Google AI Prompt Essentials认证课程笔记

最近我在Coursera上学习了Google的Prompt Essentials课程，这门课程让我对如何更有效地与AI沟通有了更深入的理解。选择这门课程，一方面是受到了AI浪潮的启发，另一方面也希望通过获取一些相关的认证来累积一些“小胜利”，保持自己的学习能力，同时也为更新我的简历做准备。

虽然是入门级课程，但我仍然学习到了很多关于如何设计有效的Prompt的知识。本文将分享Google关于Prompting的一些核心原则和技巧，帮助大家更好地与AI协作。

1. Google的TCREI原则：清晰表达你的需求

Google提出了一个简单有效的五步框架来设计有效的Prompt，我们可以将其简化为TCREI原则。虽然原文是Task, Context, References, Evaluate, Iterate，但为了方便记忆，我们可以重点理解前三个关键要素：

• Task（任务）：
  
   清晰地告诉AI你希望它做什么。这就像给一个助手明确的指令。你需要说明你希望AI扮演什么角色（比如，一个营销专家、一个代码助手），以及最终的输出格式（比如，一封邮件、一个列表、一段代码）。  案例： 假设你想让AI帮你写一封邀请朋友参加生日派对的邮件。你的Task可以是：“请你扮演一个热情的活动策划者，帮我写一封邮件邀请我的朋友们参加我的生日派对。邮件的格式应该轻松活泼。”
• Context（背景）：
  
   提供AI完成任务所需的必要信息。这能帮助AI更好地理解你的意图和需求。  案例（继续上面的例子）： 你需要告诉AI派对的时间、地点、主题（如果有的话），以及其他重要的细节。你的Context可以是：“派对时间是下周六晚上7点，地点在我家。主题是‘80年代复古’，鼓励大家穿上当时的服装。”
• References（参考）：
  
   如果有相关的例子，可以提供给AI作为参考。这能帮助AI理解你期望的输出风格和内容。  案例（继续上面的例子）： 你可以给AI一个你之前写过的类似的邀请邮件作为参考，或者告诉它：“邮件的语气可以参考我平时和朋友们聊天的风格，轻松幽默一些。”

通过清晰地定义Task、提供必要的Context和Reference，我们可以大大提高AI生成满意答案的可能性。

2. Google在迭代上的四个建议：精益求精的Prompt

当我们第一次得到的AI回复不尽如人意时，不要灰心。Google建议我们通过不断迭代来优化我们的Prompt。这里有四个关键的建议：

• 引入约束：
  
   尝试添加一些限制条件，帮助AI缩小搜索范围，更专注于你的需求。例如，你可以指定回复的字数、使用的语言风格等。
• 调整措辞或尝试类似的任务：
  
   如果AI没有理解你的意思，可以尝试用不同的词语或句子重新表达你的Prompt。或者，你可以将复杂的问题分解成几个更小的、更容易理解的任务。
• 将Prompt分解成更小的Prompt：
  
   对于复杂的任务，可以将其拆分成多个步骤，逐步引导AI完成。这就像将一个大项目分解成多个小任务。
• 回顾Prompt框架：
  
   当遇到困难时，重新审视你的Task、Context和Reference是否足够清晰和完整。

3. Prompt Chaining：让AI逐步解决复杂问题

Prompt Chaining指的是将一个Prompt的输出作为下一个Prompt的输入，像链条一样连接起来。这种方法对于解决复杂的、需要多个步骤才能完成的任务非常有用。

为什么Prompt Chaining对AI提示有用？

• 分解复杂性：
  
   它可以将一个大的、难以处理的任务分解成一系列更小的、更容易管理的步骤。
• 逐步引导：
  
   每个Prompt都可以在前一个Prompt的基础上进行构建，逐步引导AI朝着最终目标前进。
• 提高准确性：
  
   通过逐步细化，可以减少AI在单个复杂Prompt中产生错误的可能性。

案例： 假设你想写一篇关于气候变化的文章。你可以先用一个Prompt让AI列出气候变化的主要原因，然后将这个列表作为下一个Prompt的输入，让AI针对每个原因详细解释其影响。

4. AI问答中的Temperature：控制答案的“创造力”

在AI问答中，“Temperature”是一个用来控制AI生成答案的随机性和创造性的参数。可以把它想象成一个“兴奋度”的开关。

• 较低的Temperature（例如0.2）：
  
   AI会更倾向于选择最常见、最符合逻辑的答案。这通常会产生更保守、更可预测的结果。适合需要事实性、准确性高的场景。
• 较高的Temperature（例如0.8）：
  
   AI会更倾向于探索更多可能性，生成更具创造性、更出乎意料的答案。但也可能包含更多随机性，甚至出现一些不准确的内容。适合需要灵感、头脑风暴的场景。

如何调整Temperature来获得合适的答案？

• 需要精确的事实或明确的步骤时，
  
   降低Temperature可以帮助你获得更可靠的答案。
• 需要创意、不同的视角或进行头脑风暴时，
  
   提高Temperature可能会给你带来意想不到的惊喜。

在实际应用中，可以根据具体的需求尝试不同的Temperature值，找到最适合的设置。

一些实用小贴士：

• 为了让AI更好地理解Prompt中不同部分的内容，可以使用三个反引号（“`）将Task、Context等信息块分隔开。例如：    “`   请写一封邮件…   “`   “`   派对时间是…   “`

• 尝试使用“Meta Prompting”的方法。你可以先让AI帮你生成一些可能有效的Prompt，然后再使用这些Prompt来获取你最终想要的答案。这对于不确定如何提问的情况尤其有用。

总而言之，掌握Prompting的技巧能够帮助我们更好地利用AI的力量。通过理解TCREI原则，学会迭代优化Prompt，运用Prompt Chaining处理复杂任务，以及合理调整Temperature，我们可以更有效地与AI进行沟通，让AI成为我们更强大的助手。希望这篇文章能帮助大家更好地入门Prompting，并在未来的AI互动中更加得心应手。