ChatGPT高效提问—prompt常见用法(续篇五)

ChatGPT高效提问---prompt常见用法(续篇五)

1.1 种子词

​ 种子词(seed word)通常指的是在对话中使用的初始提示或关键词,用于引导ChatGPT生成相关回复。种子词可以是一个词、短语或句子,通常与对话的主题或问题相关。例如,想生成科技类文章,可以将"人工智能""机器学习"等关键词作为种子词,这些词可以帮助ChatGPT更好地理解文章主题。

​ 使用种子词可以引导ChatGPT生成更准确的回复,使对话更具针对性。种子词可以作为对话的起点,提供上下文或明确的指导,以便ChatGPT更好地理解和满足我们的需求。

1.1.1 种子词使用的方法

1. 明确的问题或指令

​ 对话中包含明确的问题或指令作为种子词,以引导ChatGPT回复相关的信息。种子词的prompt公式为"请根据以下种子词生成文本+种子词"。

​ 输入prompt:

​ ChatGPT输出:

​ 从输出结果来看,包含种子词"龙"的prompt成功引导ChatGPT生成了一篇关于龙的介绍,涵盖了龙的传说和文化象征。

2. 上下文引用

​ 在种子词中提到之前的对话内通,以便ChatGPT可以回应特定的问题或继续之前的讨论。promt公式为"前面我们讨论了xx,请继续谈谈种子词"。

​ 输入prompt:

​ ChatGPT输出:

​ 从输出结果来看,ChatGPT根据我们的种子词提示,简要介绍了明朝的历史。

3. 主题提示

​ 使用与特定主题相关的关键词或短语,以引导ChatGPT生成回复。这种方式比较简单,prompt公式为"请谈谈主题(种子词)"。

​ 输入prompt:

​ ChatGPT输出:

​ 我们使用主题提示的方式让ChatGPT抖音,它立即给出了相关介绍。

4. 配合角色使用

​ prompt种子词可以配合角色使用,以生成更具体和有针对性的文本。通过提供种子词,模型可以生成与之相关的文本;通过提供有关期望输出和角色的信息,模型可以模仿特定角色的风格或语气生成文本。这样可以更好地控制生成的文本,并应用于各种场景。以写诗为例。

任务:写一首诗

指令:诗应与种子词"思乡"相关,并且为五言律诗形式

角色:诗人苏东坡

Prompt: 模仿诗人苏东坡,根据种子词"思乡"写一首五言律诗

​ 输入prompt:

​ ChatGPT输出:

​ 使用种子词"思乡"配合角色"诗人苏东坡",生成了一首有浓浓思乡之情的五言律诗。接下来我们看看种子词配合角色生成摘要的例子。

​ 任务:生成摘要

​ 介绍:摘要应与种子词"ChatGPT"相关

​ 角色:中学生

​ prompt:以中学生的口吻为这篇关于ChatGPT的文章生成摘要插入文章内容

​ 输入prompt:

​ ChatGPT输出:

​ 从输出结果来看,ChatGPT确实以中学生的口吻生成了通俗易懂的摘要。种子词配合角色,让ChatGPT的输出更加个性化和人性化。

1.1.2 如何发现种子词

​ 既然种子词如此重要,那么如何发现种子词呢?以下几种方法可供参考。

  • 名词对象。因为目标对象往往作为一个名词存在,所以名词可以作为种子词,如篮球。
  • 领域知识。如果对特定领域有深入了解,可以根据该领域的专业术语、关键词和热门话题来确定种子词。
  • 数据挖掘。通过对大量数据进行挖掘和分析,可以发现与主题相关的高频关键词和短语,并将其作为种子词。
  • 关键词工具。使用关键词工具(如Google AdWords)可以找到与主题相关的高频搜索关键词,并将其作为种子词。

在寻找种子词时,需要考虑场景、目标、内容类型等因素,并尝试不同的方法。充分利用种子词,不断探索新的使用方法和技巧,以生成更加精准、有效、符合期望的文本内容。有了种子词,输出内容大致符合我们的预期,但还有待控制。接下来介绍如何控制输出。

相关推荐
风娜40 分钟前
IT 疑难杂症诊疗室:从现象到根因的系统排查方法论
人工智能·github
碧海银沙音频科技研究院42 分钟前
炬芯ATS3089X手表的HFP通话不自动路由到设备BT的问题解决
网络·人工智能·嵌入式硬件·算法
承渊政道1 小时前
【从零开始大模型开发与微调:基于PyTorch与ChatGLM】(开源大模型ChatGLM高级定制化应用实战)
人工智能·pytorch·python·llm·模型微调·glm
howdoyoudo2026061 小时前
AI审计手记 #28:从“暂停训练”到“切断联网”——AI安全控制手段的极限升级
大数据·人工智能·安全·ai·语言模型
colman wang1 小时前
人工智能课程(配套AIMA(Artificial Intelligence: A Modern Approach))
人工智能
Joy T2 小时前
Agent 确定性上下文设计:从 Prompt 参数注入到能力分层
java·开发语言·微服务·架构·prompt·agent context
LinXunFeng5 小时前
Draw Things 换装 LoRA 实战:用 Silo 秒装,同一提示词对比出图
人工智能·开源·aigc
xiaohaiAIgeo5 小时前
【2026年】通风柜自动门安全吗?联锁逻辑与防夹设计
人工智能·安全·科普知识
像风一样自由20205 小时前
52.Docker部署大模型应用从本地开发到服务化运行
运维·人工智能·docker·容器·大模型·智能体