人工智能prompt的优化技巧

Prompt的构成

了解prompt的构成有助于我们能够更好的编写prompt,prompt的构成类似于自然语言的成分。

prompt主要包括以下部分:

  • 指令:你想让人工智能执行的命令
  • 上下文:可以涉及外部信息或附加上下文,可以引导模型产生更好的响应,不是必须的
  • 输入数据:我们感兴趣的输入或问题(以期望 ChatGPT 给出解答),不是必须的
  • 输出提示:表示希望 ChatGPT 以什么形式来输出结果,不是必须的
    接下来用几个 Prompts 来加深理解:

案例一

我希望你能担任私人教练的角色。我会提供你一个想通过体育锻炼变得更健康的人的信息,而你的角色是根据他们现有的健康水平、目标和生活习惯,为这个人设计最佳的计划。你应该利用你对运动科学、营养建议的知识,来为他们创建一个适合他们的计划。我第一个要求是:"我需要帮助为想减肥的人设计一个锻炼计划。"

其中:

  • 上下文:我希望你能担任私人教练的角色。我会...,来为他们创建一个适合他们的计划。
  • 指令:我第一个要求是:"我需要帮助为想减肥的人设计一个锻炼计划。

案例二

翻译成英文:如今 ChatGPT 给人带来的最大的震撼在于,他看起来真的理解了我们的提问,无论怎样的问题,他总能围绕问题作出解答。

其中:

  • 指令:翻译成英文
  • 上下文:如今 ChatGPT 给人带来的最大的震撼在于,... 他总能围绕问题作出解答。

prompt的优化技术

1. 框选你想表达的重点信息

使用 ### 或 """ 等符号框选重点信息。使用符号来断开不同类型的内容会显著提升 ChatGPT 对内容的理解能力。

糟糕的案例 ❌

将下面的文本总结为最重要的要点的项目符号列表。

如今 ChatGPT 给人带来的最大的震撼在于,他看起来真的理解了我们的提问,无论怎样的问题,他总能围绕问题作出解答.....................

更好的案例 ✅

将下面的文本总结为最重要的要点的项目符号列表。

文本:"""

如今 ChatGPT 给人带来的最大的震撼在于,他看起来真的理解了我们的提问,无论怎样的问题,他总能围绕问题作出解答.....................

"""

2. 指定结果的输出格式

当你期望 ChatGPT 的输出内容具有一定结构时,把你的期望表达出来。

糟糕的案例 ❌

从下面的文本中提取所有的人名和他们的职业。

文本:"""

设计师小牛陪小王去小李家做客,小李的老婆厨师小丁做了一道红烧带鱼。小王说"非常好吃!"

"""

更好的案例 ✅

从下面的文本中提取所有的人名和他们的职业。

输出的格式:<人名>(<职业>),<人名>(<职业>),...

文本:"""

设计师小牛陪小王去小李家做客,小李的老婆厨师小丁做了一道红烧带鱼。小王说"非常好吃!"

"""

3. 减少模糊的表达,明确提出你的需求

糟糕的案例 ❌

你总结的产品描述应该非常简练、只包含一些语句、别太多。

更好的 ✅

用 2-3 句话总结该产品,不超过 30 个字。

4. 告诉他要做什么,而不是不要做什么

糟糕的案例 ❌

以下是一名客服和一名客户之间的对话。请勿询问用户名或密码。请勿重复。

客户:我无法登录我的账户。

客服:

更好的 ✅

以下是客服与顾客之间的对话。客服将尝试诊断问题并提出解决方案,同时避免问任何与用户名、密码相关的问题。请引导用户查看帮助文章 www.samplewebsite.com/help/faq。

顾客:我无法登录我的账户。

客服:

相关推荐
lucas_AI8 分钟前
花旗、安永、英伟达联手写的文档摄取系统报告:92% 的页面根本不需要 OCR
人工智能
七夜zippoe10 分钟前
Spring AI + Ollama 本地模型:数据不出内网的合规方案(落地全流程)
java·人工智能·spring·ai·ollama
Jsundoku13 分钟前
第三章 深度学习 -- 神经网络基础
人工智能·深度学习·神经网络
lucas_AI14 分钟前
PolyOCR-Venus:蚂蚁把 OCR 从『抄写员』练成『视觉智能体』,教师蒸馏还会自己下岗
人工智能
XMAIPC_Robot15 分钟前
基于 i.MX95 平台在新一代工业控制器中的应用 — 工业车载平板、半导体设备主控方案解析
arm开发·人工智能·机器学习·fpga开发·rk3588+fpga·i.mx95
紧跟先前的步伐16 分钟前
Go AI Agent 实战 18|Tool Calling 的基本原理与完整执行流程
前端·数据库·人工智能·ai·golang·1024程序员节
紧跟先前的步伐21 分钟前
Go AI Agent 实战 17|模型适配层设计:让模型可替换
开发语言·人工智能·后端·ai·golang
lucas_AI22 分钟前
别再迷信 OCR 专用小模型:8 个 7B 以下 VLM 实测,抽取 JSON 结构还得靠通用选手
人工智能
神一样的老师22 分钟前
#移远产品体验官 Quectel Pi M2 实战:完全离线的中文语音助手
人工智能