官方发布了一个GPT提示词的最佳实践指南，主要包括六个方面的优化策略，而且每个策略给出了相应的案例

(资料图片仅供参考)

策略1：写清楚说明

GPT 对您想要什么的猜测越少，您获得它的可能性就越大。

比如：如果输出太简单，请要求专家级的写作。

还列举了一些具体的例子：

在您的查询中包含详细信息以获得更相关的答案要求模特采用角色使用定界符清楚地指示输入的不同部分指定完成任务所需的步骤提供例子指定所需的输出长度

策略2：提供参考文本

GPT 可以自信地编造假答案，尤其是当被问及深奥的话题或引用和 URL 时。就像一张笔记可以帮助学生在考试中取得更好的成绩一样，为 GPT 提供参考文本可以帮助以更少的捏造来回答。

指示模型使用参考文本回答指示模型使用参考文本中的引用来回答

策略3：将复杂任务拆分为更简单的子任务

正如在软件工程中将复杂系统分解为一组模块化组件是一种很好的做法一样，提交给 GPT 的任务也是如此。

复杂的任务往往比简单的任务有更高的错误率。

此外，复杂的任务通常可以重新定义为更简单任务的工作流，其中早期任务的输出用于构建后续任务的输入。

使用意图分类来识别与用户查询最相关的指令对于需要很长对话的对话应用，总结或过滤之前的对话分段总结长文档并递归构建完整摘要

策略4：给 GPT 时间“思考”

如果要求将 17 乘以 28，您可能不会立即知道，但随着时间的推移仍然可以计算出来。同样，GPT 在试图立即回答而不是花时间找出答案时会犯更多的推理错误。在回答之前询问一系列推理可以帮助 GPT 更可靠地推理出正确答案。

在匆忙下结论之前指示模型制定出自己的解决方案使用内心独白或一系列查询来隐藏模型的推理过程询问模型是否遗漏了之前传递的任何内容

策略5：使用外部工具

通过为 GPT 提供其他工具的输出来弥补它们的弱点。

例如，文本检索系统可以将相关文档告知 GPT。代码执行引擎可以帮助 GPT 进行数学运算和运行代码。如果一项任务可以通过工具而不是 GPT 更可靠或更有效地完成，请卸载它以充分利用两者。

使用基于嵌入的搜索来实现高效的知识检索

使用代码执行来执行更准确的计算或调用外部 API

策略6：系统地测试更改

如果可以衡量，提高绩效会更容易。在某些情况下，对提示的修改会在一些孤立的示例上获得更好的性能，但会导致在更具代表性的示例集上的整体性能变差。因此，要确保更改对性能产生积极影响，可能有必要定义一个综合测试套件（也称为“评估”）。