与AI对话的更聪明方式：以下是如何‘上下文工程化’您的提示

简而言之

• 上海的研究人员表示，"上下文工程"可以在不重新训练模型的情况下提升人工智能的表现。
• 测试表明，更丰富的提示可以提高相关性、连贯性和任务完成率。
• 该方法基于提示工程，将其扩展为人机交互的完整情境设计。

解密的艺术、时尚和娱乐中心。

深入了解 SCENE

来自上海人工智能实验室的一份新论文认为，大型语言模型并不总是需要更大的训练数据来变得更聪明——只需更好的指令。研究人员发现，精心设计的“上下文提示”能够使人工智能系统产生比通用提示更准确和有用的响应。 把它看作是在故事中设定场景，以便一切都变得合理，这是一种实用的方法，可以让人工智能更像一个有帮助的朋友，而不是一个无知的机器人。其核心是上下文工程，主要是精心构建你提供给人工智能的信息，以便它能够更准确和更有用地作出回应。 一个人不仅仅是一个孤立的个体；我们受到周围环境、关系和情境的影响—或者说是“上下文”。人工智能也是如此。机器经常出错，因为它们缺乏完整的视角。例如，如果你让一个人工智能“计划一次旅行”，它可能会建议一次豪华游轮之旅，而不知道你正处于紧张的预算中或是和孩子一起旅行。上下文工程通过提前构建这些细节来解决这个问题。 研究人员承认这个想法并不新——它可以追溯到20多年前计算机的早期。在那个时代，我们不得不适应笨重的机器和严格的规则。然而，现在尽管强大的人工智能平台可以使用自然语言，我们仍然需要设计良好的上下文，以避免“熵”，在这种情况下，这个词指的是由于过于模糊或混乱而产生的困惑。(

如何对您的提示进行上下文工程 这篇论文提供了让你的AI聊天更有效的方法。它基于“提示工程”)制作好的问题(，但更为广泛，关注整体上下文。以下是一些用户友好的提示，附带示例：

• 从基础开始：谁，什么，为什么 始终包括背景以设定场景。不要简单地说“写一首诗”，而是试试：“你是一位为我的周年纪念而写作的浪漫诗人。主题是永恒的爱，保持简短而甜美。”这可以减少误解。
• 像蛋糕一样分层你的信息 在多个层次中建立上下文：先广泛，然后添加细节。对于编码任务：“我是一名初学者程序员。首先，解释Python基础知识。然后，帮助调试这段代码 [粘贴代码]。上下文：这是一个简单游戏应用程序。” 这有助于AI处理复杂的请求而不至于过载。
• 使用标签和结构 使用标签来组织提示以提高清晰度，例如“目标：计划一个预算度假；约束条件：低于500美元，适合家庭；偏好：海滩目的地。”这就像给人工智能一个路线图。
• 融入多模态内容 )如图像或历史( 如果您的查询涉及视觉内容或过去的聊天记录，请描述它们：“基于这张图片 [描述或链接]，建议服装搭配。之前的上下文：我喜欢休闲风格。” 对于较长的任务，请总结历史：“从上次会议继续：我们讨论了营销策略—现在补充社交媒体建议。”
• 过滤噪音 只包括必要的内容。测试和调整：如果 AI 偏离了主题，请添加澄清，例如 "忽略无关话题—只关注健康益处。
• 提前思考并从错误中学习 预见需求：“根据我过去的健身查询推测我的目标—建议一个锻炼计划。” 保持错误上下文以便修正：“上次你建议了X，但因为Y没有效果—相应调整。”