提示工程概述

与其他模型行为控制方法(如微调)相比，提示工程要快得多，并且通常可以在更短的时间内实现性能的飞跃。以下是选择提示工程而非微调的一些原因：

• 资源效率：微调需要高端 GPU 和大内存，而提示工程只需要文本输入，使其更加节省资源。
• 成本效益：对于基于云的 AI 服务，微调会产生巨大的成本。提示工程使用基础模型，通常更便宜。
• 维护模型更新：当提供商更新模型时，微调版本可能需要重新训练。提示通常可以在不同版本间无需更改就能工作。
• 节省时间：微调可能需要数小时甚至数天。相比之下，提示工程几乎能立即提供结果，允许快速解决问题。
• 最小数据需求：微调需要大量特定任务的标记数据，这可能稀缺或昂贵。提示工程可以使用少样本甚至零样本学习。
• 灵活性和快速迭代：快速尝试各种方法，调整提示，并立即看到结果。这种快速实验在微调中很难实现。
• 领域适应：通过在提示中提供特定领域的上下文，轻松使模型适应新领域，无需重新训练。
• 理解力提升：提示工程在帮助模型更好地理解和利用外部内容(如检索文档)方面远比微调更有效。
• 保留通用知识：微调存在灾难性遗忘的风险，即模型可能失去通用知识。提示工程保持模型的广泛能力。
• 透明度：提示是人类可读的，准确显示模型接收到的信息。这种透明度有助于理解和调试。