Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)–结构化Prompt
内容提要
本文介绍了结构化Prompt的概念和优势，提供了模板，帮助提高模型对Prompt的理解和表达能力，提升语义认知和定向唤醒大模型深度才能。文章还讨论了结构化Prompt的开发流程和局限性，并提供了相关的文章和模板供参考。
延伸解读
结构化Prompt的适用模型差异
文章指出，结构化Prompt对模型基础能力有要求，GPT-4表现最佳，Claude次之，GPT-3.5勉强可用但表现不稳定。若使用GPT-3.5，可降低结构复杂度、调整特色词或迭代修正Prompt。例如LangGPT助手的GPT-3.5版本将多级结构降为二级，并采用Goals、Constraints等特色词。因此，选择模型时需权衡能力与成本，并针对性优化Prompt。
结构化Prompt的局限性
结构化Prompt依赖基座模型能力，无法解决模型自身问题，如幻觉、知识老旧、数学推理弱、视觉能力弱、字数计算不精确等。同一Prompt在不同模型间性能也有差异。因此，它不能突破大模型Prompt方法的固有局限，需结合其他技巧或人工调整。例如，要求输出指定字数时，可设定更高数值再后期调整。
开发流程与迭代优化
构建复杂高性能结构化Prompt推荐工作流：自动化生成初版→手动迭代调优，或自动化生成→自动评价→迭代调优。可借助LangGPT生成初版，并用评分分析类Prompt自动评价。手动套用模板再调优也可行。自动化生成和评价能大幅降低工作量，适合生产级应用开发。
与其他Prompt技巧结合
结构化Prompt是一种方法，可与CoT、ToT、Think step by step等技巧结合。文章汇总了细节法、分解法、回忆法、解释法、投票法、示例法等提升复杂任务表现的方法。结合使用这些技巧，能更便于协同安排，以用不可靠的LLM构建可靠系统。
Q&A
什么是结构化Prompt，它的主要优势是什么？
结构化Prompt是通过模板化的方式提高模型对Prompt的理解和表达能力。其主要优势包括层级结构清晰、提升语义认知和定向唤醒模型深层才能。
CRISPE结构在结构化Prompt中有什么作用？
CRISPE结构帮助定义角色、洞察力、指令、个性和实验等要素，从而提升Prompt的清晰度和有效性。
如何编写高质量的结构化Prompt？
编写高质量的结构化Prompt需要构建逻辑清晰的思维链，并保持上下文语义一致性。
结构化Prompt的开发流程是怎样的？
结构化Prompt的开发流程包括自动化生成初版、手动迭代调优等步骤。
结构化Prompt在不同模型上的适用性如何？
不同模型对结构化Prompt的适用性不同，GPT-4表现最佳，而GPT-3.5表现较差。
结构化Prompt的局限性是什么？
结构化Prompt依赖于模型的基础能力，无法解决模型自身的问题，如错觉和知识老旧等。
