12 prompt
engineering best practices and tips
By
Stephen
J. Bigelow, Senior Technology Editor; Published: 19 Mar 2025
Theo:
https://www.techtarget.com/searchenterpriseai/tip/Prompt-engineering-tips-and-best-practices
Bài được đưa lên Internet ngày:
19/03/2025
Đặt câu hỏi đúng là rất quan trọng để
sử dụng AI tạo ra hiệu quả. Tìm hiểu 12 mẹo để viết
lời nhắc rõ ràng, hữu ích, bao gồm các lỗi cần tránh
và lời khuyên để tạo hình ảnh.
AI tạo sinh cuối cùng
cũng đang trở thành công cụ nghiên cứu, học tập, sáng
tạo và tương tác. Chìa khóa cho giao diện AI tạo sinh
hiện đại là lời nhắc: yêu cầu mà người dùng soạn
thảo để truy vấn hệ thống AI nhằm mục đích đưa ra
phản hồi mong muốn.
Nhưng AI có giới hạn của nó và để có
được câu trả lời đúng nghĩa là phải đặt đúng câu
hỏi. Hệ thống AI thiếu hiểu biết sâu sắc và trực
giác để thực sự hiểu được nhu cầu và mong muốn của
người dùng. Lời nhắc yêu cầu cách
diễn đạt cẩn thận, định dạng phù hợp và chi tiết
rõ ràng. Thông thường, lời nhắc nên tránh nhiều tiếng
lóng, ẩn dụ và sắc thái xã hội mà con người coi là
điều hiển nhiên trong cuộc trò chuyện hàng ngày.
Để tận dụng tối đa
hệ thống AI tạo hình đòi hỏi phải có chuyên môn trong
việc tạo và thao tác lời nhắc. Sau đây là 12 phương
pháp hay nhất về kỹ thuật nhắc:
Hiểu được kết quả mong muốn.
Xác định đúng định dạng.
Đưa ra các yêu cầu rõ ràng, cụ thể.
Xác định độ dài của lời nhắc.
Chia nhỏ các nhiệm vụ phức tạp.
Chọn từ ngữ cẩn thận.
Đặt ra các câu hỏi hoặc yêu cầu
mở.
Bao gồm ngữ cảnh.
Cung cấp ví dụ.
Đặt mục tiêu hoặc giới hạn độ
dài đầu ra.
Tránh các thuật ngữ xung đột và mơ
hồ.
Sử dụng dấu câu để làm rõ các
lời nhắc phức tạp.
Hãy cùng khám phá từng bài thực hành chi
tiết hơn.
12 mẹo để có lời nhắc tốt hơn
Việc tạo ra lời nhắc thành công đòi
hỏi kiến thức và kỹ năng. Các
kỹ sư lời nhắc cần có ý tưởng
rõ ràng về câu trả lời hoặc kết quả mong muốn của
họ, cũng như hiểu biết sâu sắc về các sắc thái, giao
diện và hạn chế của hệ thống AI.
Điều này khó hơn bạn nghĩ. Hãy ghi nhớ
các hướng dẫn sau khi tạo lời nhắc cho các công cụ AI
tạo sinh.
Lời nhắc là gì?
Lời nhắc là yêu cầu do con người đưa
ra cho hệ thống AI tạo sinh, thường là mô hình ngôn ngữ
lớn - LLM
(Large Language Model). Lời nhắc có thể dài tới hàng chục
hoặc thậm chí hàng trăm từ, nêu chi tiết các yêu cầu
của người dùng, đặt định dạng và giới hạn cho phản
hồi, đồng thời bao gồm các ví dụ để hướng dẫn
đầu ra của mô hình. Giao diện đầu cuối của hệ thống
AI phân tích lời nhắc thành các tác vụ và tham số có
thể thực hiện được, sau đó sử dụng các thành phần
được trích xuất đó để truy cập dữ liệu và thực
hiện các tác vụ đáp ứng yêu cầu của người dùng
trong giới hạn của các mô hình và tập dữ liệu cơ bản
của hệ thống.
1. Hiểu kết quả mong muốn
Kỹ thuật nhắc thành
công phần lớn là vấn đề biết nên hỏi những câu hỏi
nào và cách hỏi chúng hiệu quả. Nhưng
điều này chẳng có ý nghĩa gì nếu người dùng không
biết họ muốn gì ngay từ đầu.
Trước khi người dùng
tương tác với công cụ AI, điều quan trọng là phải xác
định mục tiêu tương tác và phát triển phác thảo rõ
ràng về kết quả dự kiến trước. Lên
kế hoạch: Quyết định mục tiêu cần đạt được, đối
tượng cần biết và bất kỳ hành động liên quan nào mà
hệ thống phải thực hiện.
2. Xác định định dạng phù hợp
Hệ thống AI có thể hoạt động với các
yêu cầu đơn giản, trực tiếp bằng các câu thông
thường, dễ hiểu. Nhưng các yêu cầu
phức tạp sẽ được hưởng lợi từ các truy vấn chi
tiết, có cấu trúc cẩn thận tuân theo biểu mẫu hoặc
định dạng nhất quán với thiết kế bên trong của hệ
thống.
Biểu mẫu và định dạng có thể khác
nhau đối với từng mô hình và một số công cụ, chẳng
hạn như trình tạo nghệ thuật, có thể có cấu trúc ưu
tiên liên quan đến việc sử dụng từ khóa ở các vị
trí có thể dự đoán được. Ví dụ: công ty Kajabi đề
xuất định dạng lời nhắc tương tự như sau cho trợ
lý AI đàm thoại của mình, Ama:
"Hành động
như" + "viết một" + "xác định mục
tiêu" + "xác định định dạng lý tưởng của
bạn"
Một lời nhắc mẫu cho một dự án văn
bản, chẳng hạn như một câu chuyện hoặc báo cáo, có
thể giống như sau:
Hành động như một giáo sư lịch sử
đang viết một bài luận cho một lớp đại học để
cung cấp bối cảnh chi tiết về Chiến tranh Tây Ban
Nha-Mỹ theo phong cách của Mark Twain.
3. Đưa ra các yêu cầu rõ ràng, cụ thể
AI không phải là nhà ngoại cảm hay thần
giao cách cảm; hệ thống chỉ có thể hành động dựa
trên những gì nó có thể diễn giải từ một gợi ý
nhất định.
Hãy tạo ra các yêu cầu rõ ràng, cụ thể
và có thể thực hiện được. Hiểu được kết quả
mong muốn, sau đó làm việc để mô tả nhiệm vụ mà mô
hình cần thực hiện hoặc nêu rõ câu hỏi mà mô hình
cần trả lời.
Ví dụ, một câu hỏi
đơn giản như "Mấy giờ thủy triều lên?" là
một gợi ý không hiệu quả vì nó thiếu chi tiết cần
thiết. Thủy triều thay đổi theo ngày và địa điểm, do
đó, mô hình sẽ không có đủ thông tin để đưa ra câu
trả lời đúng. Một truy vấn rõ ràng và cụ thể hơn
nhiều sẽ là: "Mấy giờ thủy triều lên ở Cảng
Gloucester, Massachusetts, vào ngày 31 tháng 3 năm 2025?"
4. Xác định độ dài lời nhắc
Lời nhắc có thể bị giới hạn bởi số
lượng ký tự tối thiểu và tối đa. Nhiều giao diện AI
không áp đặt giới hạn cứng, nhưng lời nhắc quá dài
có thể khiến hệ thống AI khó xử lý.
Các công cụ AI thường
gặp khó khăn khi phân tích các lời nhắc dài do
tính phức tạp liên quan đến việc sắp xếp và ưu tiên
các yếu tố cần thiết của một yêu cầu dài. Hãy lưu
ý đến bất kỳ giới hạn mã thông báo (token)
nào đối với một công cụ AI nhất định, và chỉ tạo
lời nhắc đủ dài để truyền tải tất cả các tham số
bắt buộc.
5. Chia nhỏ các tác vụ phức tạp
Hướng dẫn từng bước có thể đảm bảo
rằng mô hình xử lý từng khía cạnh của một yêu cầu.
Ví dụ: thay vì sử dụng một lời nhắc để yêu cầu mô
hình tạo hành trình bảy ngày chi tiết đến các điểm
đến du lịch phổ biến trên khắp Châu Âu, hãy chia yêu
cầu thành một loạt lời nhắc liên quan đến các địa
điểm đến hàng đầu Châu Âu, thời điểm lý tưởng
trong năm để du lịch, giá vé máy bay và khách sạn và
các tùy chọn tham quan.
Việc chia nhỏ các tác vụ phức tạp có
nghĩa là lời nhắc chi tiết hơn, đầu ra chính xác hơn
và khắc phục sự cố dễ dàng hơn. Bằng cách theo dõi
đầu ra của từng tác vụ phụ, các kỹ sư lời nhắc có
thể xác định chính xác nơi mô hình có thể gặp trục
trặc và điều chỉnh cho phù hợp.
6. Chọn từ ngữ cẩn thận
Giống như bất kỳ hệ thống máy tính
nào, các công cụ AI có thể cực kỳ chính xác trong việc
sử dụng lệnh và ngôn ngữ, bao gồm cả việc không biết
cách phản hồi các lệnh hoặc ngôn ngữ không được
nhận dạng.
Các lời nhắc hiệu quả nhất sử dụng
cách diễn đạt rõ ràng và trực tiếp. Tránh sự mơ hồ,
ngôn ngữ hoa mỹ, ẩn dụ và tiếng lóng, tất cả đều
có thể tạo ra kết quả bất ngờ và không mong muốn.
Tuy nhiên, đôi khi các kỹ sư lời nhắc
có thể sử dụng sự mơ hồ và ngôn ngữ không khuyến
khích khác với mục tiêu cố ý là gây ra kết quả bất
ngờ hoặc không thể đoán trước từ một mô hình. Điều
này có thể tạo ra kết quả thú vị, vì tính phức tạp
của nhiều hệ thống AI khiến quy trình ra quyết định
của chúng trở nên khó hiểu đối với người dùng hoặc
là một phần của thử nghiệm an toàn trong nhóm đỏ AI
(AI
red teaming).
7. Đặt câu hỏi hoặc yêu cầu mở
AI tạo sinh được thiết kế để tạo
ra. Các câu hỏi đơn giản có hoặc không có hạn chế và
có thể tạo ra kết quả ngắn và không thú vị.
Ngược lại, việc đặt câu hỏi mở sẽ
tạo điều kiện cho tính linh hoạt hơn nhiều ở đầu
ra. Ví dụ, một câu hỏi gợi ý đơn giản như "Nội
chiến Hoa Kỳ có phải là về quyền của các tiểu bang
không?" có thể sẽ dẫn đến một câu trả lời ngắn
gọn, đơn giản tương tự. Tuy nhiên, một câu hỏi gợi
ý mở hơn, chẳng hạn như "Mô tả các yếu tố xã
hội, kinh tế và chính trị dẫn đến sự bùng nổ của
Nội chiến Hoa Kỳ" có nhiều khả năng gợi ra một
câu trả lời toàn diện và chi tiết hơn.
8. Bao gồm ngữ cảnh
Một công cụ AI tạo sinh có thể lên
khung đầu ra của nó để đáp ứng nhiều mục tiêu và
kỳ vọng, từ các bản tóm tắt ngắn, tổng quát đến
các cuộc khám phá dài, chi tiết. Để tận dụng tính
linh hoạt này, các câu hỏi gợi ý được
thiết kế tốt thường bao gồm ngữ cảnh giúp hệ thống
AI điều chỉnh đầu ra của mình theo đối tượng dự
định của người dùng.
Ví dụ, nếu người dùng chỉ yêu cầu
một LLM giải thích ba định luật nhiệt động lực học,
thì không thể dự đoán được độ dài và chi tiết của
đầu ra. Nhưng việc thêm ngữ cảnh có thể giúp đảm
bảo đầu ra phù hợp với đối tượng đọc mục tiêu.
Một lời nhắc như "Giải thích ba
định luật nhiệt động lực học cho học sinh lớp ba"
sẽ tạo ra mức độ độ dài và chi tiết khác biệt đáng
kể so với "Giải thích ba định luật nhiệt động
lực học cho các nhà vật lý trình độ tiến sĩ".
9. Cung cấp ví dụ
Một kỹ thuật khác để
đảm bảo đầu ra của mô hình đạt được mục tiêu
mong muốn là đưa ví dụ vào lời nhắc. Ví dụ thể
hiện các khía cạnh như chất lượng, phong cách, định
dạng hoặc giọng điệu có thể giúp mô hình điều chỉnh
phản hồi của mình.
Việc cung cấp ví dụ có thể hữu ích
cho nhiều lời nhắc khác nhau, chẳng hạn như sáng tạo
nghệ thuật, phân tích dữ liệu hoặc phát triển mã. Ví
dụ, lời nhắc có thể bao gồm các ví dụ về tài liệu
tiếp thị để giúp mô hình sao chép giọng điệu của
một thương hiệu cụ thể, hoặc có thể xác định cách
định dạng đầu ra bằng cách đưa vào bảng dữ liệu
hoặc biểu đồ ví dụ.
10. Đặt mục tiêu hoặc giới hạn độ
dài đầu ra
Mặc dù AI tạo sinh có mục đích sáng
tạo, nhưng thường khôn ngoan khi đưa ra các giới hạn về
các yếu tố như độ dài đầu ra. Các yếu tố ngữ cảnh
trong lời nhắc có thể bao gồm yêu cầu phản hồi đơn
giản và ngắn gọn so với dài dòng và chi tiết, ví dụ
thế.
Tuy nhiên, hãy nhớ rằng
các công cụ AI tạo sinh thường không tuân thủ giới hạn
từ hoặc ký tự chính xác. Điều này là do các mô hình
xử lý ngôn ngữ tự nhiên như GPT-4 được đào tạo để
dự đoán từ dựa trên các mẫu ngôn ngữ và mã thông
báo, không phải số lượng từ hoặc ký tự chính xác.
Do đó, LLM thường có thể tuân theo hướng dẫn gần đúng
như "Cung cấp phản hồi gồm hai hoặc ba câu",
nhưng chúng gặp khó khăn trong việc định lượng chính
xác các ký tự hoặc từ.
11. Tránh các thuật ngữ xung đột và
mơ hồ
Các lời nhắc dài và phức tạp đôi khi
bao gồm các thuật ngữ mơ hồ hoặc mâu thuẫn. Ví dụ:
lời nhắc bao gồm cả từ chi tiết và tóm tắt
có thể cung cấp cho mô hình thông tin xung đột về mức
độ chi tiết dự kiến và độ dài đầu ra.
Các lời nhắc hiệu quả nhất sử dụng
ngôn ngữ tích cực và tránh ngôn ngữ tiêu cực -- nói
cách khác, "Hãy nói 'làm' và đừng nói 'không'".
Logic ở đây rất đơn giản: các mô
hình AI được đào tạo để thực hiện các nhiệm vụ
cụ thể, do đó, việc yêu cầu hệ thống AI không làm
điều gì đó là vô nghĩa trừ khi có lý do chính đáng để
đưa ngoại lệ vào tham số.
12. Sử dụng dấu câu để làm rõ các
lời nhắc phức tạp
Giống như con người dựa vào dấu câu để
giúp phân tích cú pháp văn bản, lời nhắc của AI cũng
có thể được hưởng lợi từ việc sử dụng hợp lý
dấu phẩy, dấu ngoặc kép và ngắt dòng để giúp hệ
thống phân tích cú pháp và vận hành lời nhắc phức
tạp.
Hãy xem xét ví dụ ngữ pháp đơn giản ở
trường tiểu học về "let's eat Grandma" (ăn bà
ơi) so với "let's eat, Grandma" (ăn, bà ơi). Các kỹ
sư lời nhắc nên hoàn toàn quen thuộc với sự hình thành
và định dạng của các hệ thống AI mà họ sử dụng,
thường bao gồm các khuyến nghị cụ thể về dấu câu.
Video: Kỹ
thuật nhắc là gì? (trong khoảng một phút)
Các mẹo kỹ thuật nhắc bổ sung cho
trình tạo hình ảnh
12 mẹo được đề cập ở trên chủ yếu
liên quan đến LLM, chẳng hạn như ChatGPT. Tuy nhiên, cũng
có một loạt các nền tảng hình ảnh AI tạo sinh ngày
càng tăng, có thể sử dụng các thành phần hoặc tham số
nhắc nhở bổ sung khi cần.
Khi làm việc cụ thể với các trình tạo
hình ảnh như Midjourney và Dall-E, hãy ghi nhớ bảy mẹo
sau:
Mô tả hình ảnh. Cung cấp một số
chi tiết về cảnh tượng -- có thể là cảnh quan thành
phố, cánh đồng hoặc khu rừng -- cũng như thông tin cụ
thể về chủ thể. Khi mô tả mọi người là chủ thể,
hãy nêu rõ bất kỳ đặc điểm vật lý có liên quan nào
mà bạn muốn đưa vào, chẳng hạn như chủng tộc, tuổi
tác và giới tính.
Mô tả tâm trạng. Bao gồm các mô tả
về hành động, biểu cảm và môi trường -- ví dụ,
"Một bà lão đứng dưới mưa và khóc bên một ngôi
mộ có nhiều cây cối".
Mô tả tính thẩm mỹ. Xác định
phong cách chung mong muốn cho hình ảnh kết quả, chẳng
hạn như màu nước, điêu khắc, nghệ thuật kỹ thuật
số hoặc tranh sơn dầu. Bạn thậm chí có thể mô tả
các kỹ thuật hoặc phong cách nghệ thuật, chẳng hạn
như trường phái ấn tượng.
Mô tả khung hình. Xác định cách
khung cảnh và chủ thể được lên khung: kịch tính, góc
rộng, cận cảnh, v.v.
Mô tả ánh sáng. Mô tả cách chiếu
sáng khung cảnh bằng các thuật ngữ như buổi sáng, ánh
sáng ban ngày, buổi tối, bóng tối, ánh lửa và đèn
pin. Tất cả các yếu tố này có thể ảnh hưởng đến
ánh sáng và bóng tối.
Mô tả màu sắc. Chỉ ra cách khung
cảnh nên sử dụng màu sắc với các mô tả như bão hòa
hoặc tắt tiếng.
Mô tả mức độ chân thực. Kết xuất
nghệ thuật AI có thể dao động từ trừu tượng đến
hoạt hình đến siêu thực. Hãy chắc chắn chỉ ra mức
độ chân thực mong muốn cho hình ảnh kết quả.
Tránh các lỗi kỹ thuật nhắc phổ
biến
Quá trình hình thành
nhanh và quá trình thiết kế nhanh có thể mang tính nghệ
thuật hơn là khoa học. Những khác biệt tinh tế về định
dạng, cấu trúc và nội dung của lời nhắc có thể ảnh
hưởng sâu sắc đến phản hồi của AI. Ngay cả những
sắc thái trong cách đào tạo các mô hình AI cũng có thể
dẫn đến kết quả khác nhau.
Sau đây là một số lỗi thiết kế nhanh
phổ biến cần tránh:
Đừng ngại thử nghiệm và làm
lại. Lời nhắc không bao giờ là nỗ lực chỉ làm
một lần là xong. Các hệ thống AI như trình tạo nghệ
thuật có thể đòi hỏi sự chú ý rất lớn đến từng
chi tiết. Hãy chuẩn bị điều chỉnh và thử nhiều lần
để xây dựng lời nhắc lý tưởng.
Đừng tìm kiếm câu trả lời ngắn
gọn. AI tạo sinh được thiết kế để sáng tạo, vì
vậy hãy tạo lời nhắc tận dụng tối đa khả năng của
hệ thống AI. Tránh các lời nhắc tìm
kiếm câu trả lời ngắn gọn hoặc chỉ có một từ;
AI tạo sinh hữu ích hơn nhiều khi lời nhắc có kết
thúc mở.
Đừng tuân theo nhiệt độ mặc
định. Nhiều công cụ AI tạo sinh kết hợp các thiết
lập nhiệt độ, nói một cách đơn giản, kiểm soát
khả năng sáng tạo của AI. Dựa trên truy vấn cụ thể,
hãy thử điều chỉnh các thông số nhiệt độ: cao hơn
để ngẫu nhiên và đa dạng hơn hoặc thấp hơn để hẹp
hơn và tập trung hơn.
Không sử dụng cùng một trình tự
trong mỗi lời nhắc. Lời nhắc có thể là các truy
vấn phức tạp với nhiều yếu tố khác nhau. Thứ
tự mà các hướng dẫn và thông tin được tập hợp
thành lời nhắc có thể ảnh hưởng đến đầu ra bằng
cách thay đổi cách AI phân tích và diễn giải lời nhắc.
Hãy thử chuyển đổi cấu trúc của
lời nhắc để đưa ra các phản hồi khác nhau.
Không áp
dụng cùng một cách tiếp cận cho mọi hệ thống AI.
Vì các mô hình khác nhau có mục đích
và lĩnh vực chuyên môn khác nhau, nên việc đưa ra cùng
một lời nhắc cho các công cụ AI khác nhau có thể tạo
ra các kết quả khác nhau đáng kể. Điều chỉnh
lời nhắc theo điểm mạnh riêng của mô hình. Trong một
số trường hợp, có thể cần đào tạo bổ sung, chẳng
hạn như giới thiệu dữ liệu mới hoặc phản hồi tập
trung hơn, để tinh chỉnh phản hồi của AI.
Đừng quên
rằng AI có thể sai. Phản hồi của
mô hình có thể sai, không đầy đủ hoặc chỉ đơn giản
là bịa đặt, một hiện tượng được gọi là ảo giác
(hallucination).
Luôn kiểm tra thực tế đầu ra của
AI để tìm thông tin không chính xác, gây hiểu lầm,
thiên vị hoặc hợp lý nhưng không chính xác.
Lưu ý của biên tập viên: Mẹo
này ban đầu được viết vào năm 2023. Informa TechTarget
Editorial đã cập nhật vào năm 2025 với thông tin công
nghệ có liên quan để cải thiện khả năng đọc.
Stephen J. Bigelow,
biên tập viên công nghệ cao cấp tại TechTarget, có hơn
30 năm kinh nghiệm viết kỹ thuật trong ngành công nghiệp
PC và công nghệ
Asking the right
questions is crucial for effective generative AI use. Learn 12 tips
for writing clear, useful prompts, including mistakes to avoid and
advice for image generation.
Generative AI is
finally coming into its own as a tool for research, learning,
creativity and interaction. The key to a modern generative AI
interface is the prompt: the request that users compose to query an
AI system in an attempt to elicit a desirable response.
But AI has its
limits, and getting the right answer means asking the right question.
AI systems lack the insight and intuition to actually understand
users' needs and wants. Prompts require careful wording, proper
formatting and clear details. Often, prompts should avoid much of the
slang, metaphors and social nuance that humans take for granted in
everyday conversation.
Getting the most
from a generative
AI system requires expertise in creating and manipulating
prompts. Here are 12 prompt
engineering best practices:
Understand
the desired outcome.
Determine
the right format.
Make clear,
specific requests.
Define
prompt length.
Split up
complex tasks.
Choose
words with care.
Pose
open-ended questions or requests.
Include
context.
Provide
examples.
Set output
length goals or limits.
Avoid
conflicting terms and ambiguity.
Use
punctuation to clarify complex prompts.
Let's explore
each practice in further detail.
12 tips for
better prompts
Creating
successful prompts takes knowledge and skill. Prompt
engineers need a clear idea of their desired answer or result, as
well as a thorough understanding of the AI system's nuances,
interface and limitations.
This is tougher
than it might seem. Keep the following guidelines in mind when
creating prompts for generative AI tools.
What
is a prompt?
A
prompt is a request made by a human to a generative AI system, often
a large language model (LLM).
Prompts can grow to dozens or even hundreds of words that detail user
requests, set formats and limits for responses, and include examples
to guide the model's output. The AI system's front-end interface
parses the prompt into actionable tasks and parameters, then uses
those extracted elements to access data and perform tasks that meet
the user's request within the limits of the system's underlying
models and data set.
1. Understand
the desired outcome
Successful
prompt engineering is largely a matter of knowing what questions to
ask and how to ask them effectively. But this means nothing if the
user doesn't know what they want in the first place.
Before a user
interacts with an AI tool, it's important to define the goals for the
interaction and develop a clear outline of the anticipated results
beforehand. Plan it out: Decide what to achieve, what the audience
should know and any associated actions that the system must perform.
2. Determine
the right format
AI systems can
work with simple, direct requests using casual, plain-language
sentences. But complex requests will benefit from detailed, carefully
structured queries that adhere to a form or format that is consistent
with the system's internal design.
Form and format
can differ for each model, and some tools, such as art generators,
might have a preferred structure that involves using keywords in
predictable locations. For example, the company Kajabi recommends
a prompt format similar to the following for its conversational AI
assistant, Ama:
"Act
like" + "write a" + "define an objective" +
"define your ideal format"
A sample prompt
for a text project, such as a story or report, might resemble the
following:
Act like a
history professor who is writing an essay for a college class
to provide a detailed background on the Spanish-American War
using the style of Mark Twain.
3. Make
clear, specific requests
AI is neither
psychic nor telepathic; the system can only act based on what it can
interpret from a given prompt.
Create clear,
explicit and actionable requests. Understand the desired outcome,
then work to describe the task the model needs to perform or
articulate the question the model needs to answer.
For example, a
simple question such as "What time is high tide?" is an
ineffective prompt because it lacks essential detail. Tides vary by
day and location, so the model would not have nearly enough
information to provide a correct answer. A much clearer and more
specific query would be: "What times are high tides in
Gloucester Harbor, Massachusetts, on March 31, 2025?"
4. Define
prompt length
Prompts might be
subject to minimum and maximum character counts. Many AI interfaces
don't impose a hard limit, but extremely long prompts can be
difficult for AI systems to handle.
AI tools often
struggle to parse long prompts due to the complexity involved in
organizing and prioritizing the essential elements of a lengthy
request. Be aware of any token
limitations for a given AI tool, and make the prompt only as long as
it needs to be to convey all the required parameters.
5. Split up
complex tasks
Step-by-step
instructions can ensure that the model handles each aspect of a
request. For example, instead of using one prompt to request a model
to create a detailed seven-day itinerary to popular travel
destinations throughout Europe, split the request into a series of
prompts related to top European destination locations, optimal times
of year to travel, flight and hotel pricing, and excursion options.
Splitting up
complex tasks means more detailed prompts, more accurate output and
easier troubleshooting. By monitoring the output of each subtask,
prompt engineers can pinpoint where the model might be going awry and
adjust accordingly.
6. Choose
words with care
Like any
computer system, AI tools can be excruciatingly precise in their use
of commands and language, including not knowing how to respond to
unrecognized commands or language.
The most
effective prompts use clear and direct wording. Avoid ambiguity,
colorful language, metaphors and slang, all of which can produce
unexpected and undesirable results.
However, prompt
engineers can sometimes employ ambiguity and other discouraged
language with the deliberate goal of provoking unexpected or
unpredictable results from a model. This can produce interesting
output, as the complexity of many AI systems renders their
decision-making processes opaque to the user, or be part of safety
testing in AI
red teaming.
7. Pose
open-ended questions or requests
Generative AI is
designed to create. Simple yes-or-no questions are limiting and will
likely yield short and uninteresting output.
Posing
open-ended questions, in contrast, gives room for much more
flexibility in output. For example, a simple prompt such as "Was
the American Civil War about states' rights?" will likely lead
to a similarly simple, brief response. However, a more open-ended
prompt, such as "Describe the social, economic and political
factors that led to the outbreak of the American Civil War," is
far more likely to provoke a comprehensive and detailed answer.
8. Include
context
A generative AI
tool can frame its output to meet a wide array of goals and
expectations, from short, generalized summaries to long, detailed
explorations. To make use of this versatility, well-crafted prompts
often include context that helps the AI system tailor its output to
the user's intended audience.
For example, if
a user simply asks an LLM to explain the three laws of
thermodynamics, it's impossible to predict the length and detail of
the output. But adding context can help ensure the output is suitable
for the target reader. A prompt such as "Explain the three laws
of thermodynamics for third-grade students" will produce a
dramatically different level of length and detail compared with
"Explain the three laws of thermodynamics for Ph.D.-level
physicists."
9. Provide
examples
Another
technique to ensure a model's output meets desired goals is to
include examples in prompts. Examples that showcase aspects like
quality, style, format or tone can help a model tailor its responses.
Providing
examples can be useful for a variety of prompts, such as art
creation, data analysis or code development. For example, a prompt
could include examples of marketing material to help a model
replicate the tone of a specific brand, or it could define how to
format output by including an example data table or chart.
10. Set
output length goals or limits
Although
generative AI is intended to be creative, it's often wise to include
guardrails on factors such as output length. Context elements in
prompts might include requesting a simple and concise versus lengthy
and detailed response, for example.
Keep in mind,
however, that generative AI tools generally can't adhere to precise
word or character limits. This is because natural
language processing models such as GPT-4
are trained to predict words based on language patterns and tokens,
not exact word or character counts. Thus, LLMs can usually follow
approximate guidance such as "Provide a two- or three-sentence
response," but they struggle to precisely quantify characters or
words.
11. Avoid
conflicting terms and ambiguity
Long and complex
prompts sometimes include ambiguous or contradictory terms. For
example, a prompt that includes both the words detailed and
summary might give the model conflicting information about the
expected level of detail and output length.
The most
effective prompts use positive language and avoid negative language
-- in other words, "Do say 'do,' and don't say 'don't.'"
The logic here is simple: AI models are trained to perform specific
tasks, so asking an AI system not to do something is meaningless
unless there is a compelling reason to include an exception to a
parameter.
12. Use
punctuation to clarify complex prompts
Just as humans
rely on punctuation to help parse text, AI prompts can also benefit
from the judicious use of commas, quotation marks and line breaks to
help the system parse and operate on a complex prompt.
Consider the
simple elementary school grammar example of "let's eat Grandma"
versus "let's eat, Grandma." Prompt engineers should be
thoroughly familiar with the formation and formatting of the AI
systems they use, which often includes specific recommendations for
punctuation.
Video: What
is Prompt Engineering? (in about a minute)
Additional
prompt engineering tips for image generators
The 12 tips
covered above are primarily associated with LLMs, such as ChatGPT.
However, there is also a growing
assortment of generative AI image platforms, which can employ
additional prompt elements or parameters in requests.
When working
specifically with image generators such as Midjourney and Dall-E,
keep the following seven tips in mind:
Describe
the image. Offer some details about the scene -- perhaps a
cityscape, field or forest -- as well as specific information about
the subject. When describing people as subjects, be explicit about
any relevant physical features you want to include, such as race,
age and gender.
Describe
the mood. Include descriptions of actions, expressions and
environments -- for example, "An elderly woman stands in the
rain and cries by a wooded graveside."
Describe
the aesthetic. Define the overall style desired for the
resulting image, such as watercolor, sculpture, digital art or oil
painting. You can even describe techniques or artistic styles, such
as impressionism.
Describe
the framing. Define how the scene and subject should be framed:
dramatic, wide-angle, close-up and so on.
Describe
the lighting. Describe
how the scene should be lit using terms such as morning, daylight,
evening, darkness, firelight and flashlight. All these factors can
affect light and shadow.
Describe
the coloring. Denote how the scene should use color with
descriptors such as saturated or muted.
Describe
the level of realism. AI art renderings can range from abstract
to cartoonish to photorealistic. Be sure to denote the desired level
of realism for the resulting image.
Avoiding
common prompt engineering mistakes
Prompt formation
and prompt engineering can be more of an art than a science. Subtle
differences in prompt format, structure and content can profoundly
affect AI responses. Even nuances in how AI models are trained can
result in different outputs.
The following
are several common prompt engineering mistakes to avoid:
Don't be
afraid to test and revise. Prompts are never one-and-done
efforts. AI systems such as art generators can require enormous
attention to detail. Be prepared to adjust and take multiple
attempts to build the ideal prompt.
Don't
look for short answers.
Generative AI is designed to be creative, so form prompts that make
the best use of the AI system's capabilities. Avoid prompts that
look for short or one-word answers; generative AI is far more useful
when prompts are open-ended.
Don't
stick to the default temperature.
Many generative AI tools incorporate a temperature
setting that, in simple terms, controls the AI's creativity.
Based on the specific query, try adjusting the temperature
parameters: higher to be more random and diverse, or lower to be
narrower and more focused.
Don't
use the same sequence in each prompt.
Prompts can be complex queries with many different elements. The
order in which instructions and information are assembled into a
prompt can affect the output by changing how the AI parses and
interprets the prompt. Try switching up the structure of prompts to
elicit different responses.
Don't
take the same approach for every AI system.
Because different models have different purposes and areas of
expertise, posing the same prompt to different AI tools can produce
significantly different results. Tailor prompts to the model's
unique strengths. In some cases, additional training, such as
introducing new data or more focused feedback, might be necessary to
refine the AI's responses.
Don't
forget that AI can be wrong.
Model responses can be wrong, incomplete or simply made-up, a
phenomenon known as hallucination.
Always fact-check AI output for inaccurate, misleading, biased, or
plausible yet incorrect information.
Editor's
note: This tip was originally written in 2023. Informa
TechTarget Editorial updated it in 2025 with relevant technology
information to improve readability.
Stephen J.
Bigelow, senior technology editor at TechTarget, has more than 30
years of technical writing experience in the PC and technology
industry
Dịch: Lê Trung Nghĩa
letrungnghia.foss@gmail.com
