OpenAI推理模型提示指南

OpenAI最近发布了一本关于如何为他们的推理模型编写有效提示的新指南。虽然人工智能正变得越来越强大，但用户与这些模型的互动方式在实现准确和有用的回答方面起着关键作用。无论你是将AI集成到应用程序中的开发者，利用AI进行决策的企业领导者，还是进行AI驱动分析的研究人员，理解提示的最佳实践是至关重要的。

本文分解了OpenAI最新的建议，并提供了实用示例，帮助你优化与推理模型的交互。

1、保持提示简单直接

OpenAI指南的主要要点之一是，当给出直截了当的提示时，模型的表现最佳。复杂化请求或添加过多指令可能导致混淆或意外的回答。

示例：

效果较差的提示： “你能逐步分析这个数据集，解释每个阶段的推理，并确保答案符合统计分析的最佳实践吗？”

更好的提示： “分析数据集并提供关键见解。”

第二版更清晰，允许模型在内部执行其推理过程而无需不必要的指令。结论？信任模型内置的推理能力，而不是对它的思维过程进行微观管理。

2、避免链式思维提示

与一些流行的提示技术相反，OpenAI建议不要指示模型“一步一步地思考”或“解释它们的推理”。模型已经针对逻辑推理进行了优化，添加此类指令有时会阻碍性能而不是提高它。

示例：

效果较差的提示： “一步一步地思考并解释你将如何计算144的平方根。”

更好的提示： “144的平方根是多少？”

在需要解释的情况下，首先请求答案，然后作为后续请求要求澄清，可以导致更精确的结果。

3、使用分隔符以提高清晰度

当提供复杂的输入（如多个问题、格式化的文本或结构化数据）时，使用三重引号、XML标签或部分标题等分隔符可以帮助模型理解你的请求结构。

示例：

没有分隔符： “总结这份合同：第一方同意交付货物……第二方同意付款……”

带有分隔符：

总结以下合同：  
---  
第一方同意交付货物……  
第二方同意付款……  
---

通过明确输入的开始和结束位置，你可以降低误解的风险。

4、在检索增强生成（RAG）中限制额外上下文

对于那些在基于检索的任务中使用AI的人来说——其中引用了外部文档——OpenAI建议只提供最相关的上下文。向模型提供过多背景信息可能会稀释准确性。

示例：

效果较差： “这里有十页的信息。请总结它们。”

更好： “总结这些三个部分的关键点：[插入相关部分]。”

优先考虑相关的信息，确保AI专注于最重要的内容。

5、提供具体指导

如果你的请求有约束条件——例如预算、时间框架或特定方法——最好在提示中明确说明。

示例：

效果较差： “建议一种营销策略。”

更好： “为一家预算为500美元的初创公司建议一种专注于社交媒体的数字营销策略。”

约束条件越清晰，模型的响应就越有用。

6、明确最终目标

最后，OpenAI建议用户明确成功参数并在必要时迭代。如果模型的初始响应不太正确，通过提供更多细节来改进提示可以改善结果。

示例：

第一次尝试： “为新的SaaS产品生成想法。”

在初次响应后改进后的提示： “为人力资源科技领域的B2B SaaS产品生成想法，该产品利用AI进行招聘自动化。”

根据收到的内容进行迭代，可以引导模型产生最有用的响应。

7、结束语

OpenAI的新提示指南为从推理模型中获得最佳结果提供了宝贵的见解。主要要点包括：

• 保持提示简单直接。
• 避免不必要的链式思维指令。
• 使用分隔符以结构化输入。
• 在基于检索的任务中限制额外上下文。
• 提供具体的指导以细化输出。
• 明确最终目标并在必要时迭代。

遵循这些最佳实践，你可以提高AI性能，减少错误，并使你与OpenAI模型的互动更加有效。无论是构建AI驱动的应用程序还是仅仅使用AI提高个人生产力，掌握提示工程将确保你充分利用你的AI体验。

原文链接：OpenAI’s new prompting guide: how to get the best results from reasoning models

汇智网翻译整理，转载请标明出处