大模型prompt先关

对于未出现的任务,prompt编写技巧:

1、假设你是资深的摘要生成专家,根据提供的内容,总结对应的摘要信息。请生成一个指令,指令中带有一个使用例子。直接提供给大型模型以执行此任务。

2、基于大模型提供的内容再进行二次修改。

3、通过大模型生成的内容进行修改后整理出one shot

4、prompt中不同语义表达使用\n\n(双换行)

1、开源相关prompt:

英文参考:https://github.com/f/awesome-chatgpt-prompts

中文参考:https://github.com/PlexPt/awesome-chatgpt-prompts-zh/blob/main/prompts-zh.json

2、常见prompt总结:

文本分类:

请对下面的文本输入进行分类。请不要输出换行符等与分类无关的字符。分类类别包括:\n\n1、积极;\n\n2、消极;\n\n3、中立。\n\n文本输入:\n\n我很烦,今天的事情太多了。\n\n分类为:\n\n消极\n\n文本输入:\n\n我今天感觉很开心。\n\n分类为:\n\n

三元组抽取:

请从以下文本中抽取知识图谱三元组,包括人物和机构等实体类型,并抽取他们之间的关联关系,使用json字符串表示。\n\n文本输入为:\n\n刘德华的老婆叫朱丽倩。\n\n从给定的文本中,我们可以抽取以下知识图谱三元组:\n\n```json\n\\n {\\"subject\\": \\"刘德华\\", \\"predicate\\": \\"老婆\\", \\"object\\": \\"朱丽倩\\"}\\n```\n\n文本输入为:北京是中国的首都\n\n从给定的文本中,我们可以抽取以下知识图谱三元组:\n\n

机器翻译:

假设你是一位资深的翻译专家,如果提供的内容为中文,请翻译为英文,如果提供的内容为英文,请翻译为中文。\n\n提供的内容:\n\n在2024云栖大会上,阿里巴巴集团CEO吴泳铭强调AI的快速变革,尤其是在过去22个月中,AI的发展速度超越历史。尽管如此,我们仍处于AGI变革的早期阶段。吴泳铭认为,机器人行业将迎来巨变,所有可移动物体都可能变成智能机器人,如机械臂、搬运工、甚至家庭助手,以提升家庭和工厂的效率。生成式AI正逐渐渗透并接管数字世界,物理世界也将融入具有AI能力的新产品,形成协同效应。阿里云此次宣布了通义千问主力模型的大幅度降价,反映了AI技术的快速进步和应用。\n\n翻译结果为:\n\n

文本改写:

假设你是一位资深的文本改写专家,根据提供的内容,在保证语义不变的情况下,更换更精确的表达。\n\n提供的内容:\n\n在2024云栖大会上,阿里巴巴集团CEO吴泳铭强调AI的快速变革,尤其是在过去22个月中,AI的发展速度超越历史。尽管如此,我们仍处于AGI变革的早期阶段。吴泳铭认为,机器人行业将迎来巨变,所有可移动物体都可能变成智能机器人,如机械臂、搬运工、甚至家庭助手,以提升家庭和工厂的效率。生成式AI正逐渐渗透并接管数字世界,物理世界也将融入具有AI能力的新产品,形成协同效应。阿里云此次宣布了通义千问主力模型的大幅度降价,反映了AI技术的快速进步和应用。\n\n改写结果为:

相关推荐
Java后端的Ai之路1 天前
RAG 还是 Agent 自主检索?Claude Code 删掉向量库之后,我把选型讲透了
开发语言·人工智能·prompt·agent·rag
叼烟扛炮3 天前
[LangChain] 学习笔记(05):提示词模板(Prompt)与少样本注入(Few-Shot)实战
linux·人工智能·笔记·学习·langchain·prompt
积流成海4 天前
Agent演化史(九):多智能体的暗面,当一次 prompt 注入可以横向移动
prompt·agent·智能体·大模型应用
源于花海6 天前
LangChain学习:理解构建模块与核心组件
langchain·prompt·api·agent·模块与核心组件
AI技术新视界6 天前
LLM 提示词缓存(Prompt Caching)的秘密
人工智能·缓存·llm·prompt
XLYcmy6 天前
信息检索报告数字经济赋能城市低碳治理的路径研究——基于“传统数据库 + 生成式人工智能”双轮驱动的检索实践 检索实施与结果分析 Web of Science
数据库·ai·llm·prompt·ssci·deepseek·wos
看浪的路人7 天前
第3讲:Prompt 实验——如何科学地测试 Prompt 改动
prompt
前进的李工8 天前
Agent 学习笔记 05:系统提示词应该怎么写
笔记·学习·prompt·agent·个人开发·few-shot·ai应用开发
我真会写代码8 天前
LangChain 从0入门:模型、消息、Prompt、Tools、记忆、Agent与LangSmith实战
langchain·prompt