AI提示是通过生成性人工智能（GenAI）平台（如OpenAI的ChatGPT或Microsoft Copilot）提交给大型语言模型（LLM）的输入。提示可以定义为问题、命令、陈述、代码示例或其他形式的文本。一些LLM还支持非文本提示，包括图像和音频文件。提交输入后，AI平台将其应用于LLM，LLM利用该输入作为生成适当响应的基础。
AI模型可以根据提示的措辞提供多种输出。提示可以简单到几个词，也可以复杂到几段文字。它还可以包括引用的材料或图像以供审阅。提示的目标是向AI模型提供其生成准确、相关输出所需的信息。AI提示还可以是对先前LLM响应的后续提问，例如请求进一步的细节或提供额外信息以增强响应。
为什么AI提示很重要？
AI提示可以用于提交各种请求。AI模型可以回答问题、撰写文章、翻译短语、生成图像、创作诗歌、审查编程代码等。
无论使用案例是什么，精心设计的AI提示对于AI模型提供准确、相关的结果至关重要。如果AI提示定义不明确，LLM输出可能会模糊、误导、偏离主题、不准确或有偏见。
本文为
什么是生成性AI？生成性AI的解释
- 还包括：
- 2024年8大顶级生成性AI工具类别
- AI会取代工作吗？可能受影响的17种工作类型
- 2024年19种最佳大型语言模型
精心设计的AI提示对于获得所需的相关性和准确性至关重要。
有效AI提示的好处
经过仔细定义的提示通常会产生以下结果：
- 准确的响应。有效的AI提示向AI模型传达用户的意图，提供生成适当响应所需的信息。
- 增强的性能。当AI平台提供准确的响应时，用户可以更快地完成任务，节省时间和资源。
- 更好的用户体验。高价值的响应（精心设计的提示使其更可能出现）提高了用户对AI系统的感知价值。
- 增强的决策和生产力。如果用户能够及时获得基于AI提示的准确的信息，他们可以更快做出明智的决策。正确的提示减少了迭代交互，从而提升个人生产力和组织决策能力。
- 增强的创造力。精心设计的AI提示可以生成用户之前可能未考虑的创新想法和视角。
- 定制化。用户可以根据自身需求定制AI提示。例如，营销人员可以通过指定语气、风格和主题来定制提示，从而生成适合活动的独特内容。用户还可以请求或返回图形元素，提交内容以获取反馈。
- 针对性学习。教师可以使用提示个性化学习体验，将教学内容调整为特定用例或需求。提示还可以为学生提供实时评估和快速反馈。
- 节省时间。AI提示通过减少重复解释和快速从大型数据集中检索信息，促进并简化人类语言与AI模型之间的沟通。这可以节省数小时的手动数据挖掘。
这个ChatGPT提示和响应展示了一个涉及计算机代码的用例。
生成性AI的挑战和伦理问题
当生成性AI（GenAI）和LLM设计或执行不当时，可能会出现多种挑战和伦理问题：
- 有害内容。AI提示影响LLM的发展。这些提示可能故意或无意地导致虚假或有害信息的传播。
- AI幻觉。AI幻觉发生在AI模型产生不准确信息但却将其表述为真实时。此现象的产生是因为AI工具（如ChatGPT）旨在预测与用户查询密切相关的词序列，但无法应用逻辑或检测提示中的事实不一致。
- 模糊性。当AI提示中的上下文和输入数据不明确时，AI平台可能会以不正确或无关的信息进行响应。输入数据的类型和质量（无论是文本还是图像）都可能强烈影响AI模型生成特定、清晰结果的能力。
- 偏见输出。如果LLM依赖于有偏见的数据，社会不平等和偏见可能会影响LLM对AI提示的响应，并延续这种偏见。
- 复杂性。创建有效的AI提示可能很困难，尤其是对于技术知识有限的用户。
鉴于这些担忧，应定期监控对AI提示的响应，以检测和最小化错误、偏见和错误信息。通过遵循伦理指南并进行定期审计，组织可以更容易地识别和纠正GenAI平台中的偏见。此外，纽约市的AI偏见法等法律框架可能有助于推动公平并确保问责制。
有关生成性AI相关术语的更多信息，请阅读以下文章：
什么是AI提示工程师？
什么是提示工程？
什么是合成数据？
什么是LangChain？
什么是多模态AI？
AI提示如何工作？
AI提示应向LLM提供明确的指示，以便其生成更有用、准确、完整的响应。然而，提示本身只是系统的一部分。AI模型还使用自然语言处理和深度学习算法来检查和理解用户的输入。
每当AI模型收到提示时，它会参考从训练数据中学习到的模式。训练数据通常由大型数据集组成，以帮助确保更准确的结果。AI模型根据提示和训练数据计算各种词序列和相关性的概率。基于这些结果，模型生成与输入相关的响应。整个过程称为推理。
为了使提示成功生成所需的输出，必须非常具体。像“写一篇论文”这样的AI提示只会产生通用结果。然而，提供精确的细节，例如论文类型、主题、语气、目标受众和字数，可以生成更精确、相关的输出。AI提示的具体性还降低了不准确响应的可能性。
如何在AI中写提示？
无论是ChatGPT、Microsoft Copilot、Google Gemini、Stable Diffusion还是OpenAI的Dall-E，有效的AI提示对于实现预期结果至关重要。以下是一些提示：
- 确定目标。在写提示之前，确定目的和预期输出。例如，要求系统生成一篇少于1000字的博客文章，或返回一张有绿色眼睛和浓密毛发的猫的图像。
- 具体并提供上下文。包括关注特定特征（如特征、形状、颜色、纹理、图案或美学风格）的精确指示。包括背景和上下文信息。例如，“创建风景”未必能产生有用的结果，而“生成一个背景有雪山、前景有平静湖泊、落日温暖色调洒满天空的宁静风景”则更为有效。
- 包括关键词或短语。在可能的情况下，包含重要的关键词和短语，这可以促进搜索引擎优化，并帮助AI模型理解术语偏好。
- 保持提示简洁明了。提示应尽可能准确，省去不必要或冗余的信息。应尽长以充分传达用户希望实现的目标。
- 避免冲突术语。提示应避免使用冲突术语，以免使AI模型感到困惑。例如，在提示中同时使用“抽象”和“现实”可能会使模型感到困惑。
- 提出开放式问题。以是非问题形式构建的提示往往产生的输出有限，而开放式问题更具启发性。例如，不要问“咖啡对健康有害吗？”，而可以问“咖啡消费对健康有哪些利弊？”
- 使用合适的工具。可以使用多种平台和AI工具来生成提示并产生高质量的AI生成内容。像ChatGPT、Dall-E和Midjourney这样的服务允许用户定制和生成提示。
随着生成性AI领域的不断发展，对提示工程师的需求也在上升。探索提示工程师在这一角色中需要的关键技能。
本文最后更新于2024年11月。
