当前位置: 首页 > news >正文

AI提示词工程优化Prompt-GPT使用手册(科普一键收藏史上最强攻略)

Prompt(提示),最初是 NLP 研究者为下游任务设计出来的一种任务专属的输入形式或模板。在 ChatGPT 引发大语言模型新时代之后,Prompt 指与大模型交互输入的代称。 随着大模型的进展,Prompt Engineering是一个持久的探索过程。

目录

  • 什么是提示词工程?
  • Prompt 的再理解
  • LLM 应用性能优化:提示工程贯穿始终LLM
  • 写好提示词-六大原则(openAl官方)
  • 提示词框架-CRISPE 框架
    • 例子一:(指令要清晰)
    • 例子二:(扮演角色)
    • 例子三:(提供参考内容)
    • 例子四:(复杂任务分解)
    • 例子五:(使用英语)

什么是提示词工程?

在这里插入图片描述

“Prompt”:为模型提供的输入,用以引导 AI 模型其生成特定的输出。
一种通过设计和调整输入(Prompts)来改善模型性能或控制其输出结果的技术。
在这里插入图片描述

例:调整AI智能体的Prompt能够在各种特定场合返回更精准的对话,如应用在旅游,医疗,教育等行业。
在这里插入图片描述

Prompt 的再理解

获取输入文本,模型处理获取文本特征
依据输入文本的特征预测之后的文本
Prompt 的来源: 预设 prompt,用户输入,模型输出.
在这里插入图片描述
在这里插入图片描述

LLM 应用性能优化:提示工程贯穿始终LLM

  • 性能优化的基石
  • RAG 本质也是一种Prompt 工程
  • 微调成功的关键
  • 构建数据飞轮

写好提示词-六大原则(openAl官方)

  1. 指令要清晰
  2. 提供参考内容
  3. 复杂的任务拆分成子任务
  4. 给 GPT“思考”[时间(给出过程)
  5. 使用外部工具
  6. 系统性测试变化

在这里插入图片描述

提示词框架-CRISPE 框架

CR: Capacity and Role(能力与角色)。你希望 ChatGPT 扮演怎样的角色。
例:你是一个英语老师
I:Insight(洞察力),背景信息和上下文
例:我是一个三年级的小学生在学习英语
S:Statement(指令),你希望 ChatGPT 做什么。
例:你以一个三年级英语老师的英语水平与我对话。
P:Personality(个性),你希望 ChatGPT 以什么风格或方式回答你。
例:不允许返回敏感词汇。
E:Experiment(尝试),要求ChatGPT 为你提供多个答案。
例:每次返回三句常见口语用于参考答案

例子一:(指令要清晰)

创作一首诗:主题:小米手机真好用
创作一首诗:包含标题与正文,主题:小米手机真好用
创作一首七言律诗:包含标题与正文,主题:小米手机真好用
提示:我们要清晰明了的告诉GPT我们的要求,概况 + 详细解释,大模型才能更好理解我们的需求。

在这里插入图片描述

例子二:(扮演角色)

帮我 翻译一下"hello My Name is XiaoMing"
你是一个翻译专家,帮我把"hello My Name is XiaoMing"这段话翻译成韩文

在这里插入图片描述
提示:直截了当的告知GPT它现在要做什么,并限制它的想象力,添加专家角色后,内容质量明显提高。

例子三:(提供参考内容)

仿写句子“致敬,来时路,进化,再出发”,保持字数结构和语义连贯性给3个候选句
仿写句子“致敬,来时路,进化,再出发”,保持字数结构和语义连贯性,给3个候选句。例如“澎湃,志士气,同造,理想国”,“泛舟,古渡口,倾听,时光篇”。
提示:提供示例给GPT,返回的结构会更加正确,内容质量提升。

在这里插入图片描述

例子四:(复杂任务分解)

老王家有两个孩子,已知其中一个是女孩。求另一个孩子也是女孩的概率?
老王家有两个孩子,已知其中一个是女孩。求另一个孩子也是女孩的概率?一步一步思考给出最终答案
提示:让GPT有更多思考时间,并分解出逻辑的实现流程。

在这里插入图片描述

例子五:(使用英语)

你知道什么是提示工程吗?
你知道什么是 prompt engineering 吗?

在这里插入图片描述
在这里插入图片描述


http://www.mrgr.cn/news/59696.html

相关文章:

  • Qt6.7.2中使用OpenSSL的坑
  • 防止keeplived脑裂
  • 基于Springboot的图书个性化推荐系统【源码】+【论文】
  • 鸿蒙中富文本编辑与展示
  • 基于 Datawhale 开源量化投资学习指南(9):量化回测
  • linux中级nginx实验
  • 【jvm】新生代和老年代
  • 【anki】如何图片遮挡分组
  • 数学建模学习(131):使用Python基于VIKOR算法的多准则决策分析
  • 【原创】红米K40(alioth)解锁BL,安装Magisk获取root权限并安装LSPosed模块
  • 实时操作系统(RTOS)深度解析及Java实现初探
  • windows@快速安装windows系统镜像安装@快速部署windows操作系统
  • Python爬虫-汽车投诉排行榜单数据
  • DiffusionDet: Diffusion Model for Object Detection—用于对象检测的扩散模型论文解析
  • 三菱FX5UPLC 安全功能
  • ‌AI智能批量撰写文章,轻松通过AI检测,站长内容更新必备神器
  • C++学习路线(二十六)
  • ctfshow web入门 web161-165
  • ElasticSearch备考 -- index rollover
  • JAVA模仿银行系统要求
  • redis内存打满了怎么办?
  • vscode开发项目常用插件
  • C++11新特性(列表初始化与右值引用折叠与完美转发)
  • #【2024年10月26日更新】植物大战僵尸杂交本V2.6更新内容与下载
  • Python毕业设计选题:基于Django+Vue的图书馆管理系统
  • Docker 实践与应用举例教程:从入门到精通