要优化 OpenAI 模型的提示工程，请关注清晰度、具体性和上下文。 首先编写精确定义任务和所需输出格式的提示。 避免使用模糊的语言 - 不要问“解释机器学习”，而是指定“提供监督学习如何工作的逐步解释，包括使用 Python 代码的示例。” 这减少了歧义，并引导模型生成相关的响应。 包括字数限制或输出结构（例如，项目符号、JSON）等约束以缩小范围。 例如，“用三句话为技术受众总结这篇文章”比“总结这篇文章”更有效。
接下来，构建提示以利用模型遵循模式的能力。在提示中使用示例来演示您想要的格式或样式。 例如，如果生成代码，请提供一个示例输入-输出对：“编写一个将摄氏度转换为华氏度的 Python 函数。示例：输入：30°C → 输出：86°F。” 对于复杂的任务，将其分解为更小的步骤。 不要问“构建一个 REST API”，而是用“首先，概述用户管理 API 的端点，然后为 GET /users 端点编写 Flask 代码”来引导模型。 这种循序渐进的方法使模型的输出与您的工作流程保持一致。 此外，使用系统级指令（在 API 中）来设置行为，例如“您是一名审查代码的高级开发人员 - 专注于安全漏洞。”
最后，迭代地测试和完善提示。 从基本版本开始，分析输出，并调整措辞或添加细节。 例如，如果像“为智能手表生成产品描述”这样的提示产生通用文本，请修改它以包含特定功能：“为一款具有心率监测、GPS 跟踪和 7 天电池续航时间的智能手表编写一篇 150 字的产品描述。 目标受众是户外运动爱好者。” 尝试温度（较低的温度用于可预测性，较高的温度用于创造力）和 max_tokens 等参数来控制响应长度。 跟踪哪些变体产生一致的结果并记录成功的模式。 随着时间的推移，此过程有助于构建针对您的用例量身定制的可重复使用的模板，从而提高效率和输出质量。