LangGPT: Rethinking Structured Reusable Prompt Design Framework for LLMs from the Programming Language

LLMs 在各种领域中展现了出色的表现。然而，为了有效地指导 LLMs，制定高质量的提示对于非人工智能专家来说是一个挑战。现有的提示工程研究表明，优化原则和设计有些零散，且依赖经验的提示优化器。不幸的是，这些努力缺乏结构化的设计模板，导致学习成本高，重用性低。受结构化可重用编程语言的启发，我们提出了 LangGPT，这是一种双层提示设计框架，可作为 LLMs 的编程语言。LangGPT 具有易于学习的规范结构，并提供扩展结构以进行迁移和重用。实验表明，与基线相比，LangGPT 显著增强了 LLMs 生成优质响应的能力。此外，LangGPT 在指导 LLMs 生成高质量提示方面也证明是有效的。我们建立了一个 LangGPT 社区，以促进提示设计的教学和共享。我们还通过社区用户调查分析了 LangGPT 的易用性和重用性。

LangGPT论文试图解决的问题是如何有效地为LLMs设计高质量的提示，同时提供结构化的设计模板以提高可重用性和学习效率。

LangGPT提出了一种双层提示设计框架，类似于编程语言，具有易于学习的规范结构和扩展结构，可以显著提高LLMs生成高质量响应的能力，并指导LLMs生成高质量的提示。

论文通过实验验证了LangGPT的有效性，并建立了一个社区来促进提示设计的教学和共享。此外，论文还分析了LangGPT的易用性和可重用性，并进行了社区用户调查。

最近在这个领域中，还有一些相关研究，如Prompt Engineering、GPT-3等。