了解prompt的基础知识

在人工智能的协同作业中，精确地与大模型进行交流是成功的关键。本文深入探讨Prompt的艺术和科学，旨在提升您与大模型合作的效率和成效。

有效交互的关键

策略一：构建明确指令

清晰明确的指令并不意味着与短句子， 在实践中， 简单句比长句子更容易表达。 使用英文的表达方法更容易被模型辩识。

细节丰富的指令：

提供具体的操作步骤和目标，确保指令既清晰又详尽，以引导模型输出期望的结果。例如，明确指示模型以特定格式（如列表、摘要或报告）回应。

逻辑分隔：

采用可识别的符号（如“---”、“###”等）明确区分指令、背景信息和查询内容，有助于模型更准确地解析和响应。

常用的分割符有：

    
复制
    
三个引号： """ {text} """
三个反引号：  ``` {text} """
三个连字符： --- {text} ---
尖括号: < {text} >
xml 标记： <tag> {text} </tag> 

    

其中{text} 是文本的内容

结构化输出：

明确要求模型以特定的数据结构（如表格、JSON对象）输出，这不仅方便阅读理解，也适于后续的数据处理。

例: 输出一个json格式的文本

prompt

    
复制
    
生成三本虚构书籍的标题，作者和类型，并以json格式提供，包含以下键：book_id，title，author，genre。

    

json是在软件开发常用一种数据组织形式。

输出

    
复制
    
[
  {
    "book_id": 1,
    "title": "The Secret Garden",
    "author": "Frances Hodgson Burnett",
    "genre": "Children's Literature"
  },
  {
    "book_id": 2,
    "title": "The Martian",
    "author": "Andy Weir",
    "genre": "Science Fiction"
  },
  {
    "book_id": 3,
    "title": "Murder on the Orient Express",
    "author": "Agatha Christie",
    "genre": "Mystery"
  }
]

    

策略二：模型深度思考

神经网络模型本质上还是一个算概率的活， 因此如果直接让模型给出答案， 他给出的答案可能是过去训练时， 输入了大量错误的答案。

因此， 大模型也会给你一个概值值大的答案， 但不一定正确的答案。

不要让模型直接给你答案， 而是把解决问题的方法一步一步拆解开， 指导模型帮最终推导出答案。

分步解析：

指导模型分步骤处理问题，类似于手把手教学，有助于提升解决问题的准确性和深度。

    
复制
    
步骤1: ...

步骤2: ...

步骤3: ...

...

步骤N: ...

    

条件判断：

引导模型评估特定条件是否满足，这对于决策支持和问题分析尤为重要。

    
复制
    
供的文本将用三个引号括起来。如果它包含一系列的指示，那么请按以下格式重新编写这些指示：

步骤1 - ...
步骤2 - …
…
步骤N - …

如果文本中不包含一系列的指示，则简单地写上 "未提供步骤"
'''
今天阳光明媚，鸟儿在歌唱。今天是个美好的日子，适合去公园散步。花儿盛开，树木在微风中轻轻摇曳。人们外出享受着宜人的天气。一些人在野餐，而其他人则在玩游戏或者简单地躺在草地上放松。这是一个完美的日子，可以在户外享受并欣赏大自然的美丽。
'''

    

输出

    
复制
    
未提供步骤

    

案例分析：

提供样本或示例，帮助模型理解任务背景和目标，从而生成与给定样本风格一致的回应。

    
复制
    
你的任务是以下面的一致的格式回答

<child>: 教我耐心。

<grandparent>: 雕刻最深峡谷的河流源自一处不起眼的泉水；最宏伟的交响乐始于一声孤独的音符；最复杂的织锦始于一根孤独的线。 

<child>: 教我韧性。

    

输出

    
复制
    
<grandparent>: 最坚固的树木从最强烈的风暴中生长出来；最坚定的人生理由从最艰难的时刻中诞生；最耀眼的钻石经历最高温度和最大压力而成。

    

提升交互效率

• 口语化表达： 采用口语化、易于理解的语言，避免过度专业或复杂的词汇，以促进更自然、高效的交流。
• 避免多主题混淆： 为确保交流的准确性，建议每个会话专注于一个主题。如需转换话题，最好开启新的会话。
• 实例引导： 提供具体实例，帮助模型准确把握问题的核心，特别是在处理抽象概念或复杂任务时。

模型幻觉

在与模型的互动过程中，我们可能会遇到所谓的“模型幻觉”，即模型基于其训练数据集生成的虚假或不准确的信息，就是他会一本正经的胡扯。面对这一挑战，我们需要学会批判性地分析模型的回答，以确保信息的准确性和可靠性。

prompt

    
复制
    
请介绍一下 Boie 推出的 AeroGlide UltraSlim 智能牙刷。

    

输出

    
复制
    
AeroGlide UltraSlim智能牙刷是Boie推出的一款高科技产品。它采用先进的技术设计，拥有超薄的刷头，可有效清洁牙齿表面和牙缝。此外，它还配备了智能功能，如定时提醒和连接手机应用程序，帮助用户更好地监控和改善口腔健康。这款牙刷的设计简洁时尚，易于使用，是现代生活中口腔护理的理想选择。

    

Boie不是一个真实存在的公司， 更没有AeroGlide UltraSlim 这款产品。

掌握与大型语言模型有效交互的技巧，能够提升任务完成的效率和质量，还能在数据分析、内容创作等多个领域发挥巨大潜力。后续教程会更加详细的介绍各类方法。

想了解如何利用RPA+AI打造图文工厂 扫描下方二维码加入星球