组件式Prompt设计tips

设计过程可以分为以下几点:

  1. 目标定义:明确你希望从模型中获得什么样的信息或结果,这可能是一个问题的答案、创造性的文本、数据分析等。
  2. 语境没定:构建一个背景或语境,帮助模型理解你的问题或请求。这可能包括相关信息、背景知识、特定的指示或前提条件。
  3. 指令清晰度:确保你的指令清晰、具体,且直接相关于你的目标。避免歧义和过于复杂的表述。
  4. 反馈循环:根据模型的输出对你的提示进行调整。这可能意味着改变问题的表述方式,添加更多的细节,或者重新定位你的问题。
  5. 优化和迭代:通过重复测试和调整,优化你的提示以获得最佳结果。随着时间的推移,你可能需要根据新信息或模型更新来调整提示。在实践中,这意味着要多次尝试不同的提示方式。观察哪种方式提供最好的结果,然后据此调整你的方法。prompt engineering 是一个动态过程,随着模型的学习和环境的变化而不断进化。

出处:近屿智能AI大模型第五期正式课

相关推荐
在路上走着走着11 天前
Prompt Engineering 入门指南:从原理到上手
人工智能·prompt
coft11 天前
Loop Engineering — 从“写 prompt“到“设计循环“,AI Agent 的下一次进化
人工智能·prompt
CoLiuRs11 天前
从 Prompt 到 Loop:AI 工程到底在卷什么
人工智能·prompt
AI 小老六11 天前
GEPA 架构拆解:让 Prompt 和 Skill 优化不靠玄学
数据库·人工智能·ai·架构·开源·prompt
凯丨11 天前
从写 Prompt 到Loop Engineering:AI 编程的下一次跃迁
prompt
奋飛11 天前
从 Prompt 到 Agent:LangChain 究竟解决了什么问题
ai·langchain·prompt·agent
沪漂阿龙12 天前
Context Engineering:比 Prompt Engineering 更重要的上下文工程
人工智能·langchain·prompt
猿人谷12 天前
从 Prompt Engineering 到 Loop Engineering:AI 编程正在进入“闭环工程”时代
大数据·人工智能·prompt
取个鸣字真的难12 天前
Image2 生成 PPT 的最后分水岭:Prompt
人工智能·prompt·powerpoint
啾啾Fun12 天前
【LLM 应用优化】Prompt Caching:LLM 调用成本降 90% 的底层机制与实战策略
缓存·prompt