以下是关于专门优化提示词的智能体或者提示词的相关内容：
一、从提示词优化到底层能力提升
（一）提示词探索路径
1. OpenAI 官方的六项最佳实践：包括写清晰具体的指令、给模型时间思考、使用分隔符等基本技巧。
2. 提示词框架：如 CRISPE（Capacity and Role,Insight,Statement,Personality,Experiment）和 BROKE（Background,Role,Objectives,Key Results,Evolve）等，为提示词编写提供系统化方法。
3. 明确任务目标：清晰定义希望大模型完成的任务，强调任务描述的精确性和完整性。
4. 角色扮演方法：让大模型扮演特定角色来完成任务，使其更好地理解上下文并生成更相关的回答。
5. 结构化提示词：使用基于 Markdown 语法和角色法框架的结构化提示词，提高可读性和组织性，便于分解复杂任务。
6. 提示词测试和迭代：不断优化提示词，提高其效果。
7. 提示词封装为智能体：使复杂任务的处理更加模块化和可复用。
（二）突破提示词优化的局限
1. 任务拆解：将复杂任务的提示词拆解成若干步骤的智能体，每个智能体负责特定的子任务。
2. 工作流构建：通过组合多个提示词或 AI 工具，搭建出高频重复工作的工作流，处理简单但经常需要完成的任务。
3. 创作场景的灵活应用：在创作过程（写作、深度思考问题）场景中，使用简单提示词和连续追问的方式调整大模型的回答，使输出更符合需求。
4. 深度思考辅助：将大模型用于辅助“深度思考”，而不仅仅是“按我们的意思输出”，从居高临下的指挥变为伙伴式的协作和相互学习。
此外，PromptAgent 的核心观点是将提示词优化视为一个策略性规划问题，并采用基于蒙特卡洛树搜索的原则性规划算法，策略性地导航专家级提示词空间。受到人类试错探索的启发，PromptAgent 通过反思模型的错误并生成有建设性的错误反馈，诱导出精确的专家级见解和深入的指令。这种新颖的框架允许智能体迭代地检查中间提示词（状态），基于错误反馈（行为）对其进行细化，模拟未来的回报，并寻找通往专家提示词的高回报路径。将 PromptAgent 应用于跨越三个实际领域的 12 个任务，结果显示它显著超越了强大的 ChainofThought 以及最近的提示词优化基线。深入的分析强调了其制定专家级、详细和富有领域洞察力的提示词的高效性和普适性。
2024-08-12