07 Prompt最佳实践|善用分隔符,让你的Prompt更清晰

大家好,我是大圣,一个AIGC长期学习者,目前专注于AI提示词。

愿景:成为AI提示词的布道者,带领十万小白入门AI

关注我,AI时代,让我们一起成长

在OpenAI的官方文档中已经提供了Prompt Enginerring的最佳实践,目的就是帮助用户更好的使用ChatGPT

编写优秀的提示词的第一个策略就是:编写清晰的指令,其中又包含了6个具体的分类

  • 提供更多的细节
  • 要求模型扮演角色
  • 使用分隔符
  • 指定任务步骤
  • 提供样例
  • 指定输出长度

本文主要针对使用分隔符进行展开讲解

适用人群:新手

难度:⭐

一、为什么要使用分隔符

使用分隔符就像在超市购物时将食品、清洁用品和个人护理用品分别放入不同的购物篮。没有分隔符,所有商品混在一起,结账和归类时就会混乱和费时。分隔符让每类商品都有其位置,使得结账效率高,找到并使用这些商品也更简单。

针对大模型也一样,分隔符会帮助ChatGPT清晰地区分和处理信息,从而给出更加精准和相关的回答

二、常用分隔符及其应用场景

以下是一些常用分隔符及其在特定场景下的应用方法

2.1 三引号

应用模版:""" 被包裹的文档 """

应用场景:当需要提交一大段文本给模型进行处理,如总结、解析或转换时

应用示例:我希望ChatGPT可以帮助我总结一篇文章

python 复制代码
请总结以下文章:
"""
人工智能(AI)是计算机科学的一个分支,
旨在创造能够智能且独立操作的机器。近年来,AI技术快速进步,引领了机器学习、
自然语言处理和机器人技术的创新。
这些发展有望彻底改变从医疗保健到金融等行业,通过提高效率和发掘新见解。
"""

2.2 有序标题

应用场景:指示说明、定义关系或步骤序列,尤其在解释概念或指导操作时使用

应用示例:当你指定步骤时,ChatGPT的输出会更加结构化

我希望你按照如下步骤帮我解释下ChatGPT
1、ChatGPT是什么
2、为什么要用ChatGPT
3、如何使用ChatGPT
4、ChatGPT未来的发展路线

2.3 XML/HTML标签

应用模板:<tag> 被包裹的文档 </tag>

应用场景:在需要结构化文本处理,如分隔文章的不同部分或在文档中标记特定内容时使用

应用示例:我需要ChatGPT帮助我总结两篇文章的观点,并进行对比,通过使用<article>的标签可以让ChatGPT非常清晰的知道两篇文档的界线

css 复制代码
比较这两篇文章的主要观点,并进行对比
    
<article>
第一篇文章认为,AI通过自动化日常任务并为人类创造性开辟新途径,将创造出比它取代的更多工作岗位。
</article>
    
<article>
第二篇文章主张,AI对就业构成显著风险,尤其是在制造业和运输业等领域,自动化容易替代人力劳动。
</article>

2.4 JSON对象

应用模版:({ "key": "value" })

应用场景:提交结构化数据,如配置信息、用户资料或任何需要键值对表示的信息

应用示例:使用JSON对象可以清晰地表示多层次或分类的信息,使得数据的解析和处理更为高效和准确

json 复制代码
请根据以下信息生成用户档案:
{
  "姓名": "张三",
  "年龄": "28",
  "职业": "软件工程师",
  "兴趣": ["编程", "旅行", "阅读"]
}

三、什么情况下使用分隔符

  • 复杂的指令解析:当请求包含多个部分,且每部分需要不同处理时(例如,同时要求总结文本、提出问题、进行比较分析)。
  • 长文本处理:当提交给模型的文本很长,需要模型对特定部分进行专门处理时。
  • 精确信息抽取:当需要从给定文本中精确抽取或聚焦于特定信息时,使用分隔符可以帮助模型更好地定位这些信息。

四、总结

恰当使用分隔符可以显著提升与ChatGPT的沟通效率,确保信息被准确理解和执行,无论是进行文本总结、列表创建、术语解释、文章比较分析,还是结构化信息的提供。这不仅减少了交互中的歧义,也大大增强了用户体验。因此,熟练掌握分隔符的使用,对于任何希望充分利用ChatGPT能力的用户来说,都是一项宝贵的技能。

相关推荐
余炜yw43 分钟前
【LSTM实战】跨越千年,赋诗成文:用LSTM重现唐诗的韵律与情感
人工智能·rnn·深度学习
莫叫石榴姐1 小时前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
如若1231 小时前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr2 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner2 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
Guofu_Liao2 小时前
大语言模型---梯度的简单介绍;梯度的定义;梯度计算的方法
人工智能·语言模型·矩阵·llama
我爱学Python!2 小时前
大语言模型与图结构的融合: 推荐系统中的新兴范式
人工智能·语言模型·自然语言处理·langchain·llm·大语言模型·推荐系统
果冻人工智能2 小时前
OpenAI 是怎么“压力测试”大型语言模型的?
人工智能·语言模型·压力测试
日出等日落2 小时前
Windows电脑本地部署llamafile并接入Qwen大语言模型远程AI对话实战
人工智能·语言模型·自然语言处理
麦麦大数据2 小时前
Python棉花病虫害图谱系统CNN识别+AI问答知识neo4j vue+flask深度学习神经网络可视化
人工智能·python·深度学习