[api设置] 使用 OpenAI API 进行开发应用的提示词写法和示例

如何给 OpenAI 模型提供清晰有效的指令，如何写提示词能够得到较好的反馈，API和训练好的chatgpt效果是不一样的，因此我们需要单独学习一下APi的提示词工程原理和方法。

即时工程的工作原理
由于 OpenAI模型的训练方式，特定的提示格式效果特别好，可以产生更有用的输出，下面Openai介绍了一些Openai认为效果很好的提示格式，但您可以随意探索不同的格式，它们可能更适合您的任务。

方法列举和示例
注意：“ {文本放在括号里代替} ”

1.使用最新型号
为了获得满意效果，Openai通常建议使用最新、性能最强的模型。较新的模型往往更容易提示工程师。

2. 将指令放在提示符的开头，并使用###或“”将指令和上下文分开

较差方案：

将下面的文字总结为要点列表。
{在此处输入文本}

更好方案：

将下面的文字总结为要点列表。
文字：“{在此处输入文本}”

3. 尽可能具体、详细地描述所需的背景、结果、长度、格式、风格等
具体说明背景、结果、长度、格式、风格等

较差方案：

写一首关于 OpenAI 的诗。

更好方案：

以{著名诗人}的风格写一首关于 OpenAI 的简短励志诗，重点介绍最近的 DALL-E 产品发布（DALL-E 是一个文本到图像的 ML 模型）

4. 通过示例介绍所需的输出格式

较差方案：

提取以下文本中提到的实体。提取以下 4 种实体类型：公司名称、人名、特定主题和主题。
文本：{text}

展示并说明 - 当展示特定格式要求时，模型会做出更好的响应。这也使得以编程方式可靠地解析多个输出变得更加容易。

更好方案：

提取下面文本中提到的重要实体。首先提取所有公司名称，然后提取所有人名，然后提取符合内容的特定主题，最后提取一般的总体主题

所需格式：
公司名称：<comma_separated_list_of_company_names>
人名：-||-
特定主题：-||-
一般主题：-||-

文本：{text}

5. 样本用法，从零样本开始，然后是少样本，都不起作用后进行微调

较差方案

从以下文本中提取关键字。
文本：{text}
关键字：

更好方案 - 提供几个示例

从下面相应的文本中提取关键词。

文本 1：Stripe 提供 API，Web 开发人员可以使用这些 API 将支付处理集成到他们的网站和移动应用程序中。
关键词 1：Stripe、支付处理、API、Web 开发人员、网站、移动应用程序
##
文本 2：OpenAI 训练了非常擅长理解和生成文本的尖端语言模型。Openai的 API 提供对这些模型的访问，可用于解决几乎任何涉及处理语言的任务。
关键词 2：OpenAI、语言模型、文本处理、API。
##
文本 3：{text}
关键词 3：

微调大模型：https://platform.openai.com/docs/guides/fine-tuning。


6. 减少“空洞”和不精确的描述

较差方案：

该产品的描述应该比较简短，只有几句话，不要太多。

更好方案：

使用3到5个句子的段落来描述该产品。

7. 不要只说不该做什么，而要说该做什么

较差方案：

以下是代理与客户之间的对话。请勿询问用户名或密码。请勿重复。
格式如下
客户：我无法登录我的帐户。
代理：

更好方案：

以下是代理与客户之间的对话。代理将尝试诊断问题并提出解决方案，同时避免询问任何与 PII 相关的问题。不要询问 PII（例如用户名或密码），而是让用户参考帮助文章 https://www.niuboyi.com/forum-62-1.html

格式如下
客户：我无法登录我的帐户。
代理：

8. 代码生成专用 - 使用“引导词”推动模型向特定模式发展

较差方案：

# 编写一个简单的 Python 函数，
# 1. 询问我一个英里数
# 2. 将英里转换为公里

在下面的代码示例中，添加“ import ”提示模型应该开始用 Python 编写。（类似地，“ SELECT ”是 SQL 语句开头的一个很好的提示。）

更好方案：

# 编写一个简单的 Python 函数，
# 1. 询问我一个英里数
# 2. 将英里转换为公里
import

参数
通常，Openai发现model 和是改变模型输出最常用的参数。 temperature

·model-性能更高的型号通常更昂贵，并且可能具有更高的延迟。
·temperature-衡量模型输出不太可能的标记的频率。 越高temperature，输出越随机（通常越有创意）。 但是，这与“真实性”不同。 对于大多数事实用例（例如数据提取和真实的问答），temperature0 是最好的。
·max_tokens（最大长度） - 不控制输出的长度，而是对 token 生成的硬性截止限制。理想情况下，您不会经常达到此限制，因为您的模型会在它认为完成时或达到您定义的停止序列时停止。

stop（停止序列） - 一组字符（标记），当生成时，将导致文本生成停止。