收益：
- 了解适用于不同人工智能工具的便携式提示写作的逻辑
- 可以为团队构建可重用的、版本化的提示库
- 可以设计一个端到端的流程，通过人工智能从头到尾运行业务
我们通过将学到的一切转化为永久且可扩展的价值来完成本模块。我们学会了如何一一写出好的提示；但真正的企业力量在于将良好的提示转化为可重复使用的资产，与团队共享它们，并建立一个利用人工智能从头到尾运行工作的流程。在本单元中，我们将学习如何编写便携式提示、构建提示库以及设计端到端工作流程。
便携式（与供应商无关）提示
市场上有多种人工智能工具，并且它们会随着时间的推移而变化。如果您根据单个车辆的特殊编号编写提示，则当车辆发生变化时，您的提示将崩溃。然而，基于清晰结构、清晰上下文和良好示例的提示，无论在什么工具中运行，都会给出良好的结果；因为良好教学的逻辑是普遍的。编写便携式提示的规则：
- 基于解剖组件（角色、背景、任务、格式、约束）；不是特定于工具的快捷方式。
- 用简单明了的语言写下说明；不要相信秘密的“欺骗”陈述。
- 以身作则；示例适用于每个模型。
- 清楚地说明格式；形式期望与媒介无关。
什么是提示库以及为什么它很有价值？
提示库是经过尝试和测试的提示的有组织的集合（可以是文档、表格或共享工具）。其价值在于：并非团队中的每个人都从头开始做同样的工作；最好的提示是写一次并多次使用。这确保了一致性（每个人都获得相同质量的输出）和效率（无需重新发明轮子）。
良好的图书馆记录中应该包含哪些内容？
面积
描述
标题
它的作用（例如“拒绝电子邮件”）
目的
什么情况下使用？
提示
用[方括号]标记的变量
样本输出
一个好的结果的例子
注释
需要考虑的事项、限制
版本/日期
什么时候更新的
用方括号标记变量，例如[客户名称]、[产品]，可将提示变成“填完即用”模板。
端到端工作流程
真正的效率不是来自于单一的提示，而是来自于一系列相互关联的步骤。使用人工智能从始至终运营企业的总体框架：
- 收集输入：准备原始数据/文本，匿名机密数据。
- 配置：让模型将原始输入转换为有组织的结构（表/JSON）。
- 制作：制作实际工作（摘要、草稿、分析）。
- 批评/改进：让模型批评自己的输出并迭代。
- 验证：像人类一样检查事实、数字、来源。
- 最终确定：将格式与目标相匹配，并记下要保存在库中的课程。
这六个步骤的关键点在于：步骤之间有人为控制。人工智能加速发展；人指导并批准。
四个可复制模板
1）图书馆登记卡：
标题：[提示名称]用途：[何时使用]提示："""角色：...上下文：[变量]任务：...格式：...约束：..."""示例输出：[良好结果]注释：[限制/警告]版本：v1 - [日期]
2）端到端流程（在单个任务中）：
分 3 步执行此操作，并在每个步骤结束时停止： 1) 将我给出的原始注释转入“人员/请求/紧急程度”表中。 2）当您批准后，请写一份草稿回复给那些紧急程度较高的人。 3) 当您批准后，将它们全部收集到一个汇总表中。原始注释：[文本]
3）便携性测试：
使此提示独立于工具：不留下特定于工具或不明确的措辞；只需用角色、上下文、任务、格式和约束重写即可。提示：[当前提示]
4）制定团队标准：
将以下 3 位不同员工针对同一工作编写的提示合并到一个标准模板中。保留最好的部分，用[括号]标记变量，添加简短的使用说明。提示：[3条提示]
弱提示/强提示
弱（一次性、个性化）：
给阿里写这个报价，你知道我们怎么做。
功能强大（便携式模板）：
角色：企业销售代表。背景：买家[客户类型]；关系[情况]；产品[产品]。任务：撰写报价电子邮件。格式：3个短段落，最后明确下一步。约束：承诺价格；夸张;最多 130 个字。
第二个版本不因人而异，因时而异；通过填写变量，团队中的每个人都可以提出相同质量的提案。这就是进入图书馆的内容。
三个迷你箱
案例 1——图书馆效应。支持团队将 15 个最常用的响应提示编译到共享库中。一位新加入的员工从使用图书馆的第一周就给出了团队标准答案，而不是从头开始学习；团队输出的一致性显着增加。
案例 2 — 端到端流程。营销团队在尝试制作带有单一提示的每周新闻通讯时，得到了混乱的结果。通过将流程分为五个步骤（主题收集→大纲→编辑评论→事实核查→格式），时事通讯变得既高质量又组织良好，并且制作时间是可预测的。
案例 3 — 可移植性。一家公司改变了它使用的人工智能工具。因为它的提示是基于清晰的解剖结构，而不是特定于工具的技巧，所以他们几乎不需要任何修改就可以使用新工具；过渡过程毫无痛苦。
提示：一旦提示起作用，不要将其保留在“内存中”；立即将其及其变量保存到库中。今天花 2 分钟，就消除了未来几十轮迭代。
注意：图书馆是一个有生命的实体；如果安装后忘记了，它就会变旧。版本（v1、v2）提示、日期并定期查看。此外，没有任何模板可以消除人为控制：即使采用端到端流程，最终批准也始终是人为的。
常见错误
- 没有记录好的提示。每次都从头开始。
- 依赖于特定工具的作弊。换车时提示碰撞。
- 修复变量。将模板保留为特定于单个名词/案例，使其无法使用。
- 不更新库。随身携带旧的、无用的提示。
- 从流媒体中消除人为控制。跳过端到端自动化中的验证步骤。
综上所述
- 便携式提示基于清晰的解剖结构，而不是特定于车辆的技巧，并且适用于所有型号。
- 提示库通过与团队共享经过测试的提示来确保一致性和效率。
- 良好的图书馆记录包括标题、用途、变量提示、示例输出、注释和版本。
- 端到端流程将工作分为六个步骤，每个步骤都保持人工控制。
- 即时保存一个好的提示及其变量，可以成倍地减少未来的工作量。
应用任务
确定工作中最常出现的三个任务，并为每个任务编写一个可移植的、经过变量检查的提示，并将其保存在借书卡上。然后将其中一个任务转储到端到端流程中（收集→配置→生产→批评→验证→最终确定）并通过真实示例从头到尾运行它。
清单
- [ ] 我能遵循便携式提示写作的规则。
- 我可以创建一张带有 [ ] 变量标记的图书卡。
- [ ] 我可以将作业拆分为端到端流程。
- [ ] 我在每个流程步骤中都保持人工控制。
- [ ] 我立即将好的提示保存到库中。
模块考试
1、以下哪项是大语言模型的基本工作方式？
- A) 它在互联网上实时搜索并按原样复制找到的页面。
- B) 通过猜测给定文本后面最有可能的单词来生成文本 ✔
- C) 从数据库中选择预先写好的固定答案
- D）将每个问题定向给一个人并返回答案
描述：大语言模型通过统计预测最有可能跟随您提供的文本的单词（标记）来生成文本；它不会从数据库中提取预设答案。因此，你给出的指令是指导预测的最强因素。
2. 在有效提示的剖析中，“角色”成分的功能是什么？
- A）提高模型的响应速度
- B) 减少提示的标记数量
- C) 通过为模型提供观点和专业知识的框架来指导响应的语气和深度 ✔
- D) 授予模型访问个人数据的权限
解释：为模型分配一个角色（例如“像经验丰富的财务顾问一样行事”）向她介绍适当的观点、术语、语气和深度。它不会改变响应的速度、成本或数据访问。
3. 以下哪项说明最清楚？
- A) 写一些关于该产品的好话
- B) 很好地解释产品
- C) 我需要关于此的文字
- D) 在面向非技术客户的 3 项列表中推广该产品，每项最多包含 15 个单词 ✔
描述：清晰的指示；它指定了可衡量的限制，例如长度、目标受众和格式，并且不依赖于“美丽”或“好”等模糊形容词。
4.“少样本”采样是什么意思？
- A) 在提示中添加一些示例输入输出对，以向模型显示所需的模式 ✔
- B）向模型提出问题而不给出任何例子
- C）多次询问同一问题
- D）让模型等待几秒钟
描述：Few-shot 通过在提示中显示一些示例输入输出对来向模型教授所需的模式。不给出任何例子就是“零样本”。
5. 选择少样本样本时，以下哪一项是最合适的方法？
- A) 尽可能以不同的形式给出矛盾的例子
- B) 选择始终反映所需格式和质量的代表性样本 ✔
- C) 始终放置至少 50 个样本
- D) 样品的质量不重要，只要数量就足够了
描述：由于模型模仿样本，因此样本应始终反映所需的输出格式、音调和质量。自相矛盾的例子使模型变得混乱。
6. 思维链技术在什么情况下最有用？
- A) 当需要简单的单字翻译时
- B）仅当你想扩展输出时
- C) 在需要多个步骤或逻辑推理的复杂任务中 ✔
- D) 当你想改变模型的响应语言时
描述：此技术提高了需要多个步骤或逻辑推理的复杂任务的准确性。它会在简单的一步任务中产生不必要的长度。
7. 显式指定输出格式（例如“导出为 JSON”）的主要好处是什么？
- A) 使输出可预测并可集成到其他系统/工作流程中 ✔
- B) 该模型耗电量较少
- C）答案总是更短
- D）模型更有创意
描述：需要特定的格式使得输出可预测并且易于与其他系统或工作流程一起使用；减少手动校正的需要。
8. 如果初始 AI 输出不是您想要的，最好的方法是什么？
- A）立即认定人工智能不适合这项工作并放弃
- B) 多次发送相同的提示而不更改它
- C) 通过有针对性的反馈来改进提示，指出缺失或错误的内容 ✔
- D）按原样使用输出，而不验证它
解释：迭代正常；最有效的方法是通过有针对性的反馈来改进提示，告诉您您不喜欢输出的哪些内容。再次发送相同的提示不会改变结果。
9. 以下哪项是常见的提示错误？
- A）为模型提供明确的角色和背景
- B) 指定所需的输出格式
- C) 显示示例输出
- D) 在没有指定上下文、目标受众和格式的情况下提出模糊的一句话请求 ✔
说明：在没有上下文或约束的情况下提出模糊的一句话请求是一种典型的错误，它会导致模型根据假设生成通用且不准确的答案。
10. 模型产生“幻觉”是什么意思？这意味着什么？
- A）模型自信地产生不真实的信息；所以事实需要核实✔
- B) 模型响应太慢；只需要等待
- C) 模型使答案简短；需要问更长时间
- D) 模型出现拼写错误；只需要修复
解释：幻觉是指模型自信地生成不真实的信息（例如，不存在的来源、错误的日期）。因此，有必要从独立来源核实数字、名称、日期和引述等事实。
11. 在将包含机密客户数据或个人数据的文本输入公共人工智能工具之前，最好的方法是什么？
- A）按原样输入数据，因为人工智能无论如何都会忘记它
- B) 匿名/屏蔽数据或使用机构批准的安全工具 ✔
- C) 只需在句末写上“机密”
- D）将数据翻译成另一种语言并以这种方式输入
说明：必须根据公司政策和立法（例如，KVKK）保护机密数据和个人数据。最安全的方法是匿名/屏蔽数据或使用机构批准的安全工具。
12. 编写独立于提供者（可移植）提示的逻辑是什么？
- A）需要为每个AI工具编写完全不同且不兼容的提示
- B) 便携式提示只能用一种语言编写
- C) 基于清晰结构、上下文和示例的提示可以在不同模型上很好地工作，而无需绑定到单一工具 ✔
- D) 保留提示库是浪费时间
描述：基于清晰结构、清晰说明和示例的提示也适用于不同的人工智能工具，因为它不依赖于特定工具的特定技巧。
13. 为团队维护可重用的提示库最重要的好处是什么？
- A) 通过共享经过测试的提示来确保团队的一致性和效率 ✔
- B) 确保员工互相保密信息
- C) 完全消除人工智能工具的成本
- D）使人为控制变得不必要
描述：该库通过共享经过尝试和测试的提示来确保整个团队的一致性和效率；并不是每个人都从头开始做同样的生意。
14. 当通过迭代改进提示时，为什么建议一次进行一项更改？
- A) 唯一的变化是它使提示变得更短。
- B) 清楚地看到哪些变化会影响输出 ✔
- C) 因为模型不能同时处理多于一条指令
- D）因为唯一的改变使得成本为零
说明：如果您一次更改多个内容，您将无法判断哪个更改改善或破坏了输出。单变量修改可以让您了解什么是有效的。