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
lzjava20247 小时前
Spring AI加DeepSeek实现一个Prompt聊天机器人
人工智能·spring·prompt
IT空门:门主8 小时前
ai prompt(提示词)的用法
prompt·学习ai
勇者无畏40418 小时前
基于 Spring AI Alibaba 搭建 Text-To-SQL 智能系统(前置介绍)
java·后端·spring·prompt·embedding
星期天要睡觉1 天前
提示词(Prompt)——链式思维提示词(Chain-of-Thought Prompting)在大模型中的调用(以 Qwen 模型为例)
开发语言·人工智能·python·语言模型·prompt
rengang662 天前
002-Spring AI Alibaba Prompt 功能完整案例
人工智能·spring·prompt·spring ai·ai应用编程
飞飞是甜咖啡2 天前
读论文AI prompt
人工智能·prompt
三无少女指南2 天前
分享一个自用的AI Coding Prompt
prompt
Tiandaren2 天前
自用提示词02 || Prompt Engineering || RAG数据切分 || 作用:通过LLM将文档切分成chunks
数据库·pytorch·深度学习·oracle·prompt·rag
CV视觉3 天前
智能体综述:探索基于大型语言模型的智能体:定义、方法与前景
人工智能·语言模型·chatgpt·stable diffusion·prompt·aigc·agi
小关会打代码4 天前
LangChain最详细教程之Model I/O(二)Prompt Template
langchain·prompt