怎样能写出完美的Prompt

简介: 【8月更文挑战第20天】怎样能写出完美的Prompt

大模型发展

随着大模型的不断发展,语言大模型的作用也日益凸显,那么如何利用语言大模型的能力来帮助我们最大程度上的提高工作效率,输出高质量文章,这是一个问题,其实也就是如何写出完美 Prompt 的问题。对于语言大模型来说,你想要什么样的内容,完全取决于你的 Prompt 写的怎样,这也就是话题中提到的【Prompt的精炼艺术】。关于如何优化Prompt撰写技巧,更好的引导大模型生成高质量的文本内容,我们可以先来问问大模型怎么做。

Prompt 实测

那么我在通义千问页面输入一个这样的指令【如何优化Prompt撰写技巧,从而更好地引导大模型生成高质量的文本内容】

对于这个问题的回答,通义千问整理了11点实用建议给到我们,那么在后面的文本内容生成过程中可以很灵活的融合这11点建议到你的 Prompt 中去,总之最终的目标是实现高质量文本内容的输出。

这是我想到一个换题,关于奥运会的,那么我可以简单的给出指令【写一篇关于奥运会的文章】看一下通义千问的输出内容如何

整体上来说,指令给的比较宽泛不具体,但是生成的文本内容涵盖奥运会的历史意义、近期赛事亮点以及奥林匹克精神等方面的内容,还算比较丰富,那么我基于上文继续发送指令【主要讲一下 巴黎奥运会:精彩瞬间回顾 的内容】

这里我只想关注中国运动员的亮点表现,那么我继续发送指令【请详细描述 巴黎奥运会 中国运动员的亮点表现】

这样的描述就比较容易理解,通过不同的运动项目分类,分别讲述运动项目下的中国运动员的表现,讲解详细到位,满足我的需求。

最后感受

其实对于语言大模型来说,并不存在绝对完美的Prompt ,而是可以想着相对完美的 Prompt 去努力,Prompt 可以说是语言大模型的思想,只有明确的思想表达,才可以出发语言大模型给出你想要的内容。

相关文章
|
5月前
|
机器学习/深度学习 移动开发 自然语言处理
大模型Prompt-Tuning技术入门(二)
Prompt-Tuning是一种在大型语言模型中进行下游任务适配的技术,起源于GPT-3的In-context Learning和Demonstration Learning。它通过构建Prompt(提示)和Verbalizer(标签映射)来转换任务,比如将分类任务转化为填空问题。PET模型是Prompt-Tuning的早期实践,通过固定模板(Pattern)和标签词(Verbalizer)来实现。Prompt-Oriented Fine-Tuning是Prompt-Tuning的一种形式,将任务转换为与预训练任务相似的形式,如BERT的MLM任务。
|
2月前
|
自然语言处理 Python
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
Diao等人(2023)提出了一种名为Active-Prompt的新方法,通过自适应提示来优化大型语言模型(LLMs)在特定任务中的表现。此方法通过不确定性评估选择需标注的问题,利用少量人工标注的思维链(CoT)示例逐步优化模型,提高其解决问题的能力。相比固定范例,Active-Prompt能够更有效地针对不同任务调整提示,从而提升模型性能。
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
|
3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】
74 4
|
3月前
|
人工智能 自然语言处理 搜索推荐
|
5月前
|
机器学习/深度学习 自然语言处理 算法
大模型Prompt-Tuning技术入门(一)
Prompt-Tuning是NLP领域的新兴技术,旨在减少预训练模型Fine-Tuning的需要。它通过构造提示(Prompt)使预训练模型能适应各种任务,降低了语义偏差和过拟合风险。Prompt作为任务的“提示词”,可以是人工定义、自动搜索或生成的模板,与预训练的MLM头结合使用,只需少量甚至无标注数据,通过标签词映射进行预测。此方法从GPT-3的In-Context Learning发展至今,包括了连续Prompt、大规模模型的Instruction-tuning和Chain-of-Thought等进展。 Prompt-Tuning是向少监督、无监督学习迈进的关键研究。
|
6月前
|
人工智能 开发者
基于LangChain的Prompt模板
LangChain是一个开源库,简化了基于LLM的AI应用开发,充当AI开发的万能适配器,抽象并整合了大语言模型(如OpenAI和文心)的交互。要使用LangChain,首先通过`pip install langchain`安装。示例展示了如何使用LangChain与OpenAI模型交互,包括直接调用OpenAI接口和使用LangChain接口。LangChain的提示词模板功能用于构建Prompt,提高与AI对话的效率。LangChainHub是一个资源库,提供模板、工作流和最佳实践,方便开发者发现和分享。本文介绍了LangChain的基本用法和其生态系统中的LangChainHub。
基于LangChain的Prompt模板
|
6月前
|
人工智能 自然语言处理
到底什么是Prompt?
到底什么是Prompt?
|
算法
prompt
prompt
183 1
|
自然语言处理
|
自然语言处理 数据挖掘 知识图谱
【提示学习】Knowledgeable Prompt-tuning: Incorporating Knowledge into Prompt Verbalizer for Text Classific
目前流行的第四大范式Prompt的主流思路是PVP,即Pattern-Verbalizer-Pair,主打的就是Pattern(模板)与Verbalizer(标签映射器)。   本文是在Verbalizer(标签映射器)方面做出的创新。   文章思路是数据增强+去噪,不过数据增强在于verbalizer对于label space至expanding word space的映射,引入外部的扩展标签词集,辅助分类,去噪并不新颖,就是在细化两个场景,zeroshot滤掉扩展标签词集的低频词,并上下文校验。fewshot则是引入可学习权值,减小噪声影响。
164 0