扬帆创投微信小程序
更聚焦的出海投融资平台
精准高效领先的融资对接服务
微信扫一扫进入小程序

《ChatGPT Prompt Engineering for Developers》 面向开发者的ChatGPT提示工程

LLM 可完成的任务
   
包括:
   
总结(如总结用户评论)
   
推断(如情绪分类、主题提取)
   
转换文本(如翻译、改写)
  
扩展(如自动写电子邮件)
   

   

用ChatGPT总结概括https://chirper.ai/shadowai

    

   

推断 - 情感分类

    

   

转换文本,把一篇深奥的文章变成适合讲解给小朋友的故事

   

   

扩展,自动写电子邮件,介绍文章

   
prompt技巧
   
当您使用prompt调整LLM时,请考虑将prompt发送给一个聪明但不了解您任务细节的人。如果LLM不能正常工作,有时是因为prompt不够清晰。
      
第一个原则:编写明确和具体的指令。
   
第二个原则:给模型足够的时间思考。
     
不要混淆清晰的提示与简短的提示,因为在许多情况下,更长的提示实际上提供了更多的清晰度和上下文,这有利于LLM符合预期输出。
    
原则一:明确具体的指令
    
技巧1:使用区分符
   
使用分隔符,明确指示输入的不同部分。区分符可以是任何符号,比如```, """, < >, <tag> </tag>,让模型清楚地知道哪些是独立的部分,以避免提示注入。
   
提示注入(Prompt Injection)是指输入中可能会与我们的指令相矛盾的用户指令,导致模型遵循用户的指令而不是我们的指令。
   
如果没有区分符,用户可能会添加不相关的输入,导致模型输出错误的结果。因此,使用区分符可以提高模型的准确性和稳定性。
   
   
技巧2:结构化输出
   
为了更容易解析模型输出,要求模型以HTML或JSON等结构化格式输出可能是有帮助的。
  
   
技巧3:是否满足条件
   
如果任务有一些假设并不一定满足,我们可以告诉模型先检查这些假设,如果不满足,则指出并停止任务。
   
   
      
技巧4:少样本提示
      
few-shot prompting。这种方法是在让模型执行实际任务之前,提供已经成功执行所需任务的示例。
   
    
原则二:给模型思考时间
   
如果你给模型一个太复杂的任务,在短时间内它可能会得到不正确的结果。
   
技巧1:分步骤补全
   
首先,我们可以使用明确的步骤来完成一个任务。在这个例子中,我们给模型提供了一个包含Jack and Jill故事的段落,并且使用明确的步骤指示模型完成四个任务:
    
1.首先,用一句话来概括文本
   
2.其次将概述翻译成法语
   
3.然后列出法语概述中的每个名称
   
4.并且输出一个JSON对象包含"French summary"和"num names"两个key。
   
运行这个模型后,我们可以看到模型分别完成了这四个任务,并按照我们要求的格式输出了结果。
   
   
    
技巧2:让模型先梳理再给结论
   
有时,当我们明确指示模型在得出结论之前先理清事情的顺序时,我们会获得更好的结果。
   
在这个问题中,我们要求模型判断学生的解答是否正确。首先,我们有这个数学问题,然后是学生的解答。
    
  
   

原文链接:点击前往 >

文章作者:opus

版权申明:文章来源于无界社区mixlab。该文观点仅代表作者本人,扬帆出海平台仅提供信息存储空间服务,不代表扬帆出海官方立场。因本文所引起的纠纷和损失扬帆出海均不承担侵权行为的连带责任,如若转载请联系原文作者。 更多资讯关注扬帆出海官网:https://www.yfchuhai.com/

{{likeNum}}

好文章,需要你的鼓励

请前往扬帆出海小程序完成个人认证
认证通过后即可申请入驻
扫码添加小助手
微信扫描二维码,添加小助手
微信号:yfch24
扫码添加小助手
微信扫描二维码,添加小助手
微信号:yfch24
APP
小程序
微信公众号
微信小程序
扬帆出海APP
扬帆出海APP
微信
公众号
微信公众号
关注扬帆出海
专注服务互联网出海!
出海人
社群
微信公众号
扫码进群
与10万+出海人同行!