SolidUI社区-通用Prompt技巧

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: SolidUI社区-通用Prompt技巧

背景

随着文本生成图像的语言模型兴起,SolidUI想帮人们快速构建可视化工具,可视化内容包括2D,3D,3D场景,从而快速构三维数据演示场景。SolidUI 是一个创新的项目,旨在将自然语言处理(NLP)与计算机图形学相结合,实现文生图功能。通过构建自研的文生图语言模型,SolidUI 利用 RLHF (Reinforcement Learning Human Feedback) 流程实现从文本描述到图形生成的过程。

项目地址: https://github.com/CloudOrc/SolidUI

项目镜像地址: https://gitee.com/CloudOrc/SolidUI

社区官网: https://website.solidui.top

官网项目地址:https://github.com/CloudOrc/SolidUI-Website

开始

  • 明确目标:你需要清晰的知道你想要从模型中得到什么样的输出。这将帮助你更好地设计你的提示。
  • 简单明了:尽可能使你的提示简单明了。过于复杂或模糊的提示可能会导致模型产生混淆或无法理解的输出。
  • 试验迭代:不要害怕试验不同的提示。如果第一次尝试没有得到你想要的结果,那么尝试修改你的提示,或者以不同的方式提出你的问题。
  • 分解复杂任务:如果你有一个复杂的任务,尝试将其分解成若干个更简单的子任务。然后,你可以逐个解决这些子任务,最后再将结果组合起来。
  • 使用上下文:如果可能,使用上下文来帮助模型理解你的提示。例如,如果你正在问一个关于历史的问题,那么在你的提示中包含一些相关的历史背景信息可能会有所帮助。
  • 设置适当的输出长度:根据你的需求,设置适当的输出长度。如果你希望得到更详细的答案,可以设置较长的输出长度。如果你只需要简短的回答,那么可以设置较短的输出长度。
  • 使用强制性指令:如果你需要模型按照特定的方式回答,可以在提示中包含这样的指令。例如,你可以指定模型以列表形式,或者使用特定的格式来回答

指令

使用命令和清晰的分隔符可以帮助模型更好地理解你的意图和背景。以下是一些示例:

写作
指令:### 写一篇关于环保的短文

这将告诉模型你需要一篇关于环保的短文。

分类
指令:### 以下的动物是哺乳动物还是爬行动物:狮子、乌龟、袋鼠

这将告诉模型你需要对这些动物进行分类。

总结
指令:### 以下的段落进行总结: (然后插入你想要总结的段落)

这将告诉模型你需要对给定的段落进行总结。

翻译
指令:### 将以下的句子翻译成法语:Hello, how are you?

这将告诉模型你需要将给定的句子翻译成法语。

排序
指令:### 按字母顺序对以下的单词进行排序:apple, banana, cherry, date

这将告诉模型你需要按照字母顺序对给定的单词进行排序。

这些只是一些基本的示例,你可以根据你的具体需求进行调整。记住,不断地进行实验和调整是改进模型性能的关键。

具体

具体性和详细性是设计有效提示的关键。以下是一些例子展示如何设计提示以从文本中提取特定信息:

指令:### 在以下的段落中找到并提取所有的地名:

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。””

输出:地点:里斯本

避免不精确

越直接,信息传递就越有效。

例如,你可能会给出这样的提示:“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。”然而,这个提示既不清楚也不具体。你应该把你的需求说得更详细,比如:“使用2-3句话向高中学生解释提示工程的概念。”

做还是不做?

设计提示时的另一个常见技巧是避免说不要做什么,而是说要做什么。这鼓励更具体化,并关注导致模型产生良好响应的细节。

"我更喜欢喜剧和动作电影,请给我推荐一些这两种类型的电影。"
明确地指出了我希望看到的电影类型。

如果成为贡献者

  • 官方文档贡献。发现文档的不足、优化文档,持续更新文档等方式参与社区贡献。通过文档贡献,让开发者熟悉如何提交PR和真正参与到社区的建设。参考攻略:https://github.com/CloudOrc/SolidUI/discussions/54
  • 代码贡献。我们梳理了社区中简单并且容易入门的的任务,非常适合新人做代码贡献。请查阅新手任务列表:https://github.com/CloudOrc/SolidUI/issues/12
  • 内容贡献:发布SolidUI开源组件相关的内容,包括但不限于安装部署教程、使用经验、案例实践等,形式不限,请投稿给小助手。例如:https://github.com/CloudOrc/SolidUI/issues/10
  • 社区答疑:积极在社区中进行答疑、分享技术、帮助开发者解决问题等;
    其他:积极参与社区活动、成为社区志愿者、帮助社区宣传、为社区发展提供有效建议等;
相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
相关文章
|
1月前
|
XML 人工智能 安全
Prompt进阶2:LangGPT(构建高性能Prompt策略和技巧)--最佳实践指南
Prompt进阶2:LangGPT(构建高性能Prompt策略和技巧)--最佳实践指南
Prompt进阶2:LangGPT(构建高性能Prompt策略和技巧)--最佳实践指南
|
5月前
|
人工智能 监控 Swift
魔搭社区LLM模型部署实践 —— 以ChatGLM3为例
本文将以ChatGLM3-6B为例,介绍在魔搭社区如何部署LLM
|
4天前
|
人工智能 API Python
【AI大模型应用开发】1.1 Prompt Engineering(提示词工程)- 用OpenAI API实战,优化方法论总结
【AI大模型应用开发】1.1 Prompt Engineering(提示词工程)- 用OpenAI API实战,优化方法论总结
6 0
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
预训练驱动的统一文本表示-GTE魔搭社区最佳实践
文本表示是自然语言处理(NLP)领域的核心问题, 其在很多NLP、信息检索的下游任务中发挥着非常重要的作用。
|
11月前
|
机器学习/深度学习 API 开发工具
|
4月前
|
物联网 语音技术 Swift
魔搭社区LLM模型部署实践, 以ChatGLM3为例(二)
魔搭社区LLM模型部署实践, 以ChatGLM3为例(二)
192 0
|
4月前
|
人工智能 监控 Serverless
魔搭社区LLM模型部署实践, 以ChatGLM3为例(一)
魔搭社区LLM模型部署实践, 以ChatGLM3为例(一)
213 0
|
11月前
|
自然语言处理 PyTorch 算法框架/工具
CLUE社区最新神器!PromptCLUE:大规模多任务Prompt预训练中文开源模型
CLUE社区最新神器!PromptCLUE:大规模多任务Prompt预训练中文开源模型
388 0
|
8月前
|
人工智能 自然语言处理 数据可视化
SolidUI社区-Prompt设计
SolidUI社区-Prompt设计
65 0
|
9月前
|
SQL 人工智能 自然语言处理
SolidUI AI生成可视化,开创性开源项目,版本0.1.0 功能讲解
SolidUI AI生成可视化,开创性开源项目,版本0.1.0 功能讲解
119 0