第一章：prompt工程技术简介
Prompt 公式是提示的特定格式，通常由三要素组成
- 任务：对提示要求模型生成的内容进行清晰而简介的陈述。
- 指令：在生成文本时模型应当遵循的指令
- 角色：模型在生成文本时应扮演的角色。
第二章：指令提示技术
提示公式："按照以下指示生成[任务]:[指令]"
示例：
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信息
- 提示公式：按照以下指示生成 专业且提供准确的客户查询：响应应该专业且提供准确信息
生成法律文件：
- 任务：生成法律文件
- 指令：文件应符合线管法律法规
- 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
第三章：角色提示
角色提示技术们对于特定上下文或受众的文本非常有用常用。
提示公式："作为 [角色] 生成 [任务] "
示例：
生成客服服务回复
- 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 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。"
结合上面指令提示技术
作为 客户服务代表 按照以下指示生成 专业且提供准确的客户回复：响应应该专业且提供准确信息
作为 律师 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
准确示例：将 指令提示 、角色提示 和 种子词提示技术 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，具有说服力的，并突出智能手机的独特功能
- 角色：市场代表
- 种子词："创新的" （围绕宾语 手机）
- 提示公式：作为市场代表（角色），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（种子词）功能（任务）。该只能手机具有以下功能[插入您的功能]
这三要素十分重要，建议背下来熟读。
在这里面
指令提示用于确保产品描述具有信息量和说服力
角色提示用于确保描述是从市场代表的角度写的
种子词提示则用于确保描述侧重于智能手机的创新功能 （围绕宾语）
第四章：标准提示
标准提示是一个简单的方法，提供一个特定的任务来引导chatGpt输出。
例如你想生成一篇新闻文章的摘要，您可以提供一个任务 如：总结这篇文章
提示公式："生成一个[任务]"
示例：
生成新闻文章的摘要
- 任务：总结这篇文章
- 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： "生成这款新只能手机的评论"
所以结合上面所说，我们可以结合三要素 指令提示，角色提示，种子词结合使用，增强chatGpt的输出。
示例：
- 任务：为一台新笔记本电脑撰写产品评论
- 说明：评论应当客观、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" （围绕宾语：笔记本电脑）
- 提示公式：作为一名技术专家（角色提示），生成一个客观而且信息丰富的产品评论（指令提示），强调新笔记本电脑的强大（种子词）特点。
第五章：零、一和少样本提示
零、一和少样本提示是用于从ChatGpt生成文本的技术，最少或没有任何示例。当在特定任务的数据有限或者任务是新的时候，这些技术非常有用。
提示公式："基于[数量]个示例生成文本"
示例：
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0个示例为这款新智能手表生成产品描述
- 结合三要素：作为一名产品经理（角色提示），在0个示例的情况下，生成一个全面的产品描述（指令提示），强调新智能手表的便捷（种子词）特点。
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（示例1）进行比较
- 提示公式： "使用一个示例（最新的iphone，比如iphone20 Pro Max）为这款新智能手机生成产品比较 "
由于是英文翻译过来，比较直译，应当这么说：
将iphone20 Pro max 与 这款新智能手机进行比较，并且生成比较结果。
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：通过新智能手机与iphone、小米、华为 对比，为这款新智能手机生成产品评论。
第六章："让我们思考一下"提示 - 应对与创作性需求
这种技术可以鼓励ChatGpt生成反思和思考性的文本。这种技术适用于撰写论文、诗歌或创意写作等任务。
生成一篇反思性的论文：
- 任务：围绕个人成长这个主题写一篇反思性论文
- 提示公式：让我们思考一下，围绕个人成长生成一篇反思性论文
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，围绕季节变化生成一首诗
为啥要有这个提示技术？因为这prompt技术是让chatGpt认为我们是在邀请chatGpt参与讨论与思考。
使用这技巧，你可以遵循以下步骤：
- 确定你要讨论的主题和想法。 （比如上面的主题、论点、我们所说的全文中心）
- 制定一个明确表达的主题或想法的提示。
- 用"让我们思考" 、 "让我们讨论"、"让我们一起想想"，一定要表明您正在启动对话或讨论。
示例：
- 任务：为一台新笔记本电脑撰写产品评论
- 说明：评论应当客观、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" （围绕宾语：笔记本电脑）
- 提示公式：作为一名技术专家（角色提示），生成一个客观而且信息丰富的产品评论（指令提示），强调新笔记本电脑的强大（种子词）特点。
第七章：自洽提示
自洽提示是一种确保ChatGpt的输出与提供的输入一致。这种技术对于事实核查、数据验证或文本生成中的一致性检查等任务非常有用。
示例 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：生成与一下产品信息一致的产品评论【插入产品信息】
示例 文本摘要：
- 任务：概括一篇新闻文章
- 指令：摘要应当与文章中提供的信息一致
- 提示公式：概括以下新闻文章【插入产品信息】，要求与提供的信息一致的方式进行概括
第八章：种子词提示 （关键）
种子提示词的公式：跟指令"请根据以下种子词生成文本"，这种技术是控制模型生成文本与某个特定主题或者背景相关的方式。
示例 文本生成：
- 任务：完成一句话
- 指令：以研究论文的形式，写一篇应与种子词"科学"的文章
- 角色：研究员
- 提示公式：作为研究员，以研究论文的形式进行书写，请根据种子词"科学"完成以下句子【插入句子】
第九章：知识生成提示（由于简单且用处不大且有重复可能性，本人就不记录下来了）
第十章：知识整合提示（由于简单且用处不大且有重复可能性，本人就不记录下来了）
第十一章：多项选择提示（由于简单且用处不大且有重复可能性，本人就不记录下来了）
第十二章：可解释的软提示
这种技术生成更具解析性和可控性的生成文本
示例 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 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】
第十二章：控制生成提示
示例 文本生成：
- 任务：生成一个故事
- 指令：故事应基于特定的模板
- 提示公式：根据以下模板生成故事：【模板】 （可以插一个类似的故事再生成一个故事）
示例 语言建模：
- 任务：以特定风格生成文本
- 指令：文本应以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】
第十四章：问答提示（由于简单且用处不大且有重复可能性，本人就不记录下来了）
第十五章：概述提示（由于简单且用处不大且有重复可能性，本人就不记录下来了）
第十六章：对话文本提示
允许模型生成模拟两个或者多个实体之间的对话文本。通过为模型提供一个上下文和一组角色以及他们的角色和背景，要求模型在它们之间生成对话。
示例 对话生成：
- 任务：生成两个角色之间的对话
- 指令：对话应自然且与给定上下文相关
- 提示公式：在以下情景【插入情景】生成以下角色之间的对话【插入角色】
示例 故事写作：
- 任务：在故事中生成对话
- 指令：对话应当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 聊天机器人开发：（重点）
- 任务：为客服聊天机器人生成对话
- 指令：对话应当专业且提供准确的信息
- 提示公式：在客服询问【插入主题】时，为客服聊天机器人生成专业的准确的对话
- 个人理解：情景，一个卖家具官网，客户想知道家具的情况 客户问：这个XX家具质量怎么样？好不好？
- 在客服询问【这个XX家具质量怎么样？好不好？】，为客服聊天机器人生成专业的准确的对话。
- 这个涉及知识库问题，具体得要了解langchain，文本读取 ，可以试试bdjw.fun
第十七章：对抗性提示
这种技术可用于训练更为稳定和抵抗某些类型攻击，例如要求生成的文本类型和任何特定要求或约束。
示例 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
- 指令：生成的文本应当难以被分类为特定标签
- 提示公式：生成一个难以被分类为【插入标签】的文本
示例 用于语言翻译的对抗性提示：
- 任务：生成难以翻译的文本
- 指令：生成的文本应当难以翻译为目标语言
- 提示公式：生成难以翻译为【插入语言】的文本
-。- 恭喜你！发现彩蛋。
记录到这里，本人读了剩下的几章，感觉都在说废话，这篇gpt提问艺术没啥用，个人感觉对于chatGpt的prompt，需要的是自己要多次进行调整才找到适合自己的prompt，以上内容用处不大 嘿嘿 哭死