PEC - AI创新者大会
视频 : PEC-2024AI创新者大会
李继刚提示词道与术
-
prompt => 表达(不是沟通,和AI一来一往)
- 表达 = 本意 + 文意 + 解意 (本意和解意之间存在误差 , 也是AI回答不理想的原因)
- 本意 = 经验 + 词汇 + 知识 (有经验+知道经验的准确词汇+这个词汇的知识比如attention注意力机制, 代码无需懂 , 但是原理必须了解)
- 提升表达能力的推荐书籍 : 《关于说话的一切》
-
prompt => 表达 => 模型效果 (在prompt就是表达的定义下推出模型效果公式)
- 模型效果 = LLM * (Task + Prompt)
- LLM : 大模型是放大镜 , 所以才有多模型对比的事情 (对应表达中解意的环节)
- Task : 写提示词是针对任何一个场景来写的 , 比如文言文翻译到底翻译为什么风格
- prompt : 重要性第三 (对应表达的文意)
-
prompt 心法
-
乔哈里视窗
-
上面有四个象限(所有prompt技巧都可以装入这个图中)
-
在 [人知道,AI知道] 象限 , 只需要简单说(人本意非常清晰 , AI也知道)
- 此时无需明确角色、背景
-
在 [人知道,AI不知道] 象限 , 就需要喂模式
- rag 公司独有的数据 , AI不知道 , 指定角色也没用 , 应该喂patten
-
在 [人不知道,AI知道] 象限 , 学会提问就是核心竞争模式
- 同样的模型 , 十个人提问层次不一 , 具象概念层 , 抽象工作模式层面 , 问题之间的关联 ...
-
在 [人不知道 , AI知道] 象限 , 留给天才使用的 ， 开放聊
- 物理、数学天才能否通过AI摸索知识的边界
-
上面有 x ,y 轴
-
未来x轴快速往下移 ，AI知道的东西越来越多 ，这一点毋庸置疑
-
y轴是否可以向左移 ?
-
现在 , rag , 提示词 , 微调哪个更重要 ?
-
如何与AI共处 ?
-
prompt的写法
-
从长到短 (过长的话 , 注意力机制会越不可控)
-
压缩 : 从句子 => lisp
- 使用向量数组来写提示词 ? no
- 使用token来写 ? no
- 使用字和词语来写 , 而不是句 ( 压缩 ) ? yes
-
lisp + 词 + 字 => prompt
-
Read in . Prompt out .(多读书)
-
-
Prompt Engineer ?
- 两个方向的提示词工程师
- 程序员 ? (以前编译器 , 现在是大模型 ; 以前编程语言 , 现在自然语言 ; 人人都是程序员 , 程序员是最好的提示词工程师 ; )
- 产品经理 ?
- who 适合
- Prompt(人文) + Enginner (技术) (人文与技术的交集)
- 从左往右 => 程序员群体中 , 喜欢写作 , 语言顺畅 , 善于表达逻辑
- 从右往左 => 人文作家 , 计算机出身 , 结构化思维 ,逻辑性强
- 两个方向的提示词工程师
