介绍

如今，提示是与大型语言模型 (LLM) 交互的主要模式。提示需要根据用户需求进行调整，为 LLM 提供正确的上下文和指导 — 以最大限度地提高获得“正确”响应的机会。

这导致了提示工程 [1] 的兴起，并成为一门专业学科，提示工程师系统地进行试验，记录他们的发现，以得出“正确”的提示，从而引发“最佳”反应。然后，这些成功的提示列表以库的形式组织起来，以便可以有效地重复使用——称为提示存储库。

不幸的是，策划和维护高质量的提示库仍然具有挑战性。提示库的首要目标是能够检索给定任务的最佳提示，而无需重复整个实验过程。然而，这种检索说起来容易做起来难，主要是因为提示具有重叠性。

问题陈述

让我们尝试借助内容写作领域（当今 Gen AI 采用率最高的领域之一）的几个提示来理解重叠提示的问题：

提示 1：为宣布开设八十年代主题咖啡馆的博客文章撰写引人入胜的摘要。突出氛围和菜单。使用友好的语气来吸引老年顾客。

提示 2：为报纸上宣布开设现代主题咖啡馆的文章撰写不超过 200 字的引人入胜的摘要。突出装饰和菜单。使用友好的语气来吸引年轻的顾客群。

鉴于这两个提示都得到了（人工）审阅者的认可（甚至没有考虑基于 LLM-as-a-Judge 的技术），那么问题来了，应该将哪个提示添加到提示库中？至少有四个选项：

如果将两者添加进去，那么它们是不是太相似了，以至于在检索时很难区分？
添加其中一个，但这样我们就有可能丢失两个提示所特有的一些上下文，例如，这两个提示分别是报纸与博客文章、老年客户与年轻客户等；以及响应过滤器，例如，将响应限制为n 个单词 – 就像第二个提示的情况一样。
不添加任何内容，因为提示库中已经存在覆盖类似范围的提示。（同样的挑战也适用于LLM Cache的情况。）
添加一个模板，捕捉两个提示的通用特征，其中包含特定变量的占位符和这些变量允许的值列表（词汇表）。例如，涵盖上述提示的通用提示模板将如下所示：

为以下活动的帖子生成引人入胜的摘要。突出主题。使用指定的语气并将响应限制在字数以内。帖子（类型）： [报纸、博客、文章……]活动： [咖啡馆、餐厅、小餐馆开业……]主题： [氛围、装饰、菜单……]语气： [友好、正式、信息丰富……]

这是推荐的方法，在下一节中，我们将展示像 LangChain 这样的框架如何使用提示模板来组织提示，以及它们支持的模板类型。

提示模板

LangChain提供了以下预定义的提示模板类[2]：

PromptTemplate 是默认模板。
ChatPromptTemplate 用于模拟聊天消息。
FewShotPromptTemplate 应用小样本学习技术。

可以合并模板，例如合并 ChatPromptTemplate 与 FewShotPromptTemplate — 以适合用例。

让我们从基本的PromptTemplate 开始：

from langchain_core.prompts import PromptTemplate

prompt_template = PromptTemplate.from_template(
    "Generate an engaging abstract for a {post} on the following {event}."
)
prompt_template.format(post="blog", event="opening of cafe")

它基本上适用于以带有变量（占位符）的字符串（句子）建模的提示，就像我们在上一节中考虑的示例提示一样。

如果您曾经使用过利用IBM Watson Assistant、AWS Lex、Google Dialogflow等技术的早期聊天机器人（ChatGPT 之前），那么这些概念可能与意图、话语和实体很相似。这种引导式聊天机器人需要通过首先提供一组提示、提示变体及其相应的响应来进行训练。提示可以分组为意图。提示变体（在聊天机器人术语中称为话语）是指不同用户可以提出相同提示的示例变体。最后，实体是指特定领域的词汇表，基本上是变量的允许值列表。

接下来，我们考虑ChatPromptTemplate，它允许对用户和 AI 系统之间的多步骤对话进行建模。可以指定用户、助手、系统等角色。允许的角色取决于底层 LLM 允许的角色。例如，OpenAI Chat Completions API允许指定以下角色：AI 助手、人类或系统。这些角色为对话提供了额外的背景信息，并有助于 LLM 更深入地理解对话。

from langchain_core.prompts import ChatPromptTemplate

chat_template = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a knoweldgeable AI bot. You are called {name}."),
        ("human", "Hi, how are you today?"),
        ("ai", "I'm doing great, thanks! How can I help you?"),
        ("human", "{user_input}"),
    ]
)

messages = chat_template.format_messages(name="Emily", user_input="How should I call you?")

最后，让我们考虑FewShotPromptTemplate类，该类允许通过在提出实际问题之前首先在样本问答词典上训练 LLM 来进行少量学习。

from langchain_core.prompts.few_shot import FewShotPromptTemplate
from langchain_core.prompts.prompt import PromptTemplate

examples = [
    {"question": "What is the second largest ocean on Earth?", "answer": "Atlantc Ocean"},
    {"question": "What is the tallest mountain in Asia?", "answer": "Mount Everest"},
]
example_prompt = PromptTemplate(
    input_variables=["question", "answer"], template="Question: {question}\n{answer}"
)
prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    suffix="Question: {input}",
    input_variables=["input"],
)

print(prompt.format(input="What is the tallest mountain in Africa?"))

基于强化学习的即时商店管理

LangChain 的提示模板是模板化和组织提示的绝佳解决方案。然而，当处理包含 100 多个提示（模板）的企业提示商店时，手动管理它们很快就会变得非常困难。对于每个新的（已批准和推荐的）提示，

提取提示模板和实体值。
确定与现有提示模板的重叠。
如果不存在覆盖的提示模板，则将该模板添加到提示存储中。
如果存在覆盖模板，但覆盖率低于（阈值）例如 70%，则可能需要根据缺失的实体和计数值调整模板。

即时商店策展流程如下图所示：

例如，给定以下（现有）提示模板

为以下活动的帖子生成引人入胜的摘要。突出主题。使用指定的语气。帖子（类型）： [报纸、博客、文章……]活动： [咖啡馆、餐厅、小餐馆开业……]主题： [氛围、菜单]语气： [信息丰富、正式]

和新提示

为报纸上宣布开设现代主题咖啡馆的文章撰写不超过 200 字的引人入胜的摘要。突出装饰和菜单。使用友好的语气来吸引年轻的顾客群。

需要添加 (200) 字数限定符和以下实体值来适应现有的提示模板：主题
： [氛围、装饰、菜单]
语气： [友好、信息丰富、正式]

在后续文章中，我们概述了一种基于用户反馈的强化学习方法，以实现商店管理的自动化。

RL 模型的目的不是从头开始构建提示商店，而是利用用户反馈的提示来自动化提示商店的管理。

我们方法的核心是评分模型，该模型经过训练可根据用户反馈对提示-响应元组进行评分。该模型预测的分数用作 RL 代理的奖励。策略学习是离线进行的，这要归功于用户模拟器，该模拟器由提示存储中的提示模板实例化而成。策略学习是使用具有 epsilon-greedy 探索的深度 Q 网络 (DQN) 代理实现的，该代理经过量身定制，可有效包含超出范围的提示的后备响应。

强化学习模型

RL 模型架构如下图所示。

RL 模型的关键组件包括：NLU 单元，用于在热身阶段对 RL 代理进行初始训练；用户模拟器，从提示数据库中随机提取候选提示，以添加到新的用例、场景等中；根据用户对提示的反馈进行训练的分数模型，以及基于深度 Q 网络 (DQN) 的 RL 代理。

自然语言单元

自然语言理解 (NLU) 单元是一种意图识别 NLU，它使用提示库中现有的（和已批准的）提示模板进行训练。为简单起见，我们仅考虑了基本的 PromptTemplate（来自 LangChain），并使用来自Rasa 的开源 NLU ，使用TensorFlow管道。但是，RL 方法独立于所选的 NLU，可以轻松扩展到 NLU 引擎，例如 Google DialogFlow、IBM Watson 或 Amazon LEX。

用户反馈

我们在实际内部聊天机器人开发过程中获得了用户反馈，并将其运用到工作中。聊天机器人的作用是回答员工关于办公楼设施、人力资源政策和福利等方面的问题。

参与反馈过程的所有十位用户都被告知，他们的反馈将用于提高提示的质量。用户提供了对提示-响应三元组的二元反馈评级。因此，历史数据包含以下格式的四元组：（提示、响应、NLU 置信度和用户反馈）。

RL 奖励函数

评估 NLU 性能是计算语言学中一个长期存在的问题。从机器翻译 [4] 借用的评估指标在短句 [5] 上表现不佳，例如我们案例中的响应（模板）。另一方面，用户（人工）对提示响应的审核现在被认为是评估质量、准确性、扎实性等的事实标准——尽管这些分数通常很难收集且成本高昂。

为了以离线 RL 方式应用用户反馈，我们使用了一个能够为新的（未见过的）提示响应元组建模二元反馈的评分模型。句子的向量表示是使用通用句子编码器（可通过 TensorFlow Hub 获得）计算的。

鉴于此，分数模型学习在线性变换空间中投射提示和响应的向量表示，以便相似的向量表示给出高分。

为了训练 RL 奖励模型，我们利用 L2 正则化对平方误差（模型预测和人工反馈之间的误差）损失进行优化。为了评估模型，我们将预测分数转换为二进制结果，并与目标（用户反馈）进行比较。对于那些具有可识别模板且具有正反馈和接近 1 的 NLU 置信度的提示对，我们会执行数据增强，为提示和后备意图的组合分配低分数。

使用 DQN 进行 RL 代理策略学习

RL 代理使用具有 DQN 架构的 Q 学习算法来学习策略。我们遵循 [6] 提出的方法，使用完全连接的网络，由经验重放池缓冲区提供数据，其中包含提示和响应的独热表示以及相应的奖励。

在热身阶段，使用 NLU 置信度水平在 NLU 上训练 DQN。每当状态-动作元组的置信度值高于阈值时，DQN 训练集就会得到增强，方法是为给定状态和所有其他可用操作分配零权重。因此，在 RL 训练开始时，RL 代理的表现与 NLU 单元类似。

在 RL 训练期间，我们使用了 epsilon ε-greedy 探索，其中根据概率 ε 探索随机动作。我们使用随时间变化的 ε，这有助于在训练开始时进行探索，其中ε_t0 = 0.2，最后一个时期的ε_t = 0.05。

在一个时期内，我们模拟一批大小为n 个情节的对话（在我们的实验中范围为 10 — 30），并使用元组(s_t, a_t, r_t)填充经验重放缓冲区。缓冲区具有固定大小，当 RL 代理性能增加到指定阈值以上时，它会第一次刷新。在状态-动作元组获得大于 50% 的奖励的情节中，我们通过为当前状态的任何其他动作分配零奖励来执行数据增强。