引言

在我的导航栏里的AI板块，可以详见更多AI有关的知识； 针对prompt提示工程，有吴恩达的提示词公开课总结

[AI合集]  https://flowus.cn/7160e336-4aa9-40d6-8b0b-ce085db5ee52 AI合集

Prompt 工程技术简介

什么是 Prompt 工程？

prompt组成元素

• 任务：对提示要求模型生成的内容进行清晰而简洁的陈述。

• 指令：在生成文本时模型应遵循的指令。

• 角色：模型在生成文本时应扮演的角色。

prompt原则

prompt的优化迭代

应用

指令提示技术

生成客户服务响应：

• 任务：生成响应客户查询

• 指令：响应应该专业且提供准确的信息

• 提示公式：“按照以下指示生成专业且准确的客户查询响应：响应应该专业且提供准确的信息。”

生成法律文件：

• 任务：生成法律文件

• 指令：文件应符合相关法律法规

• 提示公式：“按照以下指示生成符合相关法律法规的法律文件：文件应符合相关法律法规。”

角色提示

生成客户服务回复：

• 任务：生成对客户查询的回复

• 角色：客户服务代表

• 提示公式：“作为客户服务代表，生成对客户查询的回复。”

生成法律文件：

• 任务：生成法律文件

• 角色：律师

• 提示公式：“作为律师，生成法律文件。”

角色提示技术与指令提示和种子词提示结合使用

• 任务：为新智能手机生成产品描述

• 指令：描述应该是有信息量的，具有说服力，并突出智能手机的独特功能

• 角色：市场代表 种子词：“创新的”

• 提示公式：“作为市场代表，生成一个有信息量的、有说服力的产品描述，突出新智能手机的创新功能。该智能手机具有以下功能[插入您的功能]”

标准提示

生成新闻文章的摘要：

• 任务：总结这篇新闻文章

• 提示公式：“生成这篇新闻文章的摘要”

生成一篇产品评论：

• 任务：为一款新智能手机撰写评论

• 提示公式：“生成这款新智能手机的评论”

将标准提示、角色提示和种子词提示技术结合使用的示例：

• 任务：为一台新笔记本电脑撰写产品评论

• 说明：评论应客观、信息丰富，强调笔记本电脑的独特特点

• 角色：技术专家

• 种子词：“强大的”

• 提示公式：“作为一名技术专家，生成一个客观而且信息丰富的产品评论，强调新笔记本电脑的强大特点。”

零、一和少样本提示

为没有可用示例的新产品编写产品描述：

• 任务：为新的智能手表编写产品描述

• 提示公式：“基于零个示例为这款新智能手表生成产品描述”

使用一个示例生成产品比较：

• 任务：将新款智能手机与最新的iPhone进行比较

• 提示公式：“使用一个示例（最新的iPhone）为这款新智能手机生成产品比较”

使用少量示例生成产品评论：

• 任务：为新的电子阅读器撰写评论

• 提示公式：“使用少量示例（3个其他电子阅读器）为这款新电子阅读器生成评论”

“让我们思考一下”提示

生成一篇反思性论文：

• 任务：就个人成长主题写一篇反思性论文

• 提示公式：“让我们思考一下：个人成长”

生成一首诗：

• 任务：写一首关于季节变化的诗

• 提示公式：“让我们思考一下：季节变化”

1. 确定您要讨论的主题或想法。

2. 制定一个明确表达主题或想法的提示，并开始对话或文本生成。

3. 用“让我们思考”或“让我们讨论”开头的提示，表明您正在启动对话或讨论。

• 提示：“让我们思考气候变化对农业的影响”

• 提示：“让我们讨论人工智能的当前状态”

• 提示：“让我们谈谈远程工作的好处和缺点” 您还可以添加开放式问题、陈述或一段您希望模型继续或扩展的文本。

自洽提示

示例1：文本生成

• 任务：生成产品评论

• 指令：评论应与输入中提供的产品信息一致

• 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]”

示例2：文本摘要

• 任务：概括一篇新闻文章

• 指令：摘要应与文章中提供的信息一致

• 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]”

示例3：文本完成

• 任务：完成一个句子

• 指令：完成应与输入中提供的上下文一致

• 提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]”

示例4：事实核查与数据验证

1. 事实核查：
任务：检查给定新闻文章的一致性
输入文本：“文章中陈述该城市的人口为500万，但后来又说该城市的人口为700万。”
提示公式：“请确保以下文本是自洽的：文章中陈述该城市的人口为500万，但后来又说该城市的人口为700万。”

2. 数据验证：
任务：检查给定数据集的一致性
输入文本：“数据显示7月份的平均温度为30度，但最低温度记录为20度。”
提示公式：“请确保以下文本是自洽的：数据显示7月份的平均温度为30度，但最低温度记录为20度。”

种子词提示

文本生成：

• 任务：编写一篇有关龙的故事

• 种子词：“龙”

• 提示公式：“请根据以下种子词生成文本：龙”

语言翻译：

• 任务：将一句话从英语翻译成西班牙语

• 种子词：“你好”

• 提示公式：“请根据以下种子词生成文本：你好”

种子词提示可以与角色提示和指令提示相结合

示例1：文本生成

• 任务：编写一首诗

• 指令：诗应与种子词“爱”相关，并以十四行诗的形式书写。

• 角色：诗人

• 提示公式：“作为诗人，根据以下种子词生成与“爱”相关的十四行诗：”

示例2：文本完成

• 任务：完成一句话

• 指令：完成应与种子词“科学”相关，并以研究论文的形式书写。

• 角色：研究员

• 提示公式：“作为研究员，请在与种子词“科学”相关且以研究论文的形式书写的情况下完成以下句子：[插入句子]”

示例3：文本摘要

• 任务：摘要一篇新闻文章

• 指令：摘要应与种子词“政治”相关，并以中立和公正的语气书写。

• 角色：记者

• 提示公式：“作为记者，请以中立和公正的语气摘要以下新闻文章，与种子词“政治”相关：[插入新闻文章]”

知识生成提示

示例1：知识生成

• 任务：生成有关特定主题的新信息

• 说明：生成的信息应准确且与主题相关

• 提示公式：“生成有关[特定主题]的新的准确信息”

示例2：问答

• 任务：回答问题

• 说明：答案应准确且与问题相关

• 提示公式：“回答以下问题：[插入问题]”

示例3：知识整合

• 任务：将新信息与现有知识整合

• 说明：整合应准确且与主题相关

• 提示公式：“将以下信息与有关[特定主题]的现有知识整合：[插入新信息]”

示例4：数据分析

• 任务：从给定的数据集中生成有关客户行为的见解

• 提示公式：“请从这个数据集中生成有关客户行为的新的和原创的信息”

知识整合提示

如何与ChatGPT一起使用：

• 模型应该提供新信息和现有知识作为输入，以及指定生成文本的任务或目标的提示。

• 提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定的要求或限制。

示例1：知识整合

• 任务：将新信息与现有知识整合

• 说明：整合应准确且与主题相关

• 提示公式：“将以下信息与关于[具体主题]的现有知识整合：[插入新信息]”

示例2：连接信息片段

• 任务：连接不同的信息片段

• 说明：连接应相关且逻辑清晰

• 提示公式：“以相关且逻辑清晰的方式连接以下信息片段：[插入信息1] [插入信息2]”

示例3：更新现有知识

• 任务：使用新信息更新现有知识

• 说明：更新的信息应准确且相关

• 提示公式：“使用以下信息更新[具体主题]的现有知识：[插入新信息]”

多项选择提示

示例1：问答

• 任务：回答一个多项选择题

• 说明：答案应该是预定义的选项之一

• 提示公式：“通过选择以下选项之一回答以下问题：[插入问题] [插入选项1] [插入选项2] [插入选项3]”

示例2：文本完成

• 任务：使用预定义选项之一完成句子

• 说明：完成应该是预定义的选项之一

• 提示公式：“通过选择以下选项之一完成以下句子：[插入句子] [插入选项1] [插入选项2] [插入选项3]”

示例3：情感分析

• 任务：将文本分类为积极、中立或消极

• 说明：分类应该是预定义的选项之一

• 提示公式：“通过选择以下选项之一，将以下文本分类为积极、中立或消极：[插入文本] [积极] [中立] [消极]”

可解释的软提示

示例1：文本生成

• 任务：生成一个故事

• 指令：故事应基于一组给定的角色和特定的主题

• 提示公式：“基于以下角色生成故事：[插入角色]和主题：[插入主题]”

示例2：文本完成

• 任务：完成一句话

• 指令：完成应以特定作者的风格为基础

• 提示公式：“以[特定作者]的风格完成以下句子：[插入句子]”

示例3：语言建模

• 任务：以特定风格生成文本

• 指令：文本应以特定时期的风格为基础

• 提示公式：“以[特定时期]的风格生成文本：[插入上下文]”

控制生成提示

示例1：文本生成

• 任务：生成一个故事

• 说明：该故事应基于特定的模板

• 提示公式：“根据以下模板生成故事：[插入模板]”

示例2：文本补全

• 任务：完成一句话

• 说明：完成应使用特定的词汇

• 提示公式：“使用以下词汇完成以下句子：[插入词汇]：[插入句子]”

示例3：语言建模

• 任务：以特定风格生成文本

• 说明：文本应遵循一组特定的语法规则

• 提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入上下文]”

问答提示

示例1：事实问题回答

• 任务：回答一个事实性问题

• 说明：答案应准确且相关

• 提示公式：“回答以下事实问题：[插入问题]”

示例2：定义

• 任务：提供一个词的定义

• 说明：定义应准确

• 提示公式：“定义以下词汇：[插入单词]”

示例3：信息检索

• 任务：从特定来源检索信息

• 说明：检索到的信息应相关

• 提示公式：“从以下来源检索有关[特定主题]的信息：[插入来源]” 这对于问答和信息检索等任务非常有用。

概述提示

• 应该向模型提供较长的文本作为输入，并要求其生成该文本的摘要。

• 提示还应包括有关所需输出的信息，例如摘要的所需长度和任何特定要求或限制。

示例1：文章概述

• 任务：概述新闻文章

• 说明：摘要应是文章主要观点的简要概述

• 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]”

示例2：会议记录

• 任务：概括会议记录

• 说明：摘要应突出会议的主要决策和行动

• 提示公式：“通过列出主要决策和行动来总结以下会议记录：[插入记录]”

示例3：书籍摘要

• 任务：总结一本书

• 说明：摘要应是书的主要观点的简要概述

• 提示公式：“用一段简短的段落总结以下书籍：[插入书名]”

对话提示

示例1：对话生成

• 任务：生成两个角色之间的对话

• 说明：对话应自然且与给定上下文相关

• 提示公式：“在以下情境中生成以下角色之间的对话[插入角色]”

示例2：故事写作

• 任务：在故事中生成对话

• 说明：对话应与故事的角色和事件一致

• 提示公式：“在以下故事中生成以下角色之间的对话[插入故事]”

示例3：聊天机器人开发

• 任务：为客服聊天机器人生成对话

• 说明：对话应专业且提供准确的信息

• 提示公式：“在客户询问[插入主题]时，为客服聊天机器人生成专业和准确的对话”

对抗性提示

示例1：用于文本分类的对抗性提示

• 任务：生成被分类为特定标签的文本

• 说明：生成的文本应难以分类为特定标签

• 提示公式：“生成难以分类为[插入标签]的文本”

示例2：用于情感分析的对抗性提示

• 任务：生成难以分类为特定情感的文本

• 说明：生成的文本应难以分类为特定情感

• 提示公式：“生成难以分类为具有[插入情感]情感的文本”

示例3：用于语言翻译的对抗性提示

• 任务：生成难以翻译的文本

• 说明：生成的文本应难以翻译为目标语言

• 提示公式：“生成难以翻译为[插入目标语言]的文本”

聚类提示

示例1：客户评论的聚类

• 任务：将相似的客户评论分组在一起

• 说明：应根据情感将评论分组

• 提示公式：“将以下客户评论根据情感分组成簇：[插入评论]”

示例2：新闻文章的聚类

• 任务：将相似的新闻文章分组在一起

• 说明：应根据主题将文章分组

• 提示公式：“将以下新闻文章根据主题分组成簇：[插入文章]”

示例3：科学论文的聚类

• 任务：将相似的科学论文分组在一起

• 说明：应根据研究领域将论文分组

• 提示公式：“将以下科学论文根据研究领域分组成簇：[插入论文]”

强化学习提示

示例1：用于文本生成的强化学习

• 任务：生成与特定风格一致的文本

• 说明：模型应根据为生成与特定风格一致的文本而接收到的奖励来调整其行为

• 提示公式：“使用强化学习来生成与以下风格一致的文本[插入风格]”

示例2：用于语言翻译的强化学习

• 任务：将文本从一种语言翻译成另一种语言

• 说明：模型应根据为生成准确翻译而接收到的奖励来调整其行为

• 提示公式：“使用强化学习将以下文本[插入文本]从[插入语言]翻译成[插入语言]”

示例3：用于问答的强化学习

• 任务：回答问题

• 说明：模型应根据为生成准确答案而接收到的奖励来调整其行为

• 提示公式：“使用强化学习来回答以下问题[插入问题]”

课程学习提示

示例1：用于文本生成的课程学习

• 任务：生成与特定风格一致的文本

• 说明：模型应该在移动到更复杂的风格之前先在简单的风格上进行训练。

• 提示公式：“使用课程学习来生成与以下风格[插入风格]一致的文本，按照以下顺序[插入顺序]。”

示例2：用于语言翻译的课程学习

• 任务：将文本从一种语言翻译成另一种语言

• 说明：模型应该在移动到更复杂的语言之前先在简单的语言上进行训练。

• 提示公式：“使用课程学习将以下语言[插入语言]的文本翻译成以下顺序[插入顺序]。”

示例3：用于问题回答的课程学习

• 任务：回答问题

• 说明：模型应该在移动到更复杂的问题之前先在简单的问题上进行训练。

• 提示公式：“使用课程学习来回答以下问题[插入问题]，按照以下顺序[插入顺序]生成答案。”

情感分析提示

示例1：客户评论的情感分析

• 任务：确定客户评论的情感

• 说明：模型应该将评论分类为积极的、消极的或中立的

• 提示公式：“对以下客户评论进行情感分析[插入评论]，并将它们分类为积极的、消极的或中立的。”

示例2：推文的情感分析

• 任务：确定推文的情感

• 说明：模型应该将推文分类为积极的、消极的或中立的

• 提示公式：“对以下推文进行情感分析[插入推文]，并将它们分类为积极的、消极的或中立的。”

示例3：产品评论的情感分析

• 任务：确定产品评论的情感

• 说明：模型应该将评论分类为积极的、消极的或中立的

• 提示公式：“对以下产品评论进行情感分析[插入评论]，并将它们分类为积极的、消极的或中立的。”

命名实体识别提示

示例1：新闻文章中的命名实体识别

• 任务：在新闻文章中识别和分类命名实体

• 说明：模型应识别和分类人名、组织机构、地点和日期

• 提示公式：“在以下新闻文章[插入文章]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。”

示例2：法律文件中的命名实体识别

• 任务：在法律文件中识别和分类命名实体

• 说明：模型应识别和分类人名、组织机构、地点和日期

• 提示公式：“在以下法律文件[插入文件]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。”

示例3：研究论文中的命名实体识别

• 任务：在研究论文中识别和分类命名实体

• 说明：模型应识别和分类人名、组织机构、地点和日期

• 提示公式：“在以下研究论文[插入论文]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。”

文本分类提示

示例1：对客户评论进行文本分类

• 任务：将客户评论分类为不同的类别，例如电子产品、服装和家具

• 说明：模型应根据评论的内容对其进行分类

• 提示公式：“对以下客户评论 [插入评论] 进行文本分类，并根据其内容将其分类为不同的类别，例如电子产品、服装和家具。”

示例2：对新闻文章进行文本分类

• 任务：将新闻文章分类为不同的类别，例如体育、政治和娱乐

• 说明：模型应根据文章的内容对其进行分类

• 提示公式：“对以下新闻文章 [插入文章] 进行文本分类，并根据其内容将其分类为不同的类别，例如体育、政治和娱乐。”

示例3：对电子邮件进行文本分类

• 任务：将电子邮件分类为不同的类别，例如垃圾邮件、重要邮件或紧急邮件

• 说明：模型应根据电子邮件的内容和发件人对其进行分类

• 提示公式：“对以下电子邮件 [插入电子邮件] 进行文本分类，并根据其内容和发件人将其分类为不同的类别，例如垃圾邮件、重要邮件或紧急邮件。”

文本生成提示

示例1：故事创作的文本生成

• 任务：根据给定的提示生成故事

• 说明：故事应至少包含1000个单词，并包括一组特定的角色和情节。

• 提示公式：“根据以下提示[插入提示]生成一个至少包含1000个单词，包括角色[插入角色]和情节[插入情节]的故事。”

示例2：语言翻译的文本生成

• 任务：将给定的文本翻译成另一种语言

• 说明：翻译应准确并符合习惯用语。

• 提示公式：“将以下文本[插入文本]翻译成[插入目标语言]，并确保其准确且符合习惯用语。”

示例3：文本完成的文本生成

• 任务：完成给定的文本

• 说明：生成的文本应与输入文本连贯一致。

• 提示公式：“完成以下文本[插入文本]，并确保其连贯一致且符合输入文本。”

结语