ChatGPT高效提问—prompt基础

ChatGPT高效提问---prompt基础

​ 设计一个好的prompt对于获取理想的生成结果至关重要。通过选择合适的关键词、提供明确的上下文、设置特定的约束条件,可以引导模型生成符合预期的回复。例如,在对话中,可以使用明确的问题或陈述引导模型生成相关、具体的回答;在摘要生成中,可以提供需要摘要的文章段落作为prompt,以确保生成的摘要准确而精炼。

1.1 prompt基本原则

  • 简明清晰

    切忌表述复杂或含有歧义,尽可能简洁地表达主题,避免不必要的描述,以便ChatGPT准确理解我们的意图。使用简单易懂的语言,避免使用复杂的术语或语法结构。如果有术语,应该定义清楚。

不合格的prompt示例:

合格prompt的示例:

  • 具体化

    提供尽可能具体和详细的信息,以便ChatGPT更好地理解我们的意图。应提供相关的关键词、时间、地点和其他必要的细节。

不合格的prompt的示例:

合格的prompt的示例:

  • 聚焦

    prompt一定要一针见血、关键点明确,避免问题太宽泛或太开放。

    不合格prompt的示例:

​ 合格prompt的示例:

  • 要有上下文

    在prompt中给出上下文信息,以便ChatGPT更好地理解我们的需求。

    不合格的prompt的示例:

​ 合格prompt的示例:

  • 确定生成目标

    在prompt中明确指定生成目标。这可以帮助ChatGPT更好地理解我们的意图,生成更精确的回复。

    不合格prompt的示例:

​ 合格prompt的示例:

  • 使用正确的语法、拼写以及标点符号

​ 在编写prompt时,一定要注意语法、拼写以及标点符号的正确性,尤其是在使用英文prompt的时候,否则可能会造成ChatGPT生成的内容与你的预期相去甚远。

​ 不合格prompt的示例:

​ 合格prompt的示例:

  • 验证准确性

    编写完prompt后,须仔细检查以确保它准确表达了你的意图。尽可能想象不同的回复和场景,并确保prompt在这些情况下仍然准确和相关。

1.2 prompt组成元素

一个基础的prompt需要包含几个元素,如表所示。

​ 基础prompt组成要素

中文名称 英文名称 是否必填 含义
指令 instruction 必填 希望模型执行的具体任务
语境 context 选填 也称上下文,可以引导模型输出更好的回复
输入数据 input data 选填 向模型提供需要处理的数据
输出指标 output indicator 选填 告知模型输出的类型或格式

按照这个格式写prompt,模型返回的结果一般不会差。当然,prompt不一定要包含所有4个元素,而可以根据自己的需求排列组合。下面就以"策划年会流程"为例,看看如何使用这4个元素,如表所示。

​ 基础prompt组成要素示例

中文名称 prompt中的描述
指令 策划年会流程
语境 公司举办年会
输入数据 领导发言、奖品发放、才艺表演等环节
输出指标 Markdown格式

输入prompt:

ChatGPT输出:

从输出结果来看,ChatGPT按照要求策划了公司年会流程,包括必要的几个环节,并以Markdown格式输出。下面介绍稍微复杂一些的prompt组成元素,其完备性更高,比较适用于编写prompt模板,如表所示。

​ 高级prompt组成要素

中文名称 英文名称 是否必填 含义
能力与角色 capacity and role 选填 希望模型扮演什么角色
洞察力 Insight 选填 背景信息或上下文
指令 statement 必填 希望模型做什么
个性 personality 选填 希望模型以什么风格或方式回答
尝试 experiment 选填 要求模型提供多个答案

将以上元素组合在一起,就形成了一个更详细、更明确的prompt,我们称之为高级prompt。对比基础prompt,使用高级prompt生成的结果会更加精确,相关性也更强。以"用鲁迅的风格进行创作"为例,高级prompt的组成要素如表所示。

中文名称 prompt中的描述
能力与角色 文学家鲁迅
洞察力 指定年代背景、1980年
指令 写日记
个性 文言文的形式
尝试 三篇

输入prompt:

ChatGPT输出:

从输出结果来看,ChatGPT比较成功地以鲁迅的风格撰写了三篇日记,语言生动,符合预期。因此,对于更复杂的任务,大家可以参考高级prompt组成元素进行输入。

备注:以上的案例都在小蜜蜂AI学习网站完成,网址:https://zglg.work。

相关推荐
乱世刀疤10 分钟前
真人微短剧迎来新机遇
人工智能
Ivanqhz12 分钟前
线性模型计算量、MFU、反向传播 FLOPs
人工智能·深度学习·机器学习
szxinmai主板定制专家16 分钟前
FPGA高速IO+RK182X AI算力|RK3576+CODESYS工业自动化运动控制平台设计
运维·人工智能·嵌入式硬件·fpga开发·自动化·zynq
FelixZhang02818 分钟前
量化求真10|回测通过以后,策略就能上场吗?
人工智能·python·深度学习·学习·机器学习·金融·lstm
IT信息时代22 分钟前
突破数学与交互边界,GPT-6 Astra 开启通用人工智能新纪元
人工智能
IamZJT_23 分钟前
08|值班讨论越来越长:让 Agent 记清事实、分歧和待办
人工智能
Crazy_MT24 分钟前
App 可能不再是入口:从 iOS 27 快捷指令看苹果的 AI Agent 野心
人工智能·ios·apple
GAMC26 分钟前
chrome-devtools-mcp:让 AI 编码助手真正"看见"浏览器
前端·人工智能
undsky_26 分钟前
【n8n教程】:Set 节点,实现数据转换魔法!
人工智能·ai·aigc·ai编程
丁希希哇27 分钟前
激活函数(Activation Function)
人工智能·机器学习