前言
随着ChatGPT的大火，提示工程在大模型中的重要性不言而喻，本文参考国外Prompt Engineering Guide完成国内中文版本的《提示工程指南》，希望能够和大家一起交流，分享及发现提示工程的美妙之处。文章所有内容可以在ChatGPT_Prompt_Chinese中找到。
在之前的指南中，我们介绍并给出了Prompt的高级示例。
在本指南中，我们将介绍一些高级和有趣的方式，我们可以使用提示工程来执行有用和更高级的任务。
需要注意的是，在本章节我们将会引入ChatGPT的API，进行一定量的工程实践。
一、数据生成
LLM 具有生成文本的强大能力。使用有效的提示策略可以引导模型产生更好、更一致、更真实的响应。 LLM 还可以特别用于生成数据，这对于运行各种实验非常有用。例如，我们可以使用它来为情感分类器生成快速样本，如下所示：
Prompt:
为情感分析生成 10 个样本。样本分为正面和负面两类。生成 2 个负面样本和 8 个正面样本。使用以下格式为样本编写问题和答案：
问题：<句子>
答案：<情感>
Output:
问题：这家餐厅的服务员态度很恶劣，让人感到非常不舒服。
答案：负面
问题：我最喜欢的歌手今晚开演唱会了，我太兴奋了！
答案：正面
问题：我刚刚丢了钱包，里面有我所有的信用卡和现金，我感到非常沮丧。
答案：负面
问题：今天天气真是太好了，阳光明媚，心情愉悦。
答案：正面
问题：这本小说真是太好看了，我一口气读完了整本书。
答案：正面
问题：我的手机掉进水里了，无法正常工作了，我感到非常烦恼。
答案：负面
问题：我的朋友们今天都来我家玩，我们一起吃了美食，玩了好几个小时，我感到非常愉快。
答案：正面
问题：我被一辆出租车撞了，虽然没有受伤，但是我的车被撞坏了，我感到很不开心。
答案：负面
问题：我终于找到了一份满意的工作，薪水还不错，我感到非常开心。
答案：正面
问题：我的狗狗生了一窝可爱的小狗，它们都很健康，我感到非常高兴。
答案：正面
这非常有用。实际上，我们在指南的另一个部分中使用此示例进行了不同的测试。
二、PAL (Program-Aided Language Models): Code as Reasoning
Gao et al., (2022) 该方法使用LLMs读取自然语言问题并生成程序作为中间推理步骤。称为程序辅助语言模型(PAL)，它与链式思维（COT）提示不同，因为它不是使用*形式的文本来获取解决方案，而是将解决方案步骤卸载到程序运行时，如 Python 解释器。
在这里插入图片描述
让我们使用 LangChain 和 OpenAI GPT-3 来看一个示例。我们有兴趣开发一个简单的应用程序，该应用程序能够解释所提出的问题并通过利用 Python 解释器提供答案。
具体而言，我们有兴趣创建一个功能，允许使用 LLM 来回答需要日期理解的问题。我们将向 LLM 提供一个提示，其中包含一些示例，这些示例是从以下内容采用的：
import openai
from datetime import datetime
from dateutil.relativedelta import relativedelta
import os
from langchain.llms import OpenAI
from dotenv import load_dotenv
让我们首先配置一些东西：
load_dotenv()
# API configuration
openai.api_key = os.getenv("OPENAI_API_KEY")
# for LangChain
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")
设置模型实例：
question = "Today is 27 February 2023. I was born exactly 25 years ago. What is the date I was born in MM/DD/YYYY?"
DATE_UNDERSTANDING_PROMPT = """
# Q: 2015 is coming in 36 hours. What is the date one week from today in MM/DD/YYYY?
# If 2015 is coming in 36 hours, then today is 36 hours before.
today = datetime(2015, 1, 1) - relativedelta(hours=36)
# One week from today,
one_week_from_today = today + relativedelta(weeks=1)
# The answer formatted with %m/%d/%Y is
one_week_from_today.strftime('%m/%d/%Y')
# Q: The first day of 2019 is a Tuesday, and today is the first Monday of 2019. What is the date today in MM/DD/YYYY?
# If the first day of 2019 is a Tuesday, and today is the first Monday of 2019, then today is 6 days later.
today = datetime(2019, 1, 1) + relativedelta(days=6)
# The answer formatted with %m/%d/%Y is
today.strftime('%m/%d/%Y')
# Q: The concert was scheduled to be on 06/01/1943, but was delayed by one day to today. What is the date 10 days ago in MM/DD/YYYY?
# If the concert was scheduled to be on 06/01/1943, but was delayed by one day to today, then today is one day later.
today = datetime(1943, 6, 1) + relativedelta(days=1)
# 10 days ago,
ten_days_ago = today - relativedelta(days=10)
# The answer formatted with %m/%d/%Y is
ten_days_ago.strftime('%m/%d/%Y')
# Q: It is 4/19/1969 today. What is the date 24 hours later in MM/DD/YYYY?
# It is 4/19/1969 today.
today = datetime(1969, 4, 19)
# 24 hours later,
later = today + relativedelta(hours=24)
# The answer formatted with %m/%d/%Y is
today.strftime('%m/%d/%Y')
# Q: Jane thought today is 3/11/2002, but today is in fact Mar 12, which is 1 day later. What is the date 24 hours later in MM/DD/YYYY?
# If Jane thought today is 3/11/2002, but today is in fact Mar 12, then today is 3/1/2002.
today = datetime(2002, 3, 12)
# 24 hours later,
later = today + relativedelta(hours=24)
# The answer formatted with %m/%d/%Y is
later.strftime('%m/%d/%Y')
# Q: Jane was born on the last day of Feburary in 2001. Today is her 16-year-old birthday. What is the date yesterday in MM/DD/YYYY?
# If Jane was born on the last day of Feburary in 2001 and today is her 16-year-old birthday, then today is 16 years later.
today = datetime(2001, 2, 28) + relativedelta(years=16)
# Yesterday,
yesterday = today - relativedelta(days=1)
# The answer formatted with %m/%d/%Y is
yesterday.strftime('%m/%d/%Y')
# Q: {question}
""".strip() + '\n'
llm_out = llm(DATE_UNDERSTANDING_PROMPT.format(question=question))
print(llm_out)
这将输出以下内容: 02/27/1998
总结
在本指南中，我们主要介绍了一些高级和有趣的方法，我们可以使用提示工程来执行有用和更高级的任务例如：生成数据、作为推理的代码
