Prompt Engineering

注意AI更新迭代很快,这些未必具有实效性,请你自己分辨 基本概念 给LLM提示: 结果质量与Prompt中的信息数量和完善程度有关 设计有效的提示词以指导模型执行期望任务的方法被称为提示工程 ...

提示技术 零样本提示 没有向模型提供示例 少样本提示(few-shot) 提供少量示例以激发上下文学习 限制:处理复杂任务 链式思考提示(Chain-of-Thought Prompting) CoT提示通过中间推理步骤实现了复杂的推理能力 可以与few-shot结合 零样本COT提示 基本上涉及"将让我们逐步思考"添加到原始提示中 ...

提示词要素 如果您接触过大量提示工程相关的示例和应用，您会注意到提示词是由一些要素组成的。 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。 为了更好地演示提示词要素，下面是一个简单的提示，旨在完成文本分类任务： ...

提示词示例 文本概括: 信息提取: 简单地指示模型应该做什么 问答 改善提示的格式 结合指令,上下文,输入和输出指示 文本分类 提供输入数据和示例 具体性防止歧义或者其他情况 对话 角色提示 代码生成 推理

设计提示的通用技巧 从简单开始 remember:这是一个迭代的过程 简单的提示词,并逐渐添加更多的元素和上下文 涉及不同子任务的大型任务,将任务分解为更简单的子任务 指令 你可以使用命令来指示模型执行各种简单任务，例如“写入”、“分类”、“总结”、“翻译”、“排序”等，从而为各种简单任务设计有效的提示。 ...

模型设置 在使用提示词时,你通常会配置一些参数以获得不同的提示结果.调整这些设置对于响应的可靠性非常重要 常见的一些参数设置及其作用 Temperature: 结果的多样化和创造性 temperature的参数值越小,更容易返回一个确定的结果 调小temperature是在增加其他可能的token的权重 实际应用方面: 对于质量保障(QA)等任务,我们可以设置较低的temperature 对于创造性任务例如创作:适当提高temperature参数值 ...