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
赋创小助手几秒前
超微2U高密度服务器AS-2126HS-TN评测(双AMD EPYC 9005 Turin)
运维·服务器·人工智能·深度学习·神经网络·自然语言处理·架构
AI营销资讯站4 分钟前
AI Marketing Expert赢在2026决胜AI营销的iPhone时刻原圈科技 · 私域AI营销专家
大数据·人工智能
幻云20108 分钟前
Python机器学习:筑基与实践
前端·人工智能·python
ZCXZ12385296a10 分钟前
【深度学习实战】基于YOLO11-ConvNeXtV2的软垫物体检测与分类详解
人工智能·深度学习·分类
wfeqhfxz258878211 分钟前
花椒种植环境中的异物检测与分类:基于QueryInst模型的10类杂质识别
人工智能·分类·数据挖掘
人工智能AI技术17 分钟前
【Agent从入门到实践】18 脚本化编程:批量执行、自动化逻辑
人工智能·python
向量引擎23 分钟前
[硬核架构] 2026 企业级 AI 网关落地指南:从“连接超时”到“秒级响应”的架构演进(附 Python/Java 源码)
人工智能·python·gpt·ai作画·架构·aigc·api调用
Aloudata28 分钟前
数据语义层 vs 宽表模式:哪种架构更适合 AI 时代的数据分析?
人工智能·架构·数据挖掘·数据分析·数据治理
OLOLOadsd12332 分钟前
基于改进YOLOv13的长曲棍球角色识别与装备检测系统
人工智能·yolo·目标跟踪
高频交易dragon32 分钟前
An Impulse Control Approach to Market Making in a Hawkes LOB Market从论文到生产
人工智能·算法·机器学习