如何简单使用 prompt

前言

从AI开始出现,prompt就是我们必不可少的一部分。下面回顾一下大家都知道prompt相关内容。 文章借鉴:www.promptingguide.ai/zh

简单示例

提示词1:qwen2.5:7b

问题

plaintext 复制代码
天空是?

输出说明:由于输出的内容没有上下文,导致可能和预期结果大相径庭。

实际输出

plaintext 复制代码
天空通常是蓝色的,这是由于大气中的气体分子会使太阳光散射成蓝色。但请注意,天空的颜色也会随着时间和天气的变化而变化,
在日出和日落时可能会变成橙色、红色或紫色;
在多云的日子里可能是灰色或白色;
而在晴朗无云的日子则呈现深蓝色或蔚蓝色。

提示词2:qwen2.5:7b

问题

plaintext 复制代码
天空是什么颜色?

输出说明:我们告知模型需要完善的内容,输出就会比上面好一些。

实际输出

plaintext 复制代码
通常情况下,天空的颜色是蓝色的。这种蓝色是由大气散射太阳光中的短波长光线(主要是蓝光)造成的,
这被称为瑞利散射。然而,天空的颜色会随着时间和天气的变化而变化:

- ​**日出和日落时**:由于光线需要穿过更厚的大气层,更多的蓝光被散射掉,所以天空呈现出橙色、红色或紫色。
- ​**晴朗无云的日子**:在白天,尤其是在正午时分,天空通常是深蓝色或蔚蓝色的。
- ​**多云的日子里**:天空可能是灰色或白色。

这些变化使得天空的颜色非常丰富和多样。

结论一

提示词应该遵循以下格式:

plaintext 复制代码
<问题>? || <指令>

以上我们称之为零样本提示词,即我们只是进行了一个询问(指令),没有提供任何的样本,此时的输出取决于模型的能力。

提示词3(少样本):qwen2.5:7b

示例输入

plaintext 复制代码
这太棒了! // 积极
这太糟糕了! // 负面的
哇,那部电影太棒了! // 积极
多么可怕的表演! //

输出说明:少样本给予模型,模型可以学习上面的规律进行回答。

实际输出

plaintext 复制代码
多么可怕的表演!

看来你对这部电影的评价非常负面。如果你愿意分享更多细节或具体感受,我可以提供一些可能的原因分析或者建议如何改进表演。

提示词要素

提示词可以包含以下任意要素:

指令:想要模型执行的特定任务或指令。

上下文:包含外部信息或额外的上下文信息,引导语言模型更好地响应。

输入数据:用户输入的内容或问题。

输出指示:指定输出的类型或格式。

提示词小技巧

提示词4:qwen2.5:7b

示例输入

plaintext 复制代码
请将文本分为中性、否定或肯定文本:
我觉得食物还可以。情绪:

实际输出

plaintext 复制代码
这段文本可以被归类为**中性**文本。

理由是:"我觉得食物还可以"这句话表达了一种中立的态度,既没有明显的积极评价也没有明显的消极评价。

分析(没有上下文,说明上下文不一定是必须的)

指令 :请将文本分为中性、否定或肯定文本

输入数据:我觉得食物还可以

输出指示: 情绪

想要更好的结果可以从简单的提示词,逐渐添加上下文,以及其他的要素,不断的迭代提示词。

具体性

提示词5:qwen2.5:7b

示例输入

plaintext 复制代码
提取以下文本中的地名。
所需格式:地点:<逗号分隔的公司名称列表>
输入:"虽然这些发展对研究人员来说是令人鼓舞的,但仍有许多谜团。里斯本未知的香帕利莫德中心的神经免疫学家 Henrique Veiga-Fernandes 说:"我们经常在大脑和我们在周围看到的效果之间有一个黑匣子。""如果我们想在治疗背景下使用它,我们实际上需要了解机制。""

实际输出(具体性)

plaintext 复制代码
地点:里斯本, 香帕利莫德中心

要非常具体说明指令和任务,具描述性和详细,结果越好

避免不确定

我们通常使用的提示词,会发现结果出现答非所问,或者是回答的模棱两可。我们可以尝试这样做:

plaintext 复制代码
解释提示工程的概念。保持解释简短,只有几句话,不要过于描述。
使用 2-3 句话向高中学生解释提示工程的概念。
禁止回答,非xxx的结论,禁止闲聊。

做什么还是不做什么?

提示词6:qwen2.5:7b

示例输入

plaintext 复制代码
以下是向客户推荐电影的代理程序。不要询问兴趣。不要询问个人信息。客户:请根据我的兴趣推荐电影。代理:

实际输出(不做什么)

plaintext 复制代码
当然,为了给您提供个性化的电影推荐,我将基于当前流行的电影类型和一些广受好评的影片来给您建议。请告诉我您最近看过的电影类型,或者如果您喜欢的电影中有特定的元素(比如剧情、喜剧、动作、科幻、剧情片等),请告诉我这些细节。这样我可以帮您找到类似的佳作。

提示词7:qwen2.5:7b

示例输入

plaintext 复制代码
以下是向客户推荐电影的代理程序。代理负责从全球热门电影中推荐电影。它应该避免询问用户的偏好并避免询问个人信息。如果代理没有电影推荐,它应该回答"抱歉,今天找不到电影推荐。"。```顾客:请根据我的兴趣推荐一部电影。客服:

实际输出(做什么)

plaintext 复制代码
当然,考虑到您可能对各种类型的电影感兴趣,我将为您推荐一部近期全球热门的影片。请稍等片刻,让我查找一下......(此处暂停,模拟搜索过程)很抱歉,目前系统里暂时没有符合您特定喜好或最新上映的直接信息。不过,我推荐一部近期全球评价很高的电影------《盗梦空间》(Inception)。这部电影以其独特的科幻设定和精彩的剧情而备受赞誉,相信您会喜欢。如果需要其他类型的推荐,请随时告诉我。

结论

设计提示时的另一个常见技巧是避免说不要做什么,而应该说要做什么。这样(说要做什么)更加的具体,并且聚焦于(有利于模型生成良好回复的)细节上。

链式思考(CoT)提示

现在的大模型,哪怕是 qwen2.5:7b 也能推理简单的数据,上述是拷贝老模型的简单事例。

我理解的链式思考,就是添加不同的比较有代表性的例子,且例子中需要有思考的过程,要求模型进行逐步思考

检索增强生成 (RAG)

当询问一些没有上下文的时候回答的就比较错误了

我们可以添加一个知识库查询到相关的数据,看着模型能力越强,rag 的能力也会越精准 qwen2.5:7b qwq:32b

ReAct + Agent

大家都知道的两张图

mcp 的尝试

自动生成

cline 示例

aise.chat/docs/produc...

相关推荐
RadiumAg28 分钟前
记一道有趣的面试题
前端·javascript
yangzhi_emo32 分钟前
ES6笔记2
开发语言·前端·javascript
yanlele1 小时前
我用爬虫抓取了 25 年 5 月掘金热门面试文章
前端·javascript·面试
墨风如雪1 小时前
告别“面目全非”!腾讯混元3D变身“建模艺术家”,建模效率直接起飞!
aigc
中微子2 小时前
React状态管理最佳实践
前端
烛阴2 小时前
void 0 的奥秘:解锁 JavaScript 中 undefined 的正确打开方式
前端·javascript
中微子2 小时前
JavaScript 事件与 React 合成事件完全指南:从入门到精通
前端
Hexene...2 小时前
【前端Vue】如何实现echarts图表根据父元素宽度自适应大小
前端·vue.js·echarts
天天扭码3 小时前
《很全面的前端面试题》——HTML篇
前端·面试·html
xw53 小时前
我犯了错,我于是为我的uni-app项目引入环境标志
前端·uni-app