“ 提示詞是大模型與外界交互的唯一通道，因此提示詞的重要性遠比我們想象中的要重要?！?/strong>

提示詞或者說提示詞工程，說起來可能大家多多少少都知道是怎么回事；但可能很多人并沒有意識到提示詞工程對大模型的重要性。

提示詞是人與大模型溝通的橋梁，就像我們要想使用電腦就離不開鼠標鍵盤一樣；不管你是做AIGC也好，做RAG、Agent也罷，或者其它任何與大模型相關的技術或應用，都離不開提示詞的存在。

總之一句話，任何關于大模型的應用都需要提示詞。

提示詞的重要性

從本質上來說，提示詞是人與大模型交流的語言，就類似于人類之間溝通需要語言，人與計算機溝通同樣需要計算機語言；離開了語言人類之間的溝通就成了一個笑話。

但為什么說很多人沒有意識到提示詞的重要性呢？

原因就在于很多人被各種表象和技術給麻痹；認為他也沒寫提示詞啊，做的都是一些和提示詞沒關系的事情。

但我們認真的思考一下，我們想讓大模型生成一個我們需要的東西，是不是就需要我們告訴大模型生成一個什么東西，以及這個東西怎么生成，有哪些限制和條件，以及要達到什么樣的效果等等。

如果是做RAG或者智能體的應用，是不是還需要約束大模型生成格式化的輸出；只有這樣我們才能進行下一步的處理。

而從使用或者開發(fā)應用的角度來說，我們不論是調用大模型的什么接口，最終的形式只有一個；那就是把各種我們需要的參數，封裝到大模型的提示詞中，然后再獲取大模型給我們的輸出。

整個流程如下圖所示：

雖然說大模型提供了大量的用戶交互接口和API接口，但我們不要被這種表象所蒙蔽，不論采用什么樣的方式和大模型進行交互，最終都會被轉化成提示詞輸入到大模型里面。

因為，提示詞才是大模型唯一能夠接受的輸入，也是大模型與外界交互的唯一方式。

在馮諾依曼的計算機體系結構中，計算機是由運算器，控制器，存儲器以及輸入和輸出設備組成。

而運算器，控制器和存儲器都屬于計算機的內部結構，只有輸入與輸出才是計算機與外界交互的唯一通道。

同樣，在大模型也就是神經網絡結構中，最特殊的兩個網絡層就是輸入層與輸出層；原因就是因為輸入與輸出層是神經網絡與外界交互的唯一通道。

當然，這里所說的提示詞是廣義上的提示詞，不僅僅只是指文字才是提示詞；對大模型視覺領域來說，圖片和視頻就是它的提示詞；而在自然語言處理領域，我們輸入的文字就是輸入到大模型的提示詞。

當然，自然語言作為人類的主要交流方式，研究人工智能的目的也是希望大模型能夠使用自然語言和人類進行交流；因此在一些視覺領域的大模型，同樣也接受自然語言作為提示詞。

比如說，讓一個圖片模型根據我們的描述來生成我們所需要的圖片或視頻。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/4GGOrXzimgurJQaosG9iXQ??