怎么写好一个 Prompt?

简介: 如果你需要別人帮忙做事,就需要给他具体的「指令」或「提示」;把角色换成 ChatGPT,Prompt 就是你问问题或提出请求的文字提示。而决定 ChatGPT 回答质量的重要因素,就在于你提供的「Prompt」是否足够完善。

嘿,小伙伴们!是不是有朋友试用 ChatGPT 后,觉得她总是给不出自己期望的回复呢?那是因为我们还沒有掌握到使用要领哈。

今天这篇文章会先带你了解「Prompt」是什么,及工作原理,并用简单的范例让你了解如何用他、避开陷阱,以及如何获得更好的 ChatGPT 回复。

案例参考:

用 AI 绘图画了亿些小姐姐。。。

不需要编写代码,也能成为Hive SQL面试高手?ChatGPT告诉你...

高质量的 Prompt,可以使 AI 成为你的得力助手!

Prompt 是什么?


如果你需要別人帮忙做事,就需要给他具体的「指令」或「提示」;把角色换成 ChatGPT,Prompt 就是你问问题或提出请求的文字提示。

而决定 ChatGPT 回答质量的重要因素,就在于你提供的「Prompt」是否足够完善。

分享一个使用 ChatGPT 的小技巧:

1、把 ChatGPT 当成人来对待,她知道全世界的知识

2、让她角色扮演,如让她充当算法工程师

3、精准的描述自己的问题,就像你安排你的助手去解决一个问题

4、她会犯错误,可以给出一些示例,她会学着你的表达方式给出反馈

5、把她当成你的助手

提示工程的工作原理


prompt engineering:提示工程

由于指令依赖模型的训练方式或它们训练的数据,有一些特定的 prompt 格式特别有效,并且与目前的任务更好地匹配。下面我们介绍了一些我们发现工作可靠的 prompt 格式,但你可以随意探索可能最适合你任务的不同格式。

经验和例子


注意:“ {此处输入文字} ”是实际文本/上下文的占位符

1. 使用最新模型


为获得最佳效果,我们通常建议使用最新、功能最强大的模型。截至 2022 年 11 月,最佳选择是用于文本生成的“text-davinci-003” 模型和用于代码生成的“code-davinci-002”模型。

2. 用###或“””分隔指令和上下文


不太有效的❌:

将下面的文本总结为最重要的要点列表。
{此处输入文字}

更好的✅:

将下面的文本总结为最重要的要点列表。
文本:""" 
{此处输入文本} 
"""

3. 清晰的描述


尽可能详细、具体说明上下文、结果、长度、格式、样式等

不太有效的❌:

写一首关于 OpenAI 的诗。

更好的✅:

以{著名诗人}的风格写一首关于 OpenAI 的鼓舞人心的短诗,重点介绍最近的 DALL-E 产品发布(DALL-E 是一种文本到图像的 ML 模型)

4. 阐明所需的输出格式。


不太有效的❌:

提取下面文本中提到的实体。提取以下 4 种实体类型:公司名称、人名、特定主题和主题。
文字:{文字}

当显示特定格式要求时,模型会更好地响应。这也使得以编程方式可靠地解析出多个输出变得更加容易。

更好的✅:

提取下面文本中提到的重要实体。首先提取所有公司名称,然后提取所有人员姓名,然后提取适合内容的特定主题,最后提取一般总体主题
所需格式:
公司名称:<comma_separated_list_of_company_names>
人员名称:-||-
特定主题:-||-
一般主题:-||-
文本:{text}

5. 零样本、少量样本,若两者都不起作用,然后进行微调


✅ 零样本

从下面的文本中提取关键字。
文本:{text}
关键词:

✅ Few-shot - 提供几个例子

从下面相应的文本中提取关键词。
文本 1:Stripe 提供 API,网络开发人员可以使用这些 API 将支付处理集成到他们的网站和移动应用程序中。
关键词 1:Stripe、支付处理、API、Web 开发人员、网站、移动应用程序
##
文本 2:OpenAI 训练了非常擅长理解和生成文本的尖端语言模型。我们的 API 提供对这些模型的访问,可用于解决几乎任何涉及处理语言的任务。
关键词 2:OpenAI,语言模型,文本处理,API。
##
文本 3:{text}
关键词 3:

✅微调:查看微调最佳实践微调最佳实践。

6. 减少“不严肃的”和不精确的描述


不太有效的❌:

这个产品的描述应该很短,只有几句话,不要太多。

更好的✅:

使用 3 到 5 句话的段落来描述该产品。

7. 与其说什么不该做,不如说什么该做


不太有效的❌:

以下是代理和客户之间的对话。不要询问用户名或密码。不要重复。
客户:我无法登录我的帐户。
代理人:

更好的✅:

以下是代理和客户之间的对话。代理将尝试诊断问题并提出解决方案,同时避免询问与 PII 相关的任何问题。不要询问用户名或密码等 PII,而是让用户参阅帮助文章 www.samplewebsite.com/help/faq
客户:我无法登录我的帐户。
代理人:

8. 特定代码生成——使用“引导词”将模型推向特定模式


不太有效的❌:

# 编写一个简单的 python 函数
# 1. 问我一个以英里为单位的数字
# 2. 它将英里转换为公里

在下面的代码示例中,向模型添加 “import” 提示它应该开始用 Python 编写。(类似地,“SELECT” 是 SQL 语句开始的一个很好的提示。)

更好的✅:

# 编写一个简单的 python 函数
# 1. 问我一个以英里为单位的数字
# 2. 它将英里转换为公里
import

参数


通常,我们发现 modeltemperature 是改变模型输出的最常用参数。

  1. model-更高性能的模型更昂贵并且具有更高的延迟。
  2. temperature-衡量模型输出不太可能的标记的频率。越高temperature,输出越随机(并且通常具有创造性)。然而,这与“真实”不同。对于大多数事实用例,例如数据提取和如实问答,temperature0 是最好的。
  3. max_tokens( maximum length) - 不控制输出的长度,而是令牌生成的硬截止限制。理想情况下,您不会经常达到此限制,因为您的模型会在它认为完成时或达到您定义的停止序列时停止。
  4. stop(停止序列) - 一组字符(标记),在生成时会导致文本生成停止。

有关其他参数说明,请参阅API 参考。

和大咖一起学习

最近加入了一个干货满满的学习社群,主理人是「程序员小灰」,畅销书《漫画算法》系列作者,全网粉丝超过 100W。

请行业专家做分享:小灰邀请了不少 ChatGPT 的专家,包括生财圈子里的码叔、学长刚蝈等作为嘉宾来星球做分享。

分享系统性知识:小灰在星球开设了系统性分享,一共六大部分25讲,预计每周分享1到2讲。

未来规划:小灰正打算出版相关 ChatGPT 相关的书籍。

有一群志同道合的朋友互相分享,这才是最宝贵的;一个人可以走的更快,但有一群人相互帮衬着可以走到更远。

相关文章
|
4月前
|
人工智能 自然语言处理 搜索推荐
揭秘ChatGPT的Prompt方法:原理与应用总结
揭秘ChatGPT的Prompt方法:原理与应用总结
101 0
|
24天前
|
人工智能 自然语言处理 自动驾驶
Prompt入门到进阶
本文介绍了如何有效利用AI工具,特别是ChatGPT,通过优化提问技巧来获得更高质量的答案。首先阐述了AI工具在各行业的广泛应用,并强调了良好提问的重要性。接着,文章详细解释了提问的基本原则——CLAR原则(明确、合乎逻辑、准确、相关),以及更高级的LACES模型(增加限定条件、分配角色、提供背景、给出示例、拆分任务)。通过案例演示,展示了如何运用这些原则和模型撰写书籍的不同章节。最后,文章总结了设计高效提示的关键要素,并鼓励读者通过实践来提升与AI交互的能力,从而在工作和生活中获得更高的效率和创新。
40 1
|
9天前
|
监控 程序员 测试技术
DAMON 详细用法 【ChatGPT】
DAMON 详细用法 【ChatGPT】
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
prompt 原理
【8月更文挑战第5】
34 4
|
13天前
|
机器学习/深度学习 人工智能 JSON
掌握Prompt写作技巧:写出完美Prompt的秘籍
这篇文章的核心宗旨就是教你如何写出优秀的Prompt。我们将从Prompt的定义、运行过程,以及优秀Prompt应具备的各个要素入手,逐步展开详细的解析和实用示例,让你在短时间内掌握写作高效Prompt的技巧和策略。
|
2月前
|
人工智能 搜索推荐
Prompt工程问题之prompt中要求详细的输出内容如何解决
Prompt工程问题之prompt中要求详细的输出内容如何解决
33 4
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
Prompt提示词的精华点缀,这一篇文章就懂了!
Prompt提示词的精华点缀,这一篇文章就懂了!
|
人工智能 自然语言处理
7个有用的Prompt参数
ChatGPT和Midjournal使得生成式人工智能的应用程序激增。当涉及到生成式AI时,"prompt"通常指的是作为输入给模型的初始提示或指示。它是一个短语、问题、句子或段落,用来引导模型生成相关的响应或文本。
168 0
|
12月前
|
机器学习/深度学习 自然语言处理 机器人
ChatGPT用法
ChatGPT用法
369 0
|
智能硬件
Prompt基础 | 3-Prompt的基本框架
Prompt基础 | 3-Prompt的基本框架
464 0
Prompt基础 | 3-Prompt的基本框架