构建高性能 Prompt 之路——结构化 Prompt

雷宇

在国内率先提出结构化、模板化编写大模型提示词（Prompt）范式的是云中江树。2023年，他通过LangGPT项目开源这种方法，并在多个社区获得广泛认可。

云中江树在一篇文章中分享了结构化Prompt的一些经验：

1. 结构化 Prompt 的概念：与传统的 Prompt 不同，结构化 Prompt 类似于写作中的结构化方法，使用标题、子标题、段落等来组织内容。

2. 结构化 Prompt 的优势：
   - 提升了内容的可读性和表达性。
   - 通过层级结构降低了人和模型的认知负担，提高了语义认知。
   - 定向唤醒大模型的深层能力，如通过角色扮演提高模型表现。
   - 像代码开发一样构建生产级 Prompt，便于维护和多人协同。

3. 结构化 Prompt 的编写方法：
   - 使用标识符和属性词来构建层次结构。
   - 利用模板化的方法简化 Prompt 编写。
   - 结合 CoT（Chain of Thought）等其他 prompting 技巧。

4. 结构化 Prompt 的开发工作流：
   - 自动化生成初版结构化 Prompt 后进行手工迭代调优。
   - 使用自动化分析评估 Prompt 并基于评估结果进行迭代。

5. 结构化 Prompt 的局限性：
   - 依赖于基座模型的能力，不能解决模型本身的问题。
   - 存在无法解决的问题，如幻觉问题、知识老旧问题等。

6. 不同模型对结构化 Prompt 的适用性：
   - GPT-4 是最佳选择，Claude 次之，GPT-3.5 勉强可用。

7. 如何写好结构化 Prompt：
   - 构建全局思维链。
   - 保持上下文语义一致性。
   - 有机结合其他 Prompt 技巧。

8. 结构化 Prompt 的实际应用：
   - 在商业应用中得到证明，许多企业包括网易、字节等互联网大厂都在使用。

9. 结构化 Prompt 的相关文章汇总：
   - 文章末尾提供了一些结构化 Prompt 的高质量模板和相关文章链接。

10. 结语：
    - 强调写好 Prompt 的关键在于找到适合自己的方法，结构化 Prompt 只是一种思路，可能随着大模型能力的发展而变化。