7.Prompt提示词

文章目录

1 重新认识Prompt

1.Prompt格式

prompt是一段文本或指令交个语言模型生成特定的内容

  • 任务描述
  • 指令
  • 限制条件
  • 上下文
    Prompt
  • 输出格式

2.Prompt案例

  • 你是一名智能助理,需要帮助用户完成一项具体的任务。你的目标是提供准确、清晰且符合要求的答案。

  • 请根据提供的上下文信息,按照指定的格式输出答案。你的回答应遵循以下要求:

    • 避免冗长或无关的内容。
    • 确保逻辑清晰,语言简洁。
    • 如果无法根据提供的信息得出答案,请明确说明,并指出可能需要的额外信息。
  • 任务背景:用户正在撰写一篇关于人工智能在现代生活中的应用的文章

  • 请按照以下格式输出答案:

    • ###人工智能在医疗领域的三个应用案例

    • 1.应用场景名称

    • 描述:简要描述该应用场景及其意义。

    • 2.应用场景名称

    • 描述:简要描述该应用场景及其意义。

    • 3.应用场景名称

    • 描述:简要描述该应用场景及其意义。

3.Prompt案例-DeepSeek R1回答

人工智能在医疗领域的三个应用案例

  • 1.医学影像智能分析
  • 描述:通过深度学习算法分析CT、MRI等医学影像,辅助医生快速识别肿瘤、血管病变等异常,显著提升诊断效率和准确性,减少漏诊风险。
  • 2.药物研发加速
  • 描述:利用AI预测分子结构与药效关系,缩短新药候选化合物的筛选周期,降低研发成本。例如针对罕见病或癌症的靶向药物开发,AI可将传统数年流程压缩至数月。
  • 3.个性化治疗规划
  • 描述:基于患者基因数据、病史和实时生理指标,AI生成定制化治疗方案。例如在癌症治疗中优化放疗剂量或化疗方案,最大限度平衡疗效与副作用,推动精准医疗发展。

2. Prompt优化技巧

1.Prompt优化手段1-给出少量样本

在提问 时,给出高质量的,相关联的input和output

复制代码
请分类以下文本,判断是中性,积极还是负面文本:我认为休假是 ok的
请回使用一个词语回答这个问题,例如:
文本:和你一起出去玩太好了
答案:积极

2.Prompt优化手段2-思维链(Chain-of-Thought, CoT)

优化步骤

通过引导语言模型逐步推理来生成更准确和合理输出

  • 明确问题
  • 分解步骤
  • 逐步推理
  • 结构清晰

优化前

复制代码
直接询问:
小明有5个苹果,小红有3个苹果,小刚有2个苹果,他们三个人一共有多少个苹果?
通过引导语言模型逐步推理来生成更准确和合理输出

优化后

复制代码
请按照以下步骤解决这个问题:
步骤1:计算小明的苹果数量。
步骤2:计算小红的苹果数量。
步骤3:计算小刚的苹果数量。
步骤4:将三个人的苹果数量相加。
总数=小明的苹果数量+小红的苹果数量+小刚的苹果数量。最后,请给出总数。

3.Prompt优化手段3--思维树 (Tree of Thoughts, ToT)

优化步骤

通过将问题建模为树状结构,使得模型能够探索多种可能的推理路径,并进行自我评估,从而更有效地找到最佳解决方案。

  • 问题分解
  • 思维生成
  • 状态评估

优化前

复制代码
一个投资者有10万美元的资金,目标是在未来一年内实现收益最大化。他有以下三个投资选项:
股票市场:预计年收益率为10%-20%,但风险较高。
债券市场:预计年收益率为4%-6%,风险较低。
房地产投资信托基金(REITs):预计年收益率为8%-12%,风险中等。
请帮助投资者制定一个合理的投资策略。

优化后

复制代码
一个投资者有 10万美元的资金,目标是在未来一年内实现收益最大化。他可以投资股票市场、债券市场或房地产投资信托基金 (REITs)。
请按照以下步骤回答:
1.列出所有可能的投资策略(包括多种组合方式)。
2.对每种策略进行分析,包括收益、风险和适用情况。
3.根据分析选择一个最优投资策略,并详细说明理由。

4.Prompt优化手段4-思路线程(Thread of Thought Prompting)

优化步骤

将复杂问题分解为多个相对独立的"思路线程"(threads of thought),然后沿着每个线程展开深入分析。

  • 问题分解
  • 独立推理
  • 整合结果

优化前

复制代码
人类未来是否应该移民火星?

优化后

复制代码
问题:人类未来是否应该移民星?请从以下几个角度分别考虑,并分别给出分析:
1.科学技术角度
2.经济成本角度
3.道德与社会角度
4.环境可持续性角度
最后,请综合所有角度得出结论。
相关推荐
Swizard2 天前
逐行解剖:扒开 Lovable Agent 源码,看顶级 AI 是如何“思考”与“动刀”的
ai·prompt
杜子不疼.3 天前
大模型应用开发实战:从 Prompt 工程到企业级落地全流程
prompt
觅特科技-互站3 天前
告别手动微调Prompt:DevOps用陌讯Skills重构AI运维工作流
运维·prompt·线性回归·kmeans·devops
小马_xiaoen4 天前
AI Prompt 工程完全指南:从入门到精通的提示词设计艺术
人工智能·prompt
Swizard4 天前
还在无脑堆砌提示词?三分钟看懂 Vercel v0 价值千万的 System Prompt 底层逻辑
ai·prompt
Loo国昌4 天前
【AI应用开发实战】Guardrail风险控制中间件:Agent系统的安全防线
人工智能·python·安全·自然语言处理·中间件·prompt
啦啦啦_99994 天前
SpringAI Alibaba(SAA) 之 Prompt
prompt
AC赳赳老秦4 天前
DeepSeek助力云原生AI降本:容器化部署资源优化与算力利用率提升技巧
网络·python·django·prompt·tornado·ai-native·deepseek
Loo国昌5 天前
【AI应用开发实战】09_Prompt工程与模板管理:构建可演进的LLM交互层
大数据·人工智能·后端·python·自然语言处理·prompt
minhuan5 天前
大模型应用:遗传算法 (GA)+大模型:自动化进化最优Prompt与模型参数.95
prompt·大模型应用·遗传算法 ga·prompt自动调优