ChatGPT高效提问—prompt基础

ChatGPT高效提问—prompt基础

​ 设计一个好的prompt对于获取理想的生成结果至关重要。通过选择合适的关键词、提供明确的上下文、设置特定的约束条件,可以引导模型生成符合预期的回复。例如,在对话中,可以使用明确的问题或陈述引导模型生成相关、具体的回答;在摘要生成中,可以提供需要摘要的文章段落作为prompt,以确保生成的摘要准确而精炼。

1.1 prompt基本原则

  • 简明清晰

    切忌表述复杂或含有歧义,尽可能简洁地表达主题,避免不必要的描述,以便ChatGPT准确理解我们的意图。使用简单易懂的语言,避免使用复杂的术语或语法结构。如果有术语,应该定义清楚。

不合格的prompt示例:

Screenshot 2024-02-05 at 09.13.34

合格prompt的示例:

Screenshot 2024-02-05 at 09.17.21

  • 具体化

    提供尽可能具体和详细的信息,以便ChatGPT更好地理解我们的意图。应提供相关的关键词、时间、地点和其他必要的细节

不合格的prompt的示例:

Screenshot 2024-02-05 at 09.21.55

合格的prompt的示例:

Screenshot 2024-02-05 at 09.23.08

  • 聚焦

    prompt一定要一针见血、关键点明确,避免问题太宽泛或太开放。

    不合格prompt的示例:

    Screenshot 2024-02-05 at 09.39.35

​ 合格prompt的示例:

Screenshot 2024-02-05 at 09.44.59

  • 要有上下文

    在prompt中给出上下文信息,以便ChatGPT更好地理解我们的需求。

    不合格的prompt的示例:

    Screenshot 2024-02-05 at 10.00.23

​ 合格prompt的示例:

Screenshot 2024-02-05 at 10.03.11

  • 确定生成目标

    在prompt中明确指定生成目标。这可以帮助ChatGPT更好地理解我们的意图,生成更精确的回复。

    不合格prompt的示例:

    Screenshot 2024-02-05 at 10.19.10

​ 合格prompt的示例:

Screenshot 2024-02-05 at 10.23.36

  • 使用正确的语法、拼写以及标点符号

​ 在编写prompt时,一定要注意语法、拼写以及标点符号的正确性,尤其是在使用英文prompt的时候,否则可能会造成ChatGPT生成的内容与你的预期相去甚远。

​ 不合格prompt的示例:

Screenshot 2024-02-05 at 10.34.44

​ 合格prompt的示例:

Screenshot 2024-02-05 at 10.35.33

  • 验证准确性

    编写完prompt后,须仔细检查以确保它准确表达了你的意图。尽可能想象不同的回复和场景,并确保prompt在这些情况下仍然准确和相关。

1.2 prompt组成元素

一个基础的prompt需要包含几个元素,如表所示。

基础prompt组成要素

中文名称英文名称是否必填含义
指令instruction必填希望模型执行的具体任务
语境context选填也称上下文,可以引导模型输出更好的回复
输入数据input data选填向模型提供需要处理的数据
输出指标output indicator选填告知模型输出的类型或格式

按照这个格式写prompt,模型返回的结果一般不会差。当然,prompt不一定要包含所有4个元素,而可以根据自己的需求排列组合。下面就以“策划年会流程”为例,看看如何使用这4个元素,如表所示。

基础prompt组成要素示例

中文名称prompt中的描述
指令策划年会流程
语境公司举办年会
输入数据领导发言、奖品发放、才艺表演等环节
输出指标Markdown格式

输入prompt:

Screenshot 2024-02-05 at 10.55.57

ChatGPT输出:

Screenshot 2024-02-05 at 10.57.26

                                                                                                                                                                                                                                                                                                                                                                      费功夫你v小肉肉肉肉            qX c

从输出结果来看,ChatGPT按照要求策划了公司年会流程,包括必要的几个环节,并以Markdown格式输出。下面介绍稍微复杂一些的prompt组成元素,其完备性更高,比较适用于编写prompt模板,如表所示。

高级prompt组成要素

中文名称英文名称是否必填含义
能力与角色capacity and role选填希望模型扮演什么角色
洞察力Insight选填背景信息或上下文
指令statement必填希望模型做什么
个性personality选填希望模型以什么风格或方式回答
尝试experiment选填要求模型提供多个答案

将以上元素组合在一起,就形成了一个更详细、更明确的prompt,我们称之为高级prompt。对比基础prompt,使用高级prompt生成的结果会更加精确,相关性也更强。以“用鲁迅的风格进行创作”为例,高级prompt的组成要素如表所示。

中文名称prompt中的描述
能力与角色文学家鲁迅
洞察力指定年代背景、1980年
指令写日记
个性文言文的形式
尝试三篇

输入prompt:

Screenshot 2024-02-05 at 20.47.13

ChatGPT输出:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Screenshot 2024-02-05 at 20.49.25

从输出结果来看,ChatGPT比较成功地以鲁迅的风格撰写了三篇日记,语言生动,符合预期。因此,对于更复杂的任务,大家可以参考高级prompt组成元素进行输入。

备注:以上的案例都在小蜜蜂AI学习网站完成,网址:https://zglg.work。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/455651.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

1.0 Zookeeper 分布式配置服务教程

ZooKeeper 是 Apache 软件基金会的一个软件项目,它为大型分布式计算提供开源的分布式配置服务、同步服务和命名注册。 ZooKeeper 的架构通过冗余服务实现高可用性。 Zookeeper 的设计目标是将那些复杂且容易出错的分布式一致性服务封装起来,构成一个高…

远程控制APP,你的远程控制专家

在这个科技日新月异的时代,我们的生活被各种手机软件所包围。几乎每个人都有一个甚至多个手机,你是否也有遇到过需要远程操作自己某一台手机的场景呢?今天,我要向大家推荐一款神奇的手机远程操作神器,让你可以随时随地…

windows集成的hyper-v三种网络形式

windows集成了hyper-v,有人反应不习惯使用hyper-v,hyper-v的一些使用习惯确实异于vmware的workstation,比如说hyper-v的三种虚拟交换机,和VMware worksation网络模式叫法有很大差异,这篇文章主要想谈谈hyper-v的三种虚拟交换机以及适应场景。 如图所示&…

Python中的for循环用法详解,一文搞定它

文章目录 for循环1.for循环的基本语法(1)遍历不等长多级容器(2)遍历不等长多级容器(3)遍历等长的容器 2.变量的解包3.for...else【详细讲解】4.range对象5.总结6.打印 1 ~ 10 跳过57.打印菱形小星星 for循环…

大众日报《大众日报》投稿要求//投稿邮箱

大众日报《大众日报》投稿要求 《大众日报》2000字符,1个月内,可加急。 《大众日报》教育纯新闻稿,500字左右 《大众日报》理论版,主要收思政稿,先看稿子。2000字符;有稿最快一周 山东党机关报纸《大众日…

感悟笔记——2024年2月5日

今日阅读了一篇挺有深度的文章,主要阐述进入职场后的大部分人,是怎么逐渐沦为螺丝钉的?即使起点巨高的优等生,也不可避免。文章指路: 「优等生思维」正在将你变成「螺丝钉」和「老黄牛」从小到大,我一直都是那个「别…

【Java 数据结构】泛型进阶

泛型 1 什么是泛型2 引出泛型2.1 语法 3 泛型类的使用3.1 语法3.2 示例3.3 类型推导(Type Inference) 泛型是如何编译的擦除机制裸类型4 泛型的上界4.1 语法4.2 示例4.3 复杂示例 5 泛型方法5.1 定义语法5.2 示例5.3 使用示例-可以类型推导5.4 使用示例-不使用类型推导 6 通配符…

AI嵌入式K210项目(26)-二维码识别

文章目录 前言一、什么是二维码?二、实验准备三、实验过程四、API接口总结 前言 本章介绍基于机器视觉实现二维码识别,主要包含两个过程,首先检测图像中是否有二维码,如果有则框出并打印二维码信息; 一、什么是二维码…

分享65个节日PPT,总有一款适合您

分享65个节日PPT,总有一款适合您 65个节日PPT下载链接:https://pan.baidu.com/s/1hc1M5gfYK8eDxQVsK8O9xQ?pwd8888 提取码:8888 Python采集代码下载链接:采集代码.zip - 蓝奏云 学习知识费力气,收集整理更不易。知…

AE2023 After Effects 2023

After Effects 2023是一款非常强大的视频编辑软件,提供了许多新功能和改进,使得视频编辑和合成更加高效和灵活。以下是一些After Effects 2023的特色功能: 新合成预设列表:After Effects 2023彻底修改了预设列表,使其…

VSTO打包Word插件WPS也支持

启动AdvancedInstallerPortable.exe打包软件 选择“加载项” 选择“office加载项”之后点“创建项目” 四、输入自已的插件名和公司名 任选一种包类型 五、选择包的保存位置 勾选“vsto office加载项” 六、选择要打包的项目debug文件夹 选择相应版本 配置相应环境 选择语言 添…

Axios设置token到请求头的三种方式

1、为什么要携带token? 用户登录时,后端会返回一个token,并且保存到浏览器的localstorage中,可以根据localstorage中的token判断用户是否登录,登录后才有权限访问相关的页面,所以当发送请求时,都要携带to…