與AI對話的更聰明方式：以下是如何‘上下文工程化’您的提示

簡而言之

• 上海的研究人員表示，"上下文工程"可以在不重新訓練模型的情況下提升人工智能的表現。
• 測試表明，更豐富的提示可以提高相關性、連貫性和任務完成率。
• 該方法基於提示工程，將其擴展爲人機交互的完整情境設計。

解密的藝術、時尚和娛樂中心。

深入了解 SCENE

來自上海人工智能實驗室的一份新論文認爲，大型語言模型並不總是需要更大的訓練數據來變得更聰明——只需更好的指令。研究人員發現，精心設計的“上下文提示”能夠使人工智能系統產生比通用提示更準確和有用的響應。 把它看作是在故事中設定場景，以便一切都變得合理，這是一種實用的方法，可以讓人工智能更像一個有幫助的朋友，而不是一個無知的機器人。其核心是上下文工程，主要是精心構建你提供給人工智能的信息，以便它能夠更準確和更有用地作出回應。 一個人不僅僅是一個孤立的個體；我們受到周圍環境、關係和情境的影響—或者說是“上下文”。人工智能也是如此。機器經常出錯，因爲它們缺乏完整的視角。例如，如果你讓一個人工智能“計劃一次旅行”，它可能會建議一次豪華遊輪之旅，而不知道你正處於緊張的預算中或是和孩子一起旅行。上下文工程通過提前構建這些細節來解決這個問題。 研究人員承認這個想法並不新——它可以追溯到20多年前計算機的早期。在那個時代，我們不得不適應笨重的機器和嚴格的規則。然而，現在盡管強大的人工智能平台可以使用自然語言，我們仍然需要設計良好的上下文，以避免“熵”，在這種情況下，這個詞指的是由於過於模糊或混亂而產生的困惑。(

如何對您的提示進行上下文工程 這篇論文提供了讓你的AI聊天更有效的方法。它基於“提示工程”)制作好的問題(，但更爲廣泛，關注整體上下文。以下是一些用戶友好的提示，附帶示例：

• 從基礎開始：誰，什麼，爲什麼 始終包括背景以設定場景。不要簡單地說“寫一首詩”，而是試試：“你是一位爲我的周年紀念而寫作的浪漫詩人。主題是永恆的愛，保持簡短而甜美。”這可以減少誤解。
• 像蛋糕一樣分層你的信息 在多個層次中建立上下文：先廣泛，然後添加細節。對於編碼任務：“我是一名初學者程序員。首先，解釋Python基礎知識。然後，幫助調試這段代碼 [粘貼代碼]。上下文：這是一個簡單遊戲應用程序。” 這有助於AI處理復雜的請求而不至於過載。
• 使用標籤和結構 使用標籤來組織提示以提高清晰度，例如“目標：計劃一個預算度假；約束條件：低於500美元，適合家庭；偏好：海灘目的地。”這就像給人工智能一個路線圖。
• 融入多模態內容 )如圖像或歷史( 如果您的查詢涉及視覺內容或過去的聊天記錄，請描述它們：“基於這張圖片 [描述或連結]，建議服裝搭配。之前的上下文：我喜歡休閒風格。” 對於較長的任務，請總結歷史：“從上次會議繼續：我們討論了營銷策略—現在補充社交媒體建議。”
• 過濾噪音 只包括必要的內容。測試和調整：如果 AI 偏離了主題，請添加澄清，例如 "忽略無關話題—只關注健康益處。
• 提前思考並從錯誤中學習 預見需求：“根據我過去的健身查詢推測我的目標—建議一個鍛煉計劃。” 保持錯誤上下文以便修正：“上次你建議了X，但因爲Y沒有效果—相應調整。”