迭代优化提示

就像软件一样，提示词第一次尝试时很少能够达到完美。要发挥最佳性能，它们需要持续改进。

迭代式提示词优化是根据性能数据和反馈，反复测试、评估并改进提示词的过程。

请将提示词优化想象成一个持续循环。这个循环可以确保提示词不断发展，以满足变化的需求并带来更好的结果。

核心步骤如下：

• 定义：设定目标并创建初始提示词。
• 测试：运行提示词并收集数据。
• 分析：评估性能并发现问题。
• 优化：根据分析结果调整提示词。

在编写任何提示词之前，请明确您希望 LLM 实现什么目标。您期望的输出格式、语气和内容是什么？

根据这些目标创建您的第一个提示词。在迭代过程中，这个初始版本将作为比较的基线。

系统地测试您的提示词。这意味着使用多样化的输入多次运行提示词，最好使用专门的测试数据集。

收集 LLM 的所有输出和性能指标。这些指标可以包括准确率、相关性，或对特定指令的遵循程度，正如前面课程所介绍的那样。

获得测试结果后，请对其进行分析。寻找失败中的规律，或找出 LLM 难以处理的部分。

• 是否存在常见错误？
• 输出是否始终过于冗长或过于简短？
• 是否遗漏了关键信息？
• 语气是否不正确？

定量指标告诉您发生了什么；定性审查则有助于理解为什么。

根据您的分析，对提示词进行有针对性的修改。常见的改进包括：

• 添加更具体的指令
• 澄清含义不明确的地方
• 提供更好的示例（少样本）
• 调整角色设定或语气
• 指定输出限制（例如 JSON 格式、长度）

改进后，循环会再次开始：测试、分析，然后继续改进！

随着不断迭代，提示词可能会发生很大变化。因此，实现提示词版本管理至关重要。

请像对待代码一样管理提示词：跟踪变更、保留历史记录，并将性能数据与特定版本关联起来。如果某次变更导致性能下降，这样便可以恢复到更好的版本。

虽然您可以手动进行迭代，但目前正出现许多工具和平台来简化这一过程。

它们可以帮助您：

• 管理提示词版本
• 运行自动化测试套件
• 比较不同提示词版本的输出
• 高效收集人工反馈

假设您希望 LLM 简洁地概括文章。

初始提示词：“概括这篇文章：[文章文本]”

结果：内容过长，并包含次要细节。

分析：缺少对长度和重点的限制。

改进后的提示词：“用 3 句话概括这篇文章，只关注主要结论：[文章文本]”

这种迭代方法可以带来更好、更可控的输出。

以下哪一项最准确地描述了迭代改进提示词的核心目的？

迭代改进提示词是所有使用 LLM 的人都应掌握的重要实践。这是一种持续提升提示词性能的结构化方法。

通过遵循“定义、测试、分析、改进”循环，并有效管理提示词版本，您可以确保与 LLM 的交互不断改进并提供最佳结果。