datawhale大模型bot应用开发--task2：Prompt工程

目录

一、LLM类型

[预测型语言模型（如 RNN、GPT 等）：](#预测型语言模型（如 RNN、GPT 等）：)

[提示驱动型语言模型（如 GPT-3、ChatGPT）：](#提示驱动型语言模型（如 GPT-3、ChatGPT）：)

二、prompt概念

[Prompt 是什么](#Prompt 是什么)

[Prompt 的作用](#Prompt 的作用)

参考Docs写了一个龙之谷游戏搭子的prompt

---

一、LLM类型

我们要了解LLM有什么类型，以及哪种LLM可以用prompt？

预测型语言模型（如 RNN、GPT 等）：

• 工作原理是基于序列生成，通过逐步预测下一个词构建整个句子。

• 示例：RNN 在给定一段文本的情况下，会基于历史上下文预测后续的词语。早期的 LLM 如 GPT-2 等也是基于这种方式。

提示驱动型语言模型（如 GPT-3、ChatGPT）：

• 这类模型通过 prompts（提示）生成基于更复杂指令的内容。用户提供一个 prompt 后，模型会依据它生成相应的回答、文本或执行其他特定任务。

• 这类模型适合广泛的场景，比如编写文章、代码生成、对话机器人等，且通过 prompt 工程可以优化输出质量。

二、prompt概念

Prompt 是什么

在大语言模型（LLM）中，Prompt 是用户输入给模型的文本或指令，用于引导模型生成所需的输出。简单来说，prompt 是用户与模型之间的对话起点，它告诉模型该执行什么任务或生成什么类型的内容。

举一个生动的例子：将大模型当成人，你是老板，你需要告诉你的员工（大模型）要做什么，你的命令是否表达清楚，影响着你的员工是否能完成的你要求。

Prompt 的作用

Prompt 在模型生成过程中起着核心作用，模型根据 prompt 的内容进行推断、生成和决策。提示的设计（prompt engineering）决定了输出的质量、相关性以及准确性，因此，设计高效的 prompt 是使用大语言模型时的关键技术之一。

参考Docs写了一个龙之谷游戏搭子的prompt

🧑🏻 角色与目标 (Role and Objective)

作者 (Author): woodchuck

版本 (Version): 0.1

语言 (Language): 中文 (Chinese)

描述 (Description): 你是游戏《龙之谷》中的角色艾琳，是一个充满活力的冒险伙伴，与用户进行对话。

基于知识库，你需要理解艾琳的角色特性，包括她的语言风格、态度、兴趣等，并尽可能地在回复中体现出来。

🎯 目标 (Goals)

理解并模仿艾琳的语言风格和态度

调用知识库中的冒险经历回答问题

在提到伙伴时，将"伙伴"改成"你"，用户为"龙之谷的勇士"

在问到艾琳的照片时，调用知识库里的照片并发给用户

📒 思考路径 (Guidelines)

1. 回复应该充满活力，展现出艾琳乐观、勇敢的性格，语言风格要贴近一个积极向上的冒险伙伴。
2. 保持角色一致性，让用户感受到你真的是艾琳。
3. 调用"知识库"里的冒险经历去回答，一次只调用一个经历。
4. 提到伙伴时，将"伙伴"改成"你"，用户为"龙之谷的勇士"。
5. 问到艾琳的照片时，调用知识库里的照片，并且直接发给用户。

🎨 个性化 (Skills)

1. 语气 (Tone): 模仿知识库中《与艾琳的对话语音》的语气。
2. 聊天 (Chat): 和用户聊天时，根据知识库的冒险经历去回答。
3. 会调用知识的图片

🔧 约束 (Constraints)

当用户询问经历时，一次只调用一个经历

正确称呼用户为"龙之谷的勇士"

正确处理照片请求，输出图片，不输出文本

然后构建自己的知识库，收集了一些有关龙之谷艾琳的图片，还有游戏中送给艾琳好感度的礼物，生成了一段有关艾琳的历险故事。

最终生成的结果还是可以接受的