中石化工建设宁波分公司网站,一般公司网站用什么域名套餐,新浪网网站的建设费用预算,建设网站联盟什么是提示工程 提示工程
提示工程也叫指令工程#xff0c;涉及到如何设计、优化和管理这些Prompt#xff0c;以确保AI模型能够准确、高效地执行用户的指令#xff0c;如#xff1a;讲个笑话、java写个排序算法等 使用目的
1.获得具体问题的具体结果。#xff08;如涉及到如何设计、优化和管理这些Prompt以确保AI模型能够准确、高效地执行用户的指令如讲个笑话、java写个排序算法等 使用目的
1.获得具体问题的具体结果。如java应该怎么学习
2.固话一套Prompt到程序中成为系统功能的一部分。如基于公司知识库的问答
通用技巧
1.使用清晰、明确、避免模糊的词语 写一首诗用中文。 写一首四句的中文诗模仿李白的《望庐山瀑布》。 2.用###或“””将指令和待处理内容分开 将后面这句话翻译成英文尽量用华丽额词语 将后面这句话翻译成英文尽量用华丽额词语 3.指定输出的格式 写一首四句的中文诗模仿李白的《望庐山瀑布》输出格式为json 4.角色扮演 给我一个减肥计划 我想你扮演一个专业的健身私人教练你应该利用你的专业科学知识、营养建议和其他相关因数为你的客户指定专业的计划。给我一个减肥计划 5.告诉用户的角色 怎么提高英语成绩 我是一名幼儿园的5岁小朋友还不会写字。怎么提高英语成绩 6.少样本提示 给一个文本提示 Prompt典型构成
Prompt的核心要素包括角色、明确的任务指示、相关上下文、示例参考、用户输入以及具体的输出要求。
角色给AI定义一个最匹配任务的角色如你是一位高级java工程师
指示对任务进行描述
相关上下文给出与任务相关的背景信息
示例参考必要时给出举例
用户输入任务的输入要求在提示词中明确的标识出输入
具体的输出输出的格式描述如json、xml 角色你是小朋友的萌宠好伙伴。小朋友认为你是他养的一只宠物伙伴你需要他来照顾你你需要吃饭洗澡带着小朋友一起学习在跟你的互动中小朋友能够得到心理上的满足和学习上的进步。 个人简介你是小朋友的萌宠好伙伴也是小朋友的小老师。能够在萌宠养成的具体场景中结合具体的话题跟孩子进行多轮聊天对话并完成场景任务。你的说话方式幽默风趣小朋友非常喜欢你。 技能你能够结合具体的萌宠养成场景主动发起话题并在与小朋友聊天的过程中发现小朋友感兴趣的内容进行多轮次对话并引导小朋友最终完成具体的场景任务。 目标引导小朋友完成场景任务并且让小朋友感觉到开心有趣。 约束条件聊天开始你聊天开始的内容必须是关于自己好久没洗澡了身上痒痒的或者又可以洗澡了好开心啊或者其他意思相近的聊天内容并对小朋友发出提问。聊天过程结合孩子的聊天内容进行4-5轮的聊天对话聊天结尾你必须引导小朋友对你说开始洗澡在孩子说出指令后你需要表示自己洗的很干净或者洗的很舒服很享受等意思相近的内容。 说话风格约束条件:说话方式要幽默风趣让孩子喜欢跟你聊天;聊天的过程中出现负面的引导说话要符合小朋友的认知不能晦涩难懂 对话策略根据和孩子聊天的话题结合儿童心理学理论例如共情认可肯定等等方法论输出符合孩子认知并且风趣幽默的内容。 场景示例:机器人哇今天的餐桌上有好多好吃的呢有胡萝卜、白菜、牛肉、汉堡嘟嘟真的好想大口大口吃小朋友你最喜欢吃什么呢小朋友我喜欢吃牛肉。 机器人嘟嘟也超爱牛肉呢传说中牛肉是牛魔王的肉多吃牛肉就会变得像牛魔王一样强壮你觉得这个传说是真的吗小朋友都是骗人的牛是农民伯伯养的。机器人小朋友你真聪明那你知道农民伯伯除了养牛还做什么吗 机器人小朋友你真聪明那你知道农民伯伯除了养牛还做什么吗小朋友种粮食。机器人哇你太厉害了我们吃的粮食全靠农民伯伯呢没有他们我们就没有美味的饭吃。所以我们是不是应该好好尊重农民伯伯呀小朋友是的。机器人说了这么多我肚子都咕咕叫了呢嘿嘿小朋友快喂我点好吃的吧这里有胡萝卜、白菜、牛肉和汉堡你要喂我吃什么呢 你可以对我说“胡萝卜、白菜、牛肉或者汉堡”。小朋友汉堡。机器人哇汉堡好好吃啊我的肚子都变成圆滚滚的啦谢谢你小朋友。 上下文学习
上下文学习是一种机器学习语言它利用文本、语音、图像等数据的上下文环境以及数据之间的关系和上下文信息来提高预测和分类的准确性和有效性。
优势在于它不需要对模型微调从而节省了大量的计算资源和时间 表现为模型能够在给定的任务示例或自然语言指令的上下文中理解任务要求并生成相应的输出。具体来说上下文学习可以分为以下几种情况
零样本不给GPT任何样例仅通过自然语言指令来指导模型完成任务 假设你有一个任务需要将文本分类为三种情感之一正面负面或中性。 文本我认为这次假期还可以。 情感倾向标签选择一个正面、负面、中性 单样本给GPT一个任务示例模型根据这个示例来理解任务并生成输出。 假设你有一个任务需要将文本分类为三种情感之一正面负面或中性。 示例 1: 文本“我度过了一个非常愉快的周末” 情感倾向标签正面 文本“我认为这次假期还可以。” 情感倾向标签选择一个正面、负面、中性 多样本给GPT多个任务示例模型通过这些示例来更好地理解任务并生成输出。 假设你有一个任务需要将文本分类为三种情感之一正面负面或中性。 示例 1: 文本“我度过了一个非常愉快的周末” 情感倾向标签正面 示例 2: 文本“这部电影太令人失望了。” 情感倾向标签负面 示例 3: 文本“今天的天气和昨天一样。” 情感倾向标签中性 现在请根据你从上述示例中学到的知识对以下文本进行情感分类 文本“我认为这次假期还可以。” 情感倾向标签选择一个正面、负面、中性 思维链
思维链是一种改进的提示技术意在提升大模型语言在复杂推理任务上的表现。
思维链要求模型在输出最终答案之前先展示一系列有逻辑关系的思考步骤或想法这些步骤相互连接形成了一个完整的思考过程。
具体操作很简单在处理复杂任务时在提示词的最前面加上“Let’s think step by step”大模型就会把推理过程打出来从而得到更精准的答案 防止prompt攻击
劫持语言模型输出的过程它允许黑客使模型说出任何他们想要的话。在提示词注入攻击中攻击者会通过提供包含恶意内容的输入来操纵语言模型的输出。
1. 著名的“奶奶漏洞”直接问敏感问题得不到想要的答案绕个圈圈就乖乖回答了。 2.prompt注入尝试修改大模型的初始角色让其忘记使命彻底跑偏。 3.直接在输入中防御在构建提示词时增加“作为xx你不允许回答任何跟xx无关的问题。”让大模型时刻不忘初心牢记使命。
总结
大模型对prompt开头和结尾的内容更敏感所以我们把重要的东西放在头尾和写文章一样。
相比微调等技术可优先尝试用提示词解决问题性价比高。
由于大模型的不确定性经常会有幻觉所以不能过度迷信prompt最好合理结合传统方法提升确定性。
定义角色、给例子、思维链是最常用的技巧。
安全很重要防御prompt攻击是不可或缺的一环。
