ChatGPT Prompt Engineering 实战指南：从原理到高效调优

1次阅读

没有评论

共计 2449 个字符，预计需要花费 7 分钟才能阅读完成。

作为开发者，在使用 ChatGPT API 时经常会遇到一些令人头疼的问题。比如，模型返回的结果时好时坏，有时候完全偏离了预期方向。经过分析，我发现这些问题的根源往往在于 prompt 设计不当。

歧义性问题：prompt 表达不够清晰明确，导致模型理解偏差
过度复杂：一次性要求模型完成太多任务，结果每项都不理想
缺乏上下文：没有提供足够的背景信息，模型只能靠猜测
参数配置不当：temperature 等关键参数设置不合理，影响输出稳定性

要让 ChatGPT 发挥最佳效果，首先需要理解几个核心参数的作用机制。

temperature 控制输出的随机性程度：

较低值（如 0.2）：输出更加确定性和聚焦
较高值（如 0.8）：输出更加多样化和创造性

top_p 决定了模型从哪些候选词中选择输出：

设置 0.9 意味着模型只考虑累计概率达到 90% 的候选词
与 temperature 配合使用可以更好地控制输出质量

直接给模型一个任务描述，不提供示例：

请将以下英文翻译成中文: "Hello, how are you today?"

提供少量示例帮助模型理解任务：

将英文翻译成中文:

示例 1:
Input: "Good morning"
Output: "早上好"

示例 2:
Input: "Thank you"
Output: "谢谢"

现在请翻译: "Hello, how are you today?"

引导模型展示推理过程：

问题: 如果小明有 5 个苹果，给了小红 2 个，又买了 4 个，他现在有多少个苹果？让我们一步步思考:
1. 小明最初有 5 个苹果
2. 给小红 2 个后剩下: 5 - 2 = 3 个
3. 又买了 4 个后: 3 + 4 = 7 个

所以最终答案是 7 个。

下面是一个完整的 Python 示例，展示了如何通过 API 调用 ChatGPT 并实现代码生成功能：

import openai
from typing import Optional

class ChatGPTHelper:
    def __init__(self, api_key: str):
        openai.api_key = api_key
        self.max_retries = 3

    def generate_code(self, description: str, language: str = "Python", 
                     temperature: float = 0.5) -> Optional[str]:
        """
        根据描述生成特定语言的代码

        参数:
            description: 代码功能描述
            language: 目标编程语言
            temperature: 控制输出随机性

        返回:
            生成的代码或 None(如果失败)
        """prompt = f""" 请将以下功能描述转换为 {language} 代码:

        描述: {description}

        要求:
        1. 添加适当的注释
        2. 遵循 PEP8 规范(如果是 Python)
        3. 包含必要的错误处理 """

        for attempt in range(self.max_retries):
            try:
                response = openai.ChatCompletion.create(
                    model="gpt-3.5-turbo",
                    messages=[{"role": "user", "content": prompt}],
                    temperature=temperature,
                    max_tokens=1000
                )
                return response.choices[0].message.content
            except Exception as e:
                print(f"尝试 {attempt + 1} 失败: {str(e)}")
                if attempt == self.max_retries - 1:
                    return None

# 使用示例
if __name__ == "__main__":
    helper = ChatGPTHelper("your-api-key-here")
    code = helper.generate_code(
        "一个函数，接收两个数字并返回它们的和",
        "Python",
        0.3
    )
    print(code if code else "生成代码失败")

在实际应用中，我们需要平衡质量和效率：