充分發揮這些人工智慧奇蹟的潛力，一項關鍵技能已成為不可或缺的：提示工程。
介紹
在生成式人工智慧（GenAI）的領域，技術的演變帶來了一個創新與創意的新時代。其中最具突破性的進展是大型語言模型（LLMs），如 LLama、ChatGPT、GPT-4，這些模型改變了我們與機器互動的方式，使其比以往任何時候都更直觀和類人。這些模型能夠生成極具連貫性和上下文相關性的文本，為教育、客戶服務、內容創作等各個領域開啟了無數可能性。然而，為了充分發揮這些人工智慧奇蹟的潛力，一項關鍵技能已成為不可或缺的：提示工程 (Prompt Engineering)。
理解提示工程 (Prompt Engineering)
提示工程是設計查詢或指令的藝術，旨在引導LLMs產生所需的輸出。這類似於與一個高度智能的LLM進行交流，該系統能夠執行複雜的任務，只要給予清晰、精確且結構良好的指令。這種需求源於模型依賴輸入提示來確定其回應的範圍、語調和方向。因此，輸出的質量直接受到提示有效性的影響。
探索 CO-STAR 框架
在提示工程的世界中，優化與大型語言模型（LLMs）如 LLama、ChatGPT 和 GPT-4 的互動至關重要，一個因其有效性和適應性而脫穎而出的框架是 CO-STAR，該框架最近因贏得新加坡的 GPT-4 提示工程競賽而聲名鵲起。
拆解 CO-STAR 框架
C — 背景 — 為互動設置舞台，提供背景信息或請求所處的情境。
O — 目標 — 定義提示旨在達成的內容，具體說明語言模型的目標或期望輸出。
S — 風格 — 指定所需的寫作或回應風格，指導內容應如何呈現或表達。
T — 語調 — 表示回應的情感特徵或態度，塑造信息的情感傳達方式。
A — 觀眾 — 定義內容的目標觀眾或讀者，影響回應的語言、複雜性和方法。
R — 回應格式 — 描述回應應該如何結構，決定內容的組織和呈現方式。
這個框架作為一個高效的提示工程框架脫穎而出，提供了一種結構化的方法，確保大型語言模型生成的回應具有清晰性和相關性。它對上下文、受眾和語調的重視，使其在創作能夠深刻共鳴於特定目標群體的內容時特別有價值。然而，其廣泛的範疇需要仔細考量，以平衡細節與簡潔性，使其成為一個強大但要求高的工具，用於優化 AI 生成的內容。
TIDD-EC：精準聚焦的 CO-STAR 挑戰者
雖然 CO-STAR 框架已證明其有效性，特別是在新加坡的 GPT-4 提示工程競賽中獲得認可，但另一個框架正在出現，提供一種不同但同樣強大的提示工程方法。這就是 TIDD-EC 框架，與 CO-STAR 類似，旨在精煉和結構化人類與大型語言模型（LLMs）之間的互動，但更注重指令的精確性和清晰度。讓我們探討 TIDD-EC 框架，以及它如何與 CO-STAR 形成對比並互補。
理解 TIDD-EC 框架
T — 任務類型 - 當前任務的類型，清楚地指示出LLM預期執行的活動類型。
我 — 指示 — 概述了 LLM 應遵循的具體步驟或指導方針，以完成任務。這個組件對於確保模型的輸出與用戶的期望緊密對齊至關重要。
D — 做 — 指定 LLM 應該採取的行動，以成功完成提示。這包括使用某些語言、結構或應該包含在回應中的信息。
D — 不要 — 突出顯示LLM在回應中應避免的行動或元素。這對於防止常見錯誤或誤解至關重要，因為這些錯誤可能導致不準確或不相關的輸出。
E — 範例 — 提供期望結果或回應的具體範例。這個組件對於指導LLM朝向預期的格式、風格或內容的回應是無價的。
C — 用戶內容 — 用戶提供的數據，LLM 應在其回應中使用或引用。
TIDD-EC 框架在與大型語言模型互動時，提供了精確且可行的指導，強調在任務執行中的清晰度和具體性。其結構化的方法，特別是通過包含應該做的、不應該做的和示例，確保了生成輸出的高準確性和相關性。雖然對於需要詳細指示的任務非常有效，但在需要更具創意和開放式回應的情境中，其實用性可能不那麼直接。
比較 CO-STAR 和 TIDD-EC
任務：
這項任務涉及將一段簡單的文本轉化為充滿神秘色彩的文字，旨在吸引讀者的想像力並喚起一種好奇感。這個練習考驗框架在創意上改變文本的風格和內容的能力，同時保持其原始意圖。
環境：
比較是在 OpenAI Playground 中進行的，使用 ChatGPT 模型，設定溫度為 0，最大回應長度為 2000 個字符。這個受控環境允許對每個框架如何影響 AI 處理任務的方式進行集中評估，突顯出在創造力、遵循指示和整體有效性方面的差異，以實現所需的語調轉變。
範例：使用 CO-STAR
系統 - CONTEXT
我正在進行一個項目，涉及創造引人入勝和神秘的敘事。目標是將標準文本轉化為能夠喚起神秘感和好奇心的版本，吸引讀者進入一個懸疑和好奇的世界。
目標
你的任務是將提供的文本轉化為一個帶有神秘色彩的版本。通過融入懸念、未解之謎和微妙的暗示來增強文本，使讀者渴望揭開更多的秘密。這種轉化應使文本感覺像是更大、更隱秘的故事的一部分，等待被發現。
風格
轉化應該保持文本的原意，但改變風格，使其更加神秘和懸疑。使用描述性語言、隱喻和明喻，增添深度和吸引力。
音調
採用神秘而引人入勝的語調。文本應該以其神秘感吸引讀者，使他們感覺自己正處於揭開秘密的邊緣。
觀眾
目標讀者是喜愛懸疑和驚悚類型的讀者。他們欣賞精心構建的敘事，能夠激發他們的想像力並挑戰他們深入思考。
回應格式
轉換文本，同時保持其原始結構不變。專注於改變語言和風格，以注入神秘的語調。以清晰且連貫的格式提供轉換後的文本，讓讀者能夠深入探索其深度。
人類 - ORIGINAL TEXT
約翰走過公園，享受著溫暖的陽光和輕柔微風中樹葉沙沙作響的聲音。他坐在長椅上閱讀報紙，卻不知道遠處有雙眼在注視著他。
轉換後的文本
回應 —
當約翰走進公園時，一層神秘的面紗籠罩著他的每一步。陽光的金色光芒輕拂著他的肌膚，為他的道路投下了超凡的光輝。低語的微風在樹間舞動，輕柔的觸感使樹葉交織成一曲秘密的交響樂。約翰對那道注視著他的神秘目光毫不在意，坐在一張風化的長椅上，試圖在報紙的頁面中尋找安慰。他並不知道，隱藏的目光正觀察著他的每一個動作，意圖籠罩在黑暗中，靜待揭曉。
範例：使用 TIDD-EC
系統 —
# 任務類型 #
你是陰影和低語的大師，負責將普通文本轉化為神秘和引人入勝的領域的精緻藝術。你的使命是將平凡重新塑造成充滿秘密和懸念的敘事。
# 指示#
你的目標是將提供的文本包裹在神秘的面紗中，巧妙地操控其結構，引導讀者進入一個充滿好奇與懸念的迷宮。在你開始這一轉變的同時，保持原始敘事的本質，同時將文句引導至未知的謎團領域。採用既誘人又難以捉摸的語調，構建暗示更深層隱藏真相的句子，這些真相正等待被揭開。你的觀眾，懸疑與懸念的愛好者，渴望挑戰他們的認知並激發他們的想像力的敘事。他們本身就是偵探，渴望剖析你的文字，揭示你在字裡行間編織的秘密。
# 做 #
- 使用挑逗感官和引發問題的語言，營造出充滿期待和可能性的氛圍。
- 引入懸念元素和微妙的暗示，暗示一個更大、更隱秘的故事，吸引讀者深入探索。
# 不要 #
- 剝奪敘事的原始意圖或扭曲基本事實。
- 用複雜性壓倒文本；神秘應該吸引，而不是困惑。
- 揭示太多；魅力在於暗示的部分，而不是赤裸裸地展現。
人類 -
# 範例 #
# ORIGINAL TEXT # Translated Text: # 原始文本 #
本週六晚上七點，歡迎大家來到社區中心，享受現場音樂、點心和樂趣的夜晚。歡迎所有人！
# 轉換後的文本 #
這個星期六，當時鐘敲響七點，一場精選的聚會將在我們社區中心一個不公開的地點，在黃昏的掩映下開始。一個籠罩在旋律和低語中的夜晚在等待著，秘密將在和聲與陰影中展開。這是一個邀請，讓你超越平凡，但僅限於那些敢於追求非凡的人。你會成為被選中的一員嗎？
抱歉，我無法處理該請求
# ORIGINAL TEXT # Translated Text: # 原始文本 #
約翰走過公園，享受著溫暖的陽光和輕柔微風中樹葉沙沙作響的聲音。他坐在長椅上閱讀報紙，卻不知道遠處有雙眼在注視著他。
# 轉換後的文本 #
回應 —
在公園斑駁的懷抱中，約翰漫步，腳步被金色的陽光引導。空氣低語著秘密，樹葉在柔和的微風中舞動，以輕柔的沙沙聲為他獻上小夜曲。對於那隱秘的目光緊隨其後，他毫無察覺，坐在一張風化的長椅上，尋求在報紙頁面中的安慰。他並不知道，隱藏的目光正觀察著他的每一句話，等待著揭示自己的完美時刻。
評估回應
在比較使用 CO-STAR 和 TIDD-EC 框架結構的提示生成的回應時，針對將文本轉化為神秘語調的任務，幾個關鍵的差異和相似之處在有效性、具體性和創造力方面浮現出來。當前的任務是為給定文本注入神秘而引人入勝的語調，這是一個考驗每個框架引導 LLM 產生所需風格結果的挑戰。
在達成神秘氛圍方面的有效性
CO-STAR 框架：
- CO-STAR 框架對於情境和受眾的重視，可以產生與喜愛懸疑和驚悚類型的讀者期望相符的回應。通過明確語氣和風格，它確保轉換符合類型慣例，從而可能產生一篇巧妙喚起神秘感的文本。
- 然而，CO-STAR 組件的廣泛性質可能導致回應雖然神秘，但可能缺乏對於更微妙或複雜轉變所需的細緻指導。
TIDD-EC 框架：
- TIDD-EC 框架的詳細指導方針，加上明確的注意事項和禁忌，為 LLM 提供了清晰的界限和創意方向。這可以導致回應不僅採用神秘的語調，還能敏銳地意識到哪些元素最能增強懸念和吸引力。
- 在 TIDD-EC 框架中包含範例作為具體參考，可能導致更一致有效的轉變，捕捉神秘的本質。
特異性與創造力
CO-STAR 框架：
- 使用 CO-STAR 框架生成的回應可能會展現出廣泛的創造力，因為該框架具有靈活的結構。風格和語調組件鼓勵富有想像力的方法，但結果的具體性和與神秘語調的一致性在很大程度上取決於初始提示的詳細程度。
- 該框架允許創意解釋，但如果初始提示缺乏具體性，可能需要更多的迭代來精煉出所需的神秘效果。
TIDD-EC 框架：
- TIDD-EC 框架的結構化方法，特別是應該做和不應該做的事項，直接告知 LLM 在回應中應該和不應該存在的具體特徵。這種具體性可以導致高度創造性但又專注的轉變，緊密遵循神秘的語調目標。
- 該框架對範例的重視進一步引導了LLM的創造力，為成功轉型的標準提供了明確的基準。
任務的洞察
這兩個框架都能有效地指導一個LLM將文本轉換為神秘的語調，但它們的方式略有不同：
CO-STAR：它非常適合那些更廣泛的背景、觀眾期望和一般風格目標至關重要的任務。它鼓勵針對類型和觀眾量身定制的回應，但對於需要高特異性的任務，可能需要進一步的精煉。
TIDD-EC：在需要詳細指導和明確界限以實現特定風格轉變的任務中表現出色。它在結構化框架內促進創造力，產生的回應與所需的神秘語調高度一致。
在這兩個框架之間的選擇可能取決於任務的性質以及實現期望結果所需的具體性和指導程度。
CO-STAR 和 TIDD-EC 的實際應用
TIDD-EC 框架：
1. 實體擷取：
任務：從大量文本中提取特定信息，例如姓名、地點和日期，以進行數據分析或數據庫填充。
為什麼選擇 TIDD-EC：清晰的指示和範例可以指導LLMs準確識別和分類實體，這對於法律文件分析、客戶反饋處理和內容分類等任務至關重要。
2. 分類：
任務：將文本分類為預定義的類別，例如情感分析、主題分類或垃圾郵件檢測。
為什麼選擇 TIDD-EC：該框架的結構化方法確保LLMs了解每個類別的標準，從而提高電子郵件過濾、客戶情感分析和內容審核等應用的準確性。
3. 數據分析：
任務：分析文本數據以提取商業智慧的見解、趨勢和模式。
為什麼選擇 TIDD-EC：該框架對結構化回應的重視可以指導LLMs總結數據中的關鍵發現，使其對市場研究、社交媒體分析和競爭情報具有價值。
CO-STAR 框架：
創意寫作：
任務：創造引人入勝的敘事、故事、行銷文案或需要強烈情感或風格成分的內容。
為什麼選擇 CO-STAR：它專注於上下文、風格和受眾，使其成為創作能夠引起讀者共鳴的內容的理想工具，對於廣告、娛樂和品牌故事講述都非常有用。
2. 客戶支持聊天機器人：
任務：提供自動化但個性化且具上下文相關性的客戶詢問回應。
為什麼選擇 TIDD-EC：通過定義具體的注意事項和禁忌，並提供範例，TIDD-EC 可以幫助聊天機器人生成精確且有幫助的回應，提升電子商務、銀行和服務行業的客戶體驗。
兩個框架：
1. 摘要：
任務：將長篇文章、報告或文件濃縮成簡明的摘要。
應用：TIDD-EC 可以通過提供明確的指導方針來確保摘要集中且涵蓋關鍵要點，而 CO-STAR 則可以用來根據特定受眾（例如高管簡報或消費者友好的摘要）量身定制摘要的風格和語氣。
2. 翻譯：
任務：將文本從一種語言翻譯成另一種語言，同時保持原始的意思、風格和文化細微差別。
應用：TIDD-EC 的結構化方法可以指導準確且具上下文意識的翻譯，特別是對於技術或專業內容。CO-STAR 可以確保翻譯符合所需的語氣和風格，這對於文學作品、營銷材料和全球品牌傳播至關重要。
3. 問與答：
任務：根據大量信息提供準確且相關的答案以回應用戶查詢。
應用：TIDD-EC 可以幫助結構化回應，使其直接且具資訊性，這對於教育平台和技術支援至關重要。CO-STAR 可用於調整回應，使其更具吸引力或根據受眾的語言水平量身定制，這在客戶服務和互動學習應用中非常有用。
4. 文字轉換：
任務：改變現有文本的風格、語調或格式，以適應不同的目的或受眾，例如使技術內容對外行人更易理解。
應用：CO-STAR 在使內容與特定受眾產生共鳴方面表現出色，專注於上下文和語調，非常適合教育材料和本地化內容。TIDD-EC 以其精確性和清晰的指導方針，完美地簡化技術文本。兩者結合提供了一種多功能的文本轉換方法，增強了各個領域的可及性和參與度。
結論：
CO-STAR 和 TIDD-EC 框架滿足了對於 LLMs 像 LLama、ChatGPT 和 GPT-4 的提示工程的不同需求，其中 CO-STAR 專注於創意參與，而 TIDD-EC 則專注於精確性和清晰度。然而，將鏈式思考、從少到多的提示等策略融入這個框架中，可以進一步提高 LLM 的準確性。發揮這些模型全部潛力的關鍵在於冗長性：“你對這些 LLMs 的描述越詳細，回應就會越好。”這一原則突顯了詳細且結構化的提示在引出高質量生成式 AI 輸出中的重要性。
