概念

prompt 是給預(yù)訓(xùn)練語言模型 的一個線索/提示，更好的理解 人類的問題。

面向大模型，和日常溝通使用的語言有很大區(qū)別.

• prompt像說明書，精確而又全面描述需求，寫滿了詳細(xì)性能指標(biāo)參數(shù)。
• 把具體需求轉(zhuǎn)述成為機(jī)器高效理解的優(yōu)質(zhì)prompt，是一件反直覺、反人性的事情

prompt基本結(jié)構(gòu)

先描述這個任務(wù)，然后說明需要怎樣的輸出，最后跟上需要處理的內(nèi)容。

三個構(gòu)成：

• [任務(wù)描述]
• [輸出格式]
• [用戶輸入]

如何編寫prompt

由三個主要元素組成：

• 任務(wù)：對提示要求模型生成的內(nèi)容進(jìn)行清晰而簡潔的陳述。
• 指令：在生成文本時模型應(yīng)遵循的指令。
• 角色：模型在生成文本時應(yīng)扮演的角色。

十條建議

• 明確主題：清楚表達(dá)意圖，并聚焦
• 明確需求：信息查詢、勸說、娛樂或其他
• 明確基調(diào)：GPT會根據(jù)主題設(shè)置表述基調(diào)
• 限制長度：說清楚要輸出多少字?jǐn)?shù)，長文、短文
• CEO關(guān)鍵詞：有助于生成優(yōu)質(zhì)結(jié)果
• 明確受眾：GPT會自動調(diào)整語種、語調(diào)、風(fēng)格，來適配這個群體
• 領(lǐng)域信息：補(bǔ)充相關(guān)領(lǐng)域信息，單獨(dú)成段
• 更新版本：ChatGPT（3.5）可以讀取鏈接
• 闡明動作：在段落尾部，說明要采取什么動作
• 附加信息：增加相關(guān)樣例、案例學(xué)習(xí)、網(wǎng)絡(luò)資料】對比分析等 標(biāo)題與副標(biāo)題

指導(dǎo)

The Art of Asking ChatGPT for High-Quality Answers: A Complete Guide to Prompt Engineering Techniques

全書24章，內(nèi)容總結(jié)如下：

第一章：Prompt 工程技術(shù)簡介：通過提示指導(dǎo) ChatGPT 這類語言模型輸出

第二章：指令提示技術(shù)：提供清晰簡潔的任務(wù)，以及具體的指令
提示公式：“按照以下指示生成[任務(wù)]：[指令]”

第三章：角色提示
提示公式：“作為[角色]生成[任務(wù)]”
示例：“作為律師，生成法律文件。”
示例：“作為客戶服務(wù)代表，生成對客戶查詢的回復(fù)?！?/p>

第四章：標(biāo)準(zhǔn)提示
提示公式：“生成一個[任務(wù)]”
示例：“生成這篇新聞文章的摘要”
示例：“生成這款新智能手機(jī)的評論”

第五章：零、一和少樣本提示
當(dāng)特定任務(wù)的數(shù)據(jù)有限或任務(wù)是新的且未定義時，這些技術(shù)非常有用。
提示公式：“基于[數(shù)量]個示例生成文本”
示例：“基于零個示例為這款新智能手表生成產(chǎn)品描述”
示例：“使用一個示例（最新的iPhone）為這款新智能手機(jī)生成產(chǎn)品比較”
示例：“使用少量示例（3個其他電子閱讀器）為這款新電子閱讀器生成評論”

第六章：“讓我們思考一下”提示 — 思維鏈
確定您要討論的主題或想法。
制定一個明確表達(dá)主題或想法的提示，并開始對話或文本生成。
用“讓我們思考”或“讓我們討論”開頭的提示，表明您正在啟動對話或討論。
生成反思和思考性的文本。這種技術(shù)適用于撰寫論文、詩歌或創(chuàng)意寫作等任務(wù)。
“讓我們思考一下提示”, 遵循以下步驟：
提示公式：“讓我們思考一下：個人成長”
提示公式：“讓我們思考一下：季節(jié)變化”
提示：“讓我們思考?xì)夂蜃兓瘜r(nóng)業(yè)的影響”
提示：“讓我們討論人工智能的當(dāng)前狀態(tài)”
提示：“讓我們談?wù)勥h(yuǎn)程工作的好處和缺點(diǎn)” 您還可以添加開放式問題、陳述或一段您希望模型繼續(xù)或擴(kuò)展的文本。

第七章：自洽提示 – 思維鏈
輸出與提供的輸入一致。對于事實(shí)核查、數(shù)據(jù)驗(yàn)證或文本生成中的一致性檢查等任務(wù)非常有用。
自洽提示的提示公式是輸入文本后跟著指令“請確保以下文本是自洽的”。或者，可以提示模型生成與提供的輸入一致的文本。
文本生成：“生成與以下產(chǎn)品信息一致的產(chǎn)品評論[插入產(chǎn)品信息]”
文本摘要：“用與提供的信息一致的方式概括以下新聞文章[插入新聞文章]”
文本續(xù)寫：“以與提供的上下文一致的方式完成以下句子[插入句子]”
事實(shí)檢查：“請確保以下文本是自洽的：文章中陳述該城市的人口為500萬，但后來又說該城市的人口為700萬?！?br> 數(shù)據(jù)驗(yàn)證：“請確保以下文本是自洽的：數(shù)據(jù)顯示7月份的平均溫度為30度，但最低溫度記錄為20度。”

第八章：種子詞提示
提供特定種子詞或短語來控制ChatGPT輸出?？刂颇Ｐ蜕晌谋九c某個特定主題或背景相關(guān)的方式。
種子詞提示可以與角色提示和指令提示相結(jié)合，以創(chuàng)建更具體和有針對性的生成文本。
種子詞提示的提示公式：種子詞或短語，后跟指令“請根據(jù)以下種子詞生成文本”。
文本生成：“請根據(jù)以下種子詞生成文本：龍”
文本生成：“作為詩人，根據(jù)以下種子詞生成與“愛”相關(guān)的十四行詩：”
語言翻譯：“請根據(jù)以下種子詞生成文本：你好”
文本完成：“作為研究員，請?jiān)谂c種子詞“科學(xué)”相關(guān)且以研究論文的形式書寫的情況下完成以下句子：[插入句子]”
文本摘要：“作為記者，請以中立和公正的語氣摘要以下新聞文章，與種子詞“政治”相關(guān)：[插入新聞文章]”

第九章：知識生成提示
從ChatGPT中引出新的、原創(chuàng)信息，利用模型預(yù)先存在的知識來生成新信息或回答問題。
提示公式：“請生成關(guān)于X的新的和原創(chuàng)的信息”，其中X是感興趣的主題。
提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
知識生成：“生成有關(guān)[特定主題]的新的準(zhǔn)確信息”
問答：“回答以下問題：[插入問題]”
知識整合：“將以下信息與有關(guān)[特定主題]的現(xiàn)有知識整合：[插入新信息]”
數(shù)據(jù)分析：“請從這個數(shù)據(jù)集中生成有關(guān)客戶行為的新的和原創(chuàng)的信息”

第十章：知識整合提示
模型應(yīng)該提供新信息和現(xiàn)有知識作為輸入，以及指定生成文本的任務(wù)或目標(biāo)的提示。
提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
用模型的現(xiàn)有知識來整合新信息或連接不同的信息片段。這種技術(shù)對于將現(xiàn)有知識與新信息相結(jié)合，以生成更全面的特定主題的理解非常有用。
使用要點(diǎn)：
知識整合：“將以下信息與關(guān)于[具體主題]的現(xiàn)有知識整合：[插入新信息]”
連接信息片段：“以相關(guān)且邏輯清晰的方式連接以下信息片段：[插入信息1] [插入信息2]”
更新現(xiàn)有知識：“使用以下信息更新[具體主題]的現(xiàn)有知識：[插入新信息]”

第十一章：多項(xiàng)選擇提示
提供一個問題或任務(wù)以及一組預(yù)定義的選項(xiàng)作為潛在答案。對于生成僅限于特定選項(xiàng)集的文本非常有用，可用于問答、文本完成和其他任務(wù)。模型可以生成僅限于預(yù)定義選項(xiàng)的文本。
要使用ChatGPT的多項(xiàng)選擇提示，需要向模型提供一個問題或任務(wù)作為輸入，以及一組預(yù)定義的選項(xiàng)作為潛在答案。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定要求或限制。
問答：“通過選擇以下選項(xiàng)之一回答以下問題：[插入問題] [插入選項(xiàng)1] [插入選項(xiàng)2] [插入選項(xiàng)3]”
情感分析：“通過選擇以下選項(xiàng)之一，將以下文本分類為積極、中立或消極：[插入文本] [積極] [中立] [消極]”

第十二章：可解釋的軟提示
提供一定靈活性的同時控制模型生成的文本。通過提供一組受控輸入和關(guān)于所需輸出的附加信息來實(shí)現(xiàn), 可以生成更具解釋性和可控性的生成文本。
文本生成：“基于以下角色生成故事：[插入角色]和主題：[插入主題]”

第十三章：控制生成提示
讓模型在生成文本時對輸出進(jìn)行高度控制。通過提供一組特定的輸入來實(shí)現(xiàn)，例如模板、特定詞匯或一組約束條件，這些輸入可用于指導(dǎo)生成過程。
文本生成：“根據(jù)以下模板生成故事：[插入模板]”
文本補(bǔ)全：“使用以下詞匯完成以下句子：[插入詞匯]：[插入句子]”
語言建模：“生成遵循以下語法規(guī)則的文本：[插入規(guī)則]：[插入上下文]”

第十四章：問答提示
讓模型生成回答特定問題或任務(wù)的文本。通過將問題或任務(wù)與可能與問題或任務(wù)相關(guān)的任何其他信息一起作為輸入提供給模型來實(shí)現(xiàn)此目的。
事實(shí)問題回答：“回答以下事實(shí)問題：[插入問題]”
定義：“定義以下詞匯：[插入單詞]”
信息檢索：“從以下來源檢索有關(guān)[特定主題]的信息：[插入來源]” — 這對于問答和信息檢索等任務(wù)非常有用。

第十五章：概述提示
應(yīng)該向模型提供較長的文本作為輸入，并要求其生成該文本的摘要。
提示還應(yīng)包括有關(guān)所需輸出的信息，例如摘要的所需長度和任何特定要求或限制。
允許模型在保留其主要思想和信息的同時生成給定文本的較短版本。通過將較長的文本作為輸入提供給模型并要求其生成該文本的摘要來實(shí)現(xiàn)。對于文本概述和信息壓縮等任務(wù)非常有用。
使用：
文章概述：“用一句簡短的話概括以下新聞文章：[插入文章]”
會議記錄：“通過列出主要決策和行動來總結(jié)以下會議記錄：[插入記錄]”
書籍摘要：“用一段簡短的段落總結(jié)以下書籍：[插入書名]”

第十六章：對話提示
生成模擬兩個或更多實(shí)體之間對話的文本。通過為模型提供一個上下文和一組角色或?qū)嶓w，以及它們的角色和背景，并要求模型在它們之間生成對話。
因此，應(yīng)為模型提供上下文和一組角色或?qū)嶓w，以及它們的角色和背景。還應(yīng)向模型提供有關(guān)所需輸出的信息，例如對話或交談的類型以及任何特定的要求或限制。
對話生成：“在以下情境中生成以下角色之間的對話[插入角色]”
故事寫作：“在以下故事中生成以下角色之間的對話[插入故事]”
聊天機(jī)器人：“在客戶詢問[插入主題]時，為客服聊天機(jī)器人生成專業(yè)和準(zhǔn)確的對話”

第十七章：對抗性提示
生成抵抗某些類型的攻擊或偏見的文本。這種技術(shù)可用于訓(xùn)練更為穩(wěn)健和抵抗某些類型攻擊或偏見的模型。
文本分類：“生成難以分類為[插入標(biāo)簽]的文本”
情感分析：“生成難以分類為具有[插入情感]情感的文本”
機(jī)器翻譯：“生成難以翻譯為[插入目標(biāo)語言]的文本”

第十八章：聚類提示
根據(jù)某些特征或特點(diǎn)將相似的數(shù)據(jù)點(diǎn)分組在一起. 提供一組數(shù)據(jù)點(diǎn)并要求模型根據(jù)某些特征或特點(diǎn)將它們分組成簇，可以實(shí)現(xiàn)這一目標(biāo)。在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和自然語言處理等任務(wù)中非常有用。
客戶評論：“將以下客戶評論根據(jù)情感分組成簇：[插入評論]”
新聞文章：“將以下新聞文章根據(jù)主題分組成簇：[插入文章]”
科學(xué)論文：“將以下科學(xué)論文根據(jù)研究領(lǐng)域分組成簇：[插入論文]”

第十九章：強(qiáng)化學(xué)習(xí)提示
從過去的行動中學(xué)習(xí)，并隨著時間的推移提高其性能。
文本生成：“使用強(qiáng)化學(xué)習(xí)來生成與以下風(fēng)格一致的文本[插入風(fēng)格]”
語言翻譯：“使用強(qiáng)化學(xué)習(xí)將以下文本[插入文本]從[插入語言]翻譯成[插入語言]”
問答：“使用強(qiáng)化學(xué)習(xí)來回答以下問題[插入問題]”

第二十章：課程學(xué)習(xí)提示
先訓(xùn)練簡單任務(wù)，逐漸增加難度來學(xué)習(xí)復(fù)雜任務(wù)
文本生成：“使用課程學(xué)習(xí)來生成與以下風(fēng)格[插入風(fēng)格]一致的文本，按照以下順序[插入順序]?！?br> 語言翻譯：“使用課程學(xué)習(xí)將以下語言[插入語言]的文本翻譯成以下順序[插入順序]。”
問答：“使用課程學(xué)習(xí)來回答以下問題[插入問題]，按照以下順序[插入順序]生成答案?！?/p>

第二十一章：情感分析提示
確定文本的情緒色彩或態(tài)度，例如它是積極的、消極的還是中立的。
客戶評論：“對以下客戶評論進(jìn)行情感分析[插入評論]，并將它們分類為積極的、消極的或中立的。”
推文評論：“對以下推文進(jìn)行情感分析[插入推文]，并將它們分類為積極的、消極的或中立的?！?/p>

第二十二章：命名實(shí)體識別提示
識別和分類文本中的命名實(shí)體，例如人名、組織機(jī)構(gòu)、地點(diǎn)和日期等。
新聞：“在以下新聞文章[插入文章]上執(zhí)行命名實(shí)體識別，并識別和分類人名、組織機(jī)構(gòu)、地點(diǎn)和日期?！?/p>

第二十三章：文本分類提示
將文本分成不同的類別
客戶評論：“對以下客戶評論 [插入評論] 進(jìn)行文本分類，并根據(jù)其內(nèi)容將其分類為不同的類別，例如電子產(chǎn)品、服裝和家具。”
電子郵件：“對以下電子郵件 [插入電子郵件] 進(jìn)行文本分類，并根據(jù)其內(nèi)容和發(fā)件人將其分類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件?！?/p>

第二十四章：文本生成提示
故事創(chuàng)作：“根據(jù)以下提示[插入提示]生成一個至少包含1000個單詞，包括角色[插入角色]和情節(jié)[插入情節(jié)]的故事。”
語言翻譯：“將以下文本[插入文本]翻譯成[插入目標(biāo)語言]，并確保其準(zhǔn)確且符合習(xí)慣用語?！?/p>

組合使用

將指令提示、角色提示和種子詞提示技術(shù)結(jié)合使用：

任務(wù)：為新智能手機(jī)生成產(chǎn)品描述
指令：描述應(yīng)該是有信息量的，具有說服力，并突出智能手機(jī)的獨(dú)特功能
角色：市場代表 種子詞：“創(chuàng)新的”
提示公式：“作為市場代表，生成一個有信息量的、有說服力的產(chǎn)品描述，突出新智能手機(jī)的創(chuàng)新功能。該智能手機(jī)具有以下功能[插入您的功能]”
在這個示例中，指令提示用于確保產(chǎn)品描述具有信息量和說服力。角色提示用于確保描述是從市場代表的角度書寫的。而種子詞提示則用于確保描述側(cè)重于智能手機(jī)的創(chuàng)新功能。

將標(biāo)準(zhǔn)提示、角色提示和種子詞提示技術(shù)結(jié)合使用的示例：

任務(wù)：為一臺新筆記本電腦撰寫產(chǎn)品評論
說明：評論應(yīng)客觀、信息豐富，強(qiáng)調(diào)筆記本電腦的獨(dú)特特點(diǎn)
角色：技術(shù)專家
種子詞：“強(qiáng)大的”
提示公式：“作為一名技術(shù)專家，生成一個客觀而且信息豐富的產(chǎn)品評論，強(qiáng)調(diào)新筆記本電腦的強(qiáng)大特點(diǎn)。”
在這個示例中，標(biāo)準(zhǔn)提示技術(shù)用于確保模型生成產(chǎn)品評論。角色提示用于確保評論是從技術(shù)專家的角度寫的。而種子詞提示用于確保評論側(cè)重于筆記本電腦的強(qiáng)大特點(diǎn)

資料

英文：https://oceanofpdf.com/authors/ibrahim-john/pdf-the-art-of-asking-chatgpt-for-high-quality-answers-a-complete-guide-to-prompt-engineering-techniques-download/

中文：https://github.com/ORDINAND/The-Art-of-Asking-ChatGPT-for-High-Quality-Answers-A-complete-Guide-to-Prompt-Engineering-Technique

prompt理論：https://wqw547243068.github.io/prompt

文章來源地址http://www.zghlxwxcb.cn/news/detail-445345.html

到了這里，關(guān)于ChatGPT - 高效編寫Prompt的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！