结果作为新的提示词的一部分。