别再执着于大模型提示词技巧了，一起迈向program llms新时代！ - 文章 - 开发者社区

在大模型之后，提示词工程师这个岗位开始在市场上出现，我司去年就设了这个岗位，虽然不知道他们具体的工作内容有哪些方向。提示词工程，实际上就是大量的玩家在试玩大模型之后总结出的技巧。互联网上搜一波可以看到大量的诸如50个大模型提示词技巧，100个提示词技巧。这些技巧本身都很不错，但是在试用之后，你可能发现，没有什么提示词策略是可以解决所有类型的问题的。

LLMs本身对提示词是非常敏感的，这意味着，在实际实验过程中，除了要求大模型输出某个内容，还需要约束它按照某种格式，各种条件约束下输出，以确保整体的稳定性。

今天分享的这个思路，是将prompt llms变成program llms，主要来源于斯坦福大学的DSPY框架。将大模型提示词工程转变成像写pytorch代码一样结构化。这个框架的首图如下：

picture.image

在DSPY中，对应了3大核心模块，Signatures、Modules、Optimizers。如果还原到提示词工程中，Signatures相当于在书写提示词，而Modules就像你使用提示词技巧，比如思维链cot、react等，而Optimizers就像一步一步的去根据模型的生成结果调优提示词。

更具象化一点：

Signatures是我们告诉DSPY需要做什么，而不是告诉他应该如何做。例如：输入是文档，输出是摘要；输入是上下文+问题，输出是问题回复。
Modules，在DSPY是一些模块化的组件，比如说：dspy.ChainOfThought、dspy.ProgramOfThought，类似于一些可调用的函数
Optimizers，根据某个指标对整个流程自动优化。

接下来举个具体的例子：

比如说，我们想解决“姚明的妻子的出生年龄？”这个问题。看到这个问题，大家脑子里肯定蹦出了一堆的解决方案。这是个多跳问题，几乎不可能通过单轮搜索来解决这个问题，大多数系统可以得出“姚明的妻子是谁？”，但是无法回答后续的年龄问题。多轮搜索的系统，通过生成额外的搜索，收集必要的信息，可以得出最终答案，整体上还是蛮复杂的。但是这里举个例子，如何用DSPY只需要几行代码来实现并优化这个问题。


        
          
import dspy  
  
turbo = dspy.OpenAI(model='gpt-3.5-turbo')  
colbertv2 = dspy.ColBERTv2(url='http://20.102.90.50:2017/wiki17\_abstracts')  
  
dspy.settings.configure(lm=turbo, rm=colbertv2 )

加载测试数据，多跳问题，可以使用HotPotQA测试


        
          
from dspy.datasets import HotPotQA  
  
dataset = HotPotQA(train_seed=1, train_size=20, eval_seed=2023, dev_size=50, test_size=0)  
  
trainset = [x.with_inputs('question') for x in dataset.train]  
devset = [x.with_inputs('question') for x in dataset.dev]  
  
len(trainset), len(devset)  
#(20, 50)

设置Signatures


        
          
class GenerateAnswer(dspy.Signature):  
    context = dspy.InputField()  
    question = dspy.InputField()  
    answer = dspy.OutputField()  
  
  
class GenerateSearchQuery(dspy.Signature):  
  
    context = dspy.InputField()  
    question = dspy.InputField()  
    query = dspy.OutputField()

构建DSPY pipeline


        
          
from dsp.utils import deduplicate  
  
class SimplifiedBaleen(dspy.Module):  
    def \_\_init\_\_(self, passages\_per\_hop=3, max\_hops=2):  
        super().__init__()  
  
        self.generate_query = [dspy.ChainOfThought(GenerateSearchQuery) for _ in range(max_hops)]  # 多跳，每一跳都使用一个dspy.ChainOfThought  
        self.retrieve = dspy.Retrieve(k=passages_per_hop)  
        self.generate_answer = dspy.ChainOfThought(GenerateAnswer)  
        self.max_hops = max_hops  
      
    def forward(self, question):  
        context = []  
          
        for hop in range(self.max_hops):  
            query = self.generate_query[hop](context=context, question=question).query  
            passages = self.retrieve(query).passages  
            context = deduplicate(context + passages)  
  
        pred = self.generate_answer(context=context, question=question)  
        return dspy.Prediction(context=context, answer=pred.answer)

测试


        
          
my_question = "How many storeys are in the castle that David Gregory inherited?"  
  
uncompiled_baleen = SimplifiedBaleen()    
pred = uncompiled_baleen(my_question)  
  
print(f"Question: {my\_question}")  
print(f"Predicted Answer: {pred.answer}")  
print(f"Retrieved Contexts (truncated): {[c[:200] + '...' for c in pred.context]}")

优化

上面提到过，可以用某个打分来优化DSPY的结果，定义一个评估函数

预测答案与真实答案相符。
检索到的上下文包含真实答案
生成的搜索查询不能太杂乱，小于100个字符
生成的搜索查询尽量不要重复（跟历史的相比，不能超过0.8）。


        
          
def validate\_context\_and\_answer\_and\_hops(example, pred, trace=None):  
    if not dspy.evaluate.answer_exact_match(example, pred): return False  
    if not dspy.evaluate.answer_passage_match(example, pred): return False  
  
    hops = [example.question] + [outputs.query for *_, outputs in trace if 'query' in outputs]  
  
    if max([len(h) for h in hops]) > 100: return False  
    if any(dspy.evaluate.answer_exact_match_str(hops[idx], hops[:idx], frac=0.8) for idx in range(2, len(hops))): return False  
  
    return True

使用 DSPy 中的BootstrapFewShot，通过少量示例来优化流程的预测器。


        
          
from dspy.teleprompt import BootstrapFewShot  
  
teleprompter = BootstrapFewShot(metric=validate_context_and_answer_and_hops)  
compiled_baleen = teleprompter.compile(SimplifiedBaleen(), teacher=SimplifiedBaleen(passages_per_hop=2), trainset=trainset)

评估


        
          
from dspy.evaluate.evaluate import Evaluate  
  
  
def gold\_passages\_retrieved(example, pred, trace=None):  
    gold_titles = set(map(dspy.evaluate.normalize_text, example["gold\_titles"]))  
    found_titles = set(  
        map(dspy.evaluate.normalize_text, [c.split(" | ")[0] for c in pred.context])  
    )  
    return gold_titles.issubset(found_titles)  
  
evaluate_on_hotpotqa = Evaluate(devset=devset, num_threads=1, display_progress=True, display_table=5)  
  
uncompiled_baleen_retrieval_score = evaluate_on_hotpotqa(uncompiled_baleen, metric=gold_passages_retrieved, display=False)  
  
compiled_baleen_retrieval_score = evaluate_on_hotpotqa(compiled_baleen, metric=gold_passages_retrieved)  
  
print(f"## Retrieval Score for uncompiled Baleen: {uncompiled\_baleen\_retrieval\_score}")  
print(f"## Retrieval Score for compiled Baleen: {compiled\_baleen\_retrieval\_score}")  
  
  
#Output  
## Retrieval Score for uncompiled Baleen: 36.0  
## Retrieval Score for compiled Baleen: 60.0

picture.image

在 DSPy 中结合多跳设置甚至可以超越人类反馈。即使是很小的模型，在 DSPy 设置中使用时也可以与更大尺寸模型进行比较。项目框架中有很多的优秀示例，感兴趣的小伙伴可以学习一波。

“

NLP前沿交流群成立，详见置顶推文。进群加微：nipi64310

-END-

右下角，帮忙点点

picture.image