1、Prompt 提示词的分类 什么是 Prompt？ Prompt 是模型接收的初始文本输入，用于指导模型生成响应或执行任务。用户可以通过 prompt 与大语言模型进行交互，请求回答问题、生成文本或完成其他任务。 Prompt 的分类 根据可解释性、交互方式和应用领域，prompt 可以分类为硬提示和软提示，以及在线提示和离线提示。 硬提示（Hard Prompt） 硬提示是预定义的文本模板，通常包含离散输入标记。这些静态提示可以用于编程、存储和重用，但需要合理设置。 软提示（Soft Prompt） 软提示是在提示调优过程中创建的，包含嵌入或数字，代表从大模型中获得的知识。软提示缺乏可解释性，但可以替代额外的训练数据。 应用领域分类 Prompt 可用于不同任务，如信息检索、文本生成、翻译、情感分析、编程等。
背景上下文描述用户的环境、需求和期望。在提示中加入上下文有助于更好地引导模型生成合适的响应。
提示中包含的例子有助于提高模型的答案质量。例如，为某个职位撰写职位描述时，可以提供情景描述和参考案例。
角色定义了人工智能在交互中所扮演的角色。例如，模拟专家、招聘人员或聊天机器人。 格式和语气
格式化提示，使其适合特定目标，如表格、文章、对话等。
选择合适的语气，例如正式、友好或幽默。 2、硬提示和软提示的特点
定义 硬提示是预定义的文本模板，通常包含离散输入标记。这些静态提示可以用于编程、存储和重用。 示例 例如，一个硬提示可以是："翻译以下英文句子到法语："，后面跟着待翻译的英文句子。 特点 硬提示在结构上是固定的，不会随着模型的状态或上下文而变化。
定义 软提示是在提示调优过程中创建的，包含嵌入或数字，代表从大模型中获得的知识。软提示缺乏可解释性，但可以替代额外的训练数据。 示例 例如，我们可以使用从其他模型中提取的嵌入向量作为软提示，以帮助模型更好地理解任务。 特点 软提示可以根据任务和上下文进行动态调整，因此更灵活。 3、软提示和硬提示的应用场景 软提示 (Soft Prompts) 优点
缺点
应用场景
硬提示 (Hard Prompts) 优点
缺点
应用场景
理解提示工程对于更好地利用大型语言模型的能力至关重要，它可以帮助我们更准确地获取所需的答案或生成文本。软提示依赖自动学习，高效且支持多任务，而硬提示则可解释且灵活。通常，结合使用这两种方法可以发挥最大效力。 |
