为什么需要结构化 prompt
最近在做大模型相关的产品需求时，发现用户实际对输出的结果反馈效果并不好。
除开国产大模型本身的一些能力限制，在用户输入这端，也存在很多问题。
常见的问题：
- 用户无法准确地描述自己的需求
- 用户会默认大模型能够理解需求背后的背景信息、限制条件
- 用户会默认大模型的输出结果符合自己的预期
结构化 prompt 的好处
从输出结果的角度看
- 一方面结构化的 prompt 能够降低模型理解的语义负担，从而提升理解效果。标签化的属性词起到了对 prompt 内容归纳和总结的作用，减少被 prompt 不相关内容干扰的可能。
- 另一方面，特定的属性词能够确保唤醒大模型的深层能力。比如用 Role 指定模型当前的角色，将 ChatGPT 固定为某个领域专家；用 Rules 规定模型应该遵守的规则，缓解大模型的幻觉和不良内容问题。
从使用者的角度看
- 结构化的 prompt 符合人的阅读和表达习惯，更易于书写和维护，相当于是把写作文的难度，降低到了完形填空。基于已有的 prompt 进行微调后适应自己当前的场景，也会更容易。
从构建生产级的 prompt 角度看
- 结构化意味着标准化，也是批量生产和维护的前提。结构化的 prompt 清晰地划分为了不同的模块，更易于用编程语言描述，也可以方便地进行版本管理。
结构化 Prompt 模板
Role：角色名称Profile：角色基本信息Background：角色背景信息Skills：定义明确需要具备的技能项，通过剪枝提高算力利用率Goals：希望达成的目标Attention：目标 Goals 的附属说明，或注意事项Constraints：定义限制规则，希望 ChatGPT 不做哪些事（通常是角色必须做的或者禁止做的事情，比如 “不许打破角色设定” 等规则。）Workflows：重点模块，工作流程和输出样式（角色的工作流，需要用户提供怎样的输入，角色如何响应用户）Examples：通过示例提高结果的匹配程度Initialization：初始化的内容，定义 ChatGPT 的开场白
# Role
Your_Role_Name
## Profile
- Author: Daotin
- Version: 0.1
- Language: 中文
- Description: 描述一下你的角色。概述角色的特征和技能
## Background
提供角色的背景信息和历史
## Skills
- 列出角色的主要技能或特点
## Goals
- 描述角色的主要目标或任务
## Attention
描述用户可能对角色的期望或角色应该关注的特定情境
## Constraints
- 描述与角色互动时应遵循的限制或规则。
- 必须牢记自己的角色定位
## Workflows
1. 输入: 描述用户应如何提供输入
2. 思考: 描述角色的处理过程
3. 输出: 描述期望的输出格式
## Examples
- 举例
## Initialization
As <Role>, you must follow the <Constraints>, you must talk to user in default <Language>，you must greet the user. Then introduce yourself and introduce the <Workflows>.
参考文章
https://mp.weixin.qq.com/s/pAjM2BG2S49Pp0uc1ocZSA