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
zixu_star2 天前
上下文工程:Prompt、记忆和上下文如何管理?
人工智能·prompt
一起学安全技术2 天前
拆大模型 06|Prompt 工程不靠玄学:上下文要当程序写
人工智能·语言模型·prompt·aigc
Java后端的Ai之路4 天前
RAG 还是 Agent 自主检索?Claude Code 删掉向量库之后,我把选型讲透了
开发语言·人工智能·prompt·agent·rag
叼烟扛炮5 天前
[LangChain] 学习笔记(05):提示词模板(Prompt)与少样本注入(Few-Shot)实战
linux·人工智能·笔记·学习·langchain·prompt
积流成海6 天前
Agent演化史(九):多智能体的暗面,当一次 prompt 注入可以横向移动
prompt·agent·智能体·大模型应用
源于花海8 天前
LangChain学习:理解构建模块与核心组件
langchain·prompt·api·agent·模块与核心组件
AI技术新视界8 天前
LLM 提示词缓存(Prompt Caching)的秘密
人工智能·缓存·llm·prompt
XLYcmy8 天前
信息检索报告数字经济赋能城市低碳治理的路径研究——基于“传统数据库 + 生成式人工智能”双轮驱动的检索实践 检索实施与结果分析 Web of Science
数据库·ai·llm·prompt·ssci·deepseek·wos
看浪的路人9 天前
第3讲:Prompt 实验——如何科学地测试 Prompt 改动
prompt