官方發(fā)布了一個GPT提示詞的最佳實踐指南，主要包括六個方面的優(yōu)化策略，而且每個策略給出了相應(yīng)的案例

策略1：寫清楚說明

GPT 對您想要什么的猜測越少，您獲得它的可能性就越大。

比如：如果輸出太簡單，請要求專家級的寫作。

還列舉了一些具體的例子：

• 在您的查詢中包含詳細信息以獲得更相關(guān)的答案
• 要求模特采用角色
• 使用定界符清楚地指示輸入的不同部分
• 指定完成任務(wù)所需的步驟
• 提供例子
• 指定所需的輸出長度

策略2：提供參考文本

GPT 可以自信地編造假答案，尤其是當被問及深奧的話題或引用和 URL 時。就像一張筆記可以幫助學生在考試中取得更好的成績一樣，為 GPT 提供參考文本可以幫助以更少的捏造來回答。

• 指示模型使用參考文本回答
• 指示模型使用參考文本中的引用來回答
  

策略3：將復雜任務(wù)拆分為更簡單的子任務(wù)

正如在軟件工程中將復雜系統(tǒng)分解為一組模塊化組件是一種很好的做法一樣，提交給 GPT 的任務(wù)也是如此。

復雜的任務(wù)往往比簡單的任務(wù)有更高的錯誤率。

此外，復雜的任務(wù)通常可以重新定義為更簡單任務(wù)的工作流，其中早期任務(wù)的輸出用于構(gòu)建后續(xù)任務(wù)的輸入。

• 使用意圖分類來識別與用戶查詢最相關(guān)的指令
• 對于需要很長對話的對話應(yīng)用，總結(jié)或過濾之前的對話
• 分段總結(jié)長文檔并遞歸構(gòu)建完整摘要

策略4：給 GPT 時間“思考”

如果要求將 17 乘以 28，您可能不會立即知道，但隨著時間的推移仍然可以計算出來。同樣，GPT 在試圖立即回答而不是花時間找出答案時會犯更多的推理錯誤。在回答之前詢問一系列推理可以幫助 GPT 更可靠地推理出正確答案。

• 在匆忙下結(jié)論之前指示模型制定出自己的解決方案
• 使用內(nèi)心獨白或一系列查詢來隱藏模型的推理過程
• 詢問模型是否遺漏了之前傳遞的任何內(nèi)容

策略5：使用外部工具

通過為 GPT 提供其他工具的輸出來彌補它們的弱點。

例如，文本檢索系統(tǒng)可以將相關(guān)文檔告知 GPT。代碼執(zhí)行引擎可以幫助 GPT 進行數(shù)學運算和運行代碼。如果一項任務(wù)可以通過工具而不是 GPT 更可靠或更有效地完成，請卸載它以充分利用兩者。

使用基于嵌入的搜索來實現(xiàn)高效的知識檢索

使用代碼執(zhí)行來執(zhí)行更準確的計算或調(diào)用外部 API

策略6：系統(tǒng)地測試更改

如果可以衡量，提高績效會更容易。在某些情況下，對提示的修改會在一些孤立的示例上獲得更好的性能，但會導致在更具代表性的示例集上的整體性能變差。因此，要確保更改對性能產(chǎn)生積極影響，可能有必要定義一個綜合測試套件（也稱為“評估”）。