1-5 撰寫Prompt與System Instructions的五個基本原則

Prompt與System Instructions 的區別

Prompt

Prompt 是用戶與AI進行互動的輸入指令或問題。它是用來引導AI生成特定回應的主要內容。Prompt的質量直接影響到AI生成的答案的相關性和準確性。簡單來說，Prompt是用戶用來告訴AI他們需要什麼的方式。

主要特點：

1. 互動性：用戶使用Prompt來向AI詢問問題或請求信息。
2. 具體性：良好的Prompt應該包含足夠的信息和細節，使AI能夠理解並生成相關的回答。
3. 靈活性：Prompt可以是問題、指令、描述等多種形式。

示例：

• 「請解釋Python中的列表和字典的區別。」
• 「給我一個使用React和Redux構建簡單待辦事項應用的步驟指南。」
• 「什麼是機器學習中的過擬合，如何防止過擬合？」

System Instructions

System Instructions 是設置給AI系統的指令，定義AI在對話中的行為方式、角色和任務範圍。這些指令可以控制AI的語氣、風格以及它應該遵守的規則，從而確保AI在不同情境下的表現符合用戶的期望。

主要特點：

1. 全局性：System Instructions影響整個對話過程中的AI行為，而不僅僅是單個回應。
2. 規範性：指令明確規範AI應該如何回答問題或執行任務，確保一致性和專業性。
3. 角色設定：可以設定AI的角色和背景，使其回答更具針對性和專業性。

示例：

• 「你是一名專業的Python開發工程師，回答技術問題時請使用專業術語並提供詳細解釋。」
• 「在回答用戶問題時，請始終保持友好和專業的語氣，並使用第二人稱進行互動。」
• 「你是一位數據科學專家，請提供深入且技術性的回答，並包含實例和代碼示例。」

比較

• 目的：
  • Prompt：用來引導AI生成特定的回應。
  • System Instructions：用來設置AI的行為方式和回答風格。
• 應用範圍：
  • Prompt：單個問題或請求。
  • System Instructions：整個對話過程。
• 靈活性：
  • Prompt：可以是具體問題、指令或描述，形式多樣。
  • System Instructions：主要是指令和規則，設定AI的全局行為。

理解這兩者的區別，有助於用戶更有效地與AI互動，並確保生成的內容符合預期和需求。

在撰寫Prompt與System Instructions時，遵循以下五大原則可以顯著提升生成內容的質量和準確性：

1. Role 角色

在設置角色時，可以先這樣思考：「假設自己是一名記者，針對一個特定的問題，要找採訪對象，要做哪些功課呢？」

實踐指南：

• 明確角色定位，確保AI能理解其在對話中的角色。例如，「你是一位Python開發專家」或「你是一名經驗豐富的數據科學家」。
• 詳細描述角色的背景、專業領域及其所具備的知識範疇，這有助於AI提供更準確且專業的回答。

示例：

你是一名經驗豐富的前端開發工程師，專注於React和Vue.js框架，擁有豐富的項目開發經驗。

2. Context 情境

情境相關的提示對於生成內容至關重要，可以幫助AI理解問題的背景及其應用場景。

實踐指南：

• 提供具體的應用場景或情境，使AI更能準確地把握問題的核心。例如，「在一個電商平台的購物車功能中」。
• 涉及的情境越詳細，生成的內容越能貼合實際需求。

示例：

你正在開發一個電商平台的購物車功能，需要優化其結算流程，以提升用戶體驗。

3. Input 輸入文本

在輸出內容前，確保AI理解必要的輸入內容，這些資料格式不限，可以是文字、流程圖、JSON、markdown等。

實踐指南：

• 提供全面且結構化的輸入信息，包括背景資料、需求說明等。
• 確保輸入信息清晰易懂，避免模糊不清的描述。

示例：

電商平台的購物車功能目前存在以下問題：結算步驟繁瑣、支付方式單一、沒有應用優惠券功能。請優化這些問題，並提供具體的實施步驟。

4. Output 文稿輸出

關於輸出的內容，可以著墨的部分很多，形式上不限定，先從基本的開始說起。

實踐指南：

• 明確期望的輸出形式，如技術報告、操作指南、程式碼示例等。
• 提供範例或模板，幫助AI理解輸出內容的格式和風格。

示例：

請提供一份優化電商平台購物車功能的詳細技術報告，內容包括問題分析、優化方案、具體實施步驟及相關程式碼示例。

5. Interactive 互動追問的建議

追問問題的策略主要目的是藉由良好的互動過程，挖掘出更多有價值的信息。

實踐指南：

• 設置針對性的追問問題，以深入了解AI生成內容的細節。
• 根據AI的回答，進行進一步的追問，挖掘更深層次的內容。

示例：

你提到需要優化結算流程，能否詳細描述每一步的具體實施方法？在應用優惠券功能時，有哪些注意事項？

通過這五大原則，能夠有效提升Prompt與System Instructions的質量，使得AI生成的內容更加精確、專業，滿足實際需求。

總結

在 呼叫LLMs API 做 NLP 工作時，通常是看重Instructions設定的能力。

NLP 工作:

• 文字摘要
• 資訊擷取
• 問答系統
• 文字分類
• 對話系統
• 程式碼生成
• 推理

參考

• Google Prompt Gallery

衍生

和GenAI互動，有一些互動策略，可以去參考，通常叫做 XXX of Thought 例如:

• GenAI for UXR: Few-Shot and Chain-of-Thought Prompting

實作：Gemini API: Chain of thought prompting

在下一步，我們會希望，後面的追問都省了，GenAI自問自答去完成，例如

• ReAct: Synergizing Reasoning and Acting in Language Models

實作：Search Wikipedia using ReAct

關於我

我是 Wolke。我是一名專業程式開發者，專長是開發 AI 和程式解決方案。

我投入了不少時間在專業發展上。我是多本書的作者，其中包括《LINE聊天機器人+AI+雲端+開源+程式：輕鬆入門到完整學習》和《ChatGPT來襲，未來人人都需具備的運算思維！應用詠唱工程來釋放程式生產力—程式學習/開發篇》。也有出版線上課程，我熱衷於分享我的經驗和技術，幫助其他開發者更好地利用 AI 工具。

也在許多知名大學、論壇、社團擔任講者，如果貴方有需要也歡迎與我聯繫。
2023年 講座 紀錄

最後這篇文章若有切合你的需求，敬請訂閱按讚分享