Google人工智能提示工程.pdf
这份文档是关于提示工程（Prompt Engineering）的白皮书，由李·布恩斯特拉（Lee Boonstra）撰写，并由谷歌发布。文档旨在介绍如何通过设计高质量的提示（Prompts）来引导大型语言模型（LLMs）产生更准确和有用的输出。
主要内容包括：
1. **介绍：** 强调提示工程的重要性，任何人都可以编写提示，但有效的提示需要迭代和优化。
2. **提示工程定义：** LLM本质是一个预测引擎，提示工程的目标是设计高质量的提示，引导LLM预测正确的token序列，涉及优化提示长度、写作风格和结构。
3. **LLM输出配置：**
* **输出长度：** 控制生成的token数量，影响计算成本和响应时间。
* **采样控制：** 包括温度（Temperature）、Top-K和Top-P，用于控制token选择的随机性和多样性。
* 温度控制随机性，较低温度产生更确定性的响应，较高温度产生更多样化的响应。
* Top-K选择最可能的K个token，Top-P选择累积概率不超过P的token。
* 强调需要根据应用和期望的结果调整这些参数，并理解不同参数之间的相互影响。
4. **提示技巧：**
* **零样本提示 (Zero-shot Prompting)：** 仅提供任务描述和文本，不提供示例。
* **单样本和少样本提示 (One-shot & Few-shot Prompting)：** 提供一个或多个示例，帮助模型理解任务并指导输出模式。
* **系统、上下文和角色提示 (System, Contextual and Role Prompting)：**
* 系统提示设定总体环境和目标。
* 上下文提示提供与当前任务相关的细节。
* 角色提示为模型分配特定的角色或身份。
* **Step-back Prompting：** 首先提出与特定任务相关的普遍问题，然后将该问题的答案反馈到后续的特定任务提示中。
* **思维链 (Chain of Thought, CoT)：** 通过生成中间推理步骤来提高LLM的推理能力。
* **自洽性 (Self-Consistency)：** 结合采样和多数投票，生成多样化的推理路径并选择最一致的答案。
* **思维树 (Tree of Thoughts, ToT)：** 允许 LLM 同时探索多个不同的推理路径。
* **ReAct (Reason & Act)：** 结合自然语言推理和外部工具，使 LLM 能够执行某些操作。
* **自动提示工程 (Automatic Prompt Engineering, APE)：**使用模型生成更多提示，评估并优化它们。
5. **代码提示 (Code prompting)：**
* 强调LLM在代码生成、解释、翻译和调试方面的能力。
* 通过例子展示如何使用提示来生成代码片段、解释代码功能、将代码从一种语言翻译成另一种语言，以及调试代码中的错误。
6. **多模态提示 (Multimodal prompting)：** 使用多种输入格式（文本、图像、音频、代码）来引导模型。
7. **最佳实践：**
* 提供示例。
* 保持简洁明了。
* 明确输出要求。
* 使用指令而非约束。
* 控制最大token长度。
* 使用变量。
* 尝试不同的输入格式和写作风格。
* 在少样本提示中混合类别。
* 适应模型更新。
* 尝试不同的输出格式（如JSON）。
* 使用 JSON schema 结构化输入。
* 团队协作。
* 记录提示尝试。
* CoT的最佳实践：将答案放在推理之后，将温度设置为0。
总而言之，这份文档为读者提供了一个全面的提示工程指南，涵盖了各种提示技巧和最佳实践，旨在帮助读者更好地利用LLM解决各种问题。
相关报告
-
5.68 MB 53页 Google上下文工程：会话和记忆（中文版）.pdf
-
25.02 MB 366页 2025年大模型应用：从提示工程到AI智能体报告.pdf
-
18.43 MB 86页 DeepSeek内部研讨系列：DeepSeek提示词工程和落地场景-北京大学-202502.pdf
-
424.35 KB 42页 “人工智能+零售业”创新发展报告-商务部-202605.pdf
-
4.22 MB 71页 人工智能赋能海洋产业研究报告（2026年）.pdf
-
545.84 KB 24页 创业者AI应用场景及提示词参考手册.pdf
-
2.25 MB 315页 2026年度三北工程苗木供需分析报告.pdf
-
12.97 MB 126页 双向赋能：AI与游戏的协同进化-大湾区人工智能应用研究院-202604.pdf
-
16.72 MB 54页 2026年人工智能（AI）状况报告.pdf
-
13.28 MB 126页 人工智能行业双向赋能：I与游戏的协同进化.pdf
-
23.7 MB 78页 人工智能与产业发展深度研究报告-清新研究-202604.pdf
-
5.72 MB 200页 “人工智能+”行业发展蓝皮书-上海交大-202604.pdf
-
7.24 MB 138页 能源和人工智能的关键问题.pdf
-
56.14 MB 72页 人工智能大模型行业创新应用分析报告.pdf
-
16.73 MB 423页 2026年人工智能指数报告.pdf
-
4.89 MB 41页 人工智能对美容个护行业的影响：全球及日本的新兴趋势-英敏特-202604.pdf
-
567.38 KB 15页 2026六力模型：下一代人工智能通用底层框架白皮书（V1.0）-深品创新实验室-202604.pdf
-
2.28 MB 64页 扩大健康领域的人工智能应用.pdf
-
2.27 MB 61页 2026负责任人工智能（AI）尽职调查指南.pdf