Prompt最佳实践|指定输出的长度

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

编写优秀的提示词我一共总结了9个分类,本文讲解第6个分类:指定输出长度

  • 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
  • 提供参考文本
  • 复杂任务拆分成子任务
  • 给GPT足够的时间思考

本文主要针对指定输出长度进行展开讲解

一、什么是指定输出长度

想象一个场景,你是一位面试官,你每天要面试无数的人,所以你一般一个人只给30分钟的面试时间,但是你发现很多时候有些面试人员仅仅是自我介绍就花费5分钟左右的时间。你觉得这样不行,于是你在每一次要求面试人员自我介绍时,都会加一句:"请在2分钟内介绍下你自己"。

对于大模型也是同样的道理,我们平时让他写总结,写引言,写观点,如果你不加约束,他们就会按照自己的想法进行输出,很多时候可能不符合你的预期。所以我们在写Prompt的时候,如有需求,可以提前加上对长度的要求。

二、如何指定输出长度

这里不要狭隘的任务输出长度就是文本的长度,它可以有多种维度,一般常用的有:

  • 词数/字数:比如公众号的摘要要求是100字,所以在生成摘要的时候需要告诉大模型,请讲字数控制在100以内
  • 例子数/要点数:我们经常会让ChatGPT针对某一场景帮我们想一些例子,这个时候我们一般都有例子个数的预期,所以我们会告诉ChatGPT帮我举1个例子
  • 句子数或段落数:可以通过句子数或者段落数来优化文章的组织结构

三、指定长度一定会生效么

答案是否定的,接下来我们通过几个例子来看下ChatGPT的表现

3.1 无中生有指定字数

使用GPT3.5 生成 你会发现我要求是20个字符,但是生成了30个字

3.2 叠加句子和字数约束

针对3.1的案例,我们可以进一步进行约束,不仅约束字数,还要约束句子

3.3 对既有文本的概括

另外一种场景是针对你提供文本的概括,这种情况下,大模型表现也不错。

四、总结

指定输出长度是一个非常简单的策略,但是需要注意的是:该策略并不是一直有效。如果需要严格有效,可以叠加更多的约束,比如同时约束句子和字数。同时大模型对于既有文本的概括相对效果会更好


最后如果您也对AI大模型感兴趣想学习却苦于没有方向👀
小编给自己收藏整理好的学习资料分享出来给大家💖

👉AI大模型学习路线汇总👈

大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)

第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉如何学习AI大模型?👈

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费 】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

相关推荐
米小虾3 小时前
上下文:Agent 的眼睛里到底装着什么
人工智能·agent
米小虾3 小时前
Agent = 大脑 + 眼睛 + 手脚:一篇看懂现代 AI Agent 的骨架
人工智能
小小测试开发3 小时前
安全评测得分 0.9556 掉到 0.3257,只改了 top_k 和 prompt_style 之外的题面比例
人工智能·安全·prompt
slacker-kian4 小时前
[实践]-用LLM对文本结构化:把多段文本描述变成规范的 JSON 知识库
人工智能·llm·prompt·结构化·pydantic·one-shot 提示
品牌常新4 小时前
景区巡逻机器人怎么选?派宝S5全地形守护解析
运维·人工智能·机器人
冬奇Lab4 小时前
LLM 驱动的自动化测试系列(13):Flaky Test 不是重跑几次就能解决的分类问题
人工智能·测试
血小溅4 小时前
当交付不再带来增长,医疗产品如何借 AI 持续进化?
人工智能
幻灭行度4 小时前
基于昇腾 910B NPU 部署 SenseVoiceSmall 语音识别服务
人工智能·语音识别
冬奇Lab5 小时前
一天一个开源项目(第237篇):DeepSeek Bot —— 把 DeepSeek Harness 变成一个有记忆、能群聊、会互相派活的 Bot 团队
人工智能·开源·deepseek