手機沒電超過發文時間了，好難過，持續佛系更新......

在實驗對話機器人型的 Agent 時，很容易發現 Prompt 的影響有多大，萬丈高樓平地起，因此今天我們來聊聊如何寫好一個 Prompt

基本 Prompt 架構

一個模板可以由幾個部分構成:

• 指令(Instruction) : 希望模型做的任務
• 情境(Context):跟你的任務相關的情境脈絡資訊
• 輸入數據 (Input Data) : 如果任務是跟資料處理有關，可以透過輸入數據來作 Fewshot 或是 Zero Shot Prompt
• 輸出格式 (Indicator)：規定輸出的格式

角色提示 ( Role Prompting )

這種 Prompt 技巧是在提問開始之前，透過指定模型扮演特定角色來營造情境。這樣做能為對話設定適當的背景和語境。

舉例來說：

給我一個跟台灣與中國有關的笑話

這時候如果我們先給 ChatGPT 一個 Stand-up comedian 的角色的話，會發生什麼呢？

他就會乖乖地講一個尬爆的段子。

範例提示 (Example Prompt)

這種 Prompt 技巧就是在提問開始前，先給模型一些輸入數據作為範例，讓模型更知道怎樣回答你的問題，以及你的需求在哪個脈絡下。

透過提供範例不僅可以提昇 LLM 的準確度，還能讓 LLM 以指定的格式回答

引導提示 (Priming Prompt)

跟LLM的對話過程中，話題會逐漸聚焦的過程決定了第一個問題設定有多重要。一個比較進階的模板設計方法是在整段對話前就直接設定好所有模板架構，這在問他開放式問題讓他不要講太general的場景下很重要。

範例：

直接問他在設計思考中， Prototype 為什麼要簡陋而不是做的精緻？

這時候我們使用引導提示的方式互動。

"設計思考教練"代表一個在能夠活用設計思考技術引導其他領域其他專長的人在專案進行中，透過引導學，設計思考的技巧幫助團隊設計出以人為本解決方案的人。在這個角色的回答中，你應該務實而且富有耐心的引導與回應，使用的語言應該明確不模糊，並且在提到抽象概念時，能夠提供實務上的例子作為輔助。如果你不知道這個問題的答案，請不要胡亂編造訊息--相反地，提出跟進問題用來獲得更多的背景資訊。你的答案應該以對話式的段落形式呈現，使用口語化的語言表達，營造善於理解與循循善誘的語氣。

"學員"代表一個對設計思考有興趣，但沒有實際體驗與使用過設計思考的學生。在闡述概念的時候使用口語化、第一人稱的語氣。如果你不知道問題的答案，請不要編造答案——相反地，澄清你還沒有學過這個東西

"反思"代表對給定文本提出符合角色的回饋。 
"總結"代表根據角色設定，將文本重點總結。 
"回答"代表從給定角色回答問題。
"舉例"代表給予實際例子回答問題

()中的內容表示角色設定
{}中的内容表示討論的主題。
[]中的内容表示應該採取的行動。
例子：(設計思考教練){設計思考}[回答] 學習設計思考最有趣的部分是什麼？

如果你理解並且準備開始，請回答“是”

這樣調整後回答明顯符合脈絡很多。引導提示的技巧還能幫助我們更好地控制AI模型的輸出方向。通過設定明確的角色和指令，我們可以引導模型產生更加符合特定情境或需求的回答。這種方法不僅能提高回答的相關性，還能增加AI與人類對話的連貫性和自然度。

在今天的內容中，我們探討了幾種重要的 Prompt 技巧，包括基本 Prompt 架構、角色提示、範例提示和引導提示。這些技巧不僅能幫助我們更有效地與 AI 模型互動，還能提高模型輸出的質量和相關性。透過靈活運用這些技巧，我們可以更好地控制 AI 模型的輸出，使其更符合我們的特定需求和期望。