面向开发者的 ChatGPT 提问工程 笔记

课程简介

\"\"\"/<>/<tag></tag>用于告诉模型需要处理哪个部分。 例如：\"\"\"文本内容\"\"\" 将由三重引号分隔的文本总结为一句话。

策略1: 使用分隔符清晰表示输入的不同部分

让解析模型输出内容的过程更容易，方便读入处理。例如：生成三个虚构的书名及其作者和类型的列表，并以JSON格式提供以下key：book_id、title、author、genre。

策略2: 要求结构化输出

要求模型首先需检查这些条件，如果不满足，则应指示其停止继续尝试。可以考虑潜在的边界情况，以避免产生意外的错误或结果。

策略3: 要求模型检查是否满足条件

在模型执行实际任务之前，提供可供其参考的实例。例如，按以下Prompt所描述，模型就会参考第一个例子，并同样以比喻与排比的手法来解释韧性是什么：

策略4: 小批量提示

原则1: 编写清晰具体的指令

举例：text = f\"\"\

策略1: 指定完成任务的步骤

策略2: 指导模型制定自己的解决方案

原则2: 给模型充足的思考时间

模型会编造看似正确但实际上错误的答案

如何避免：1. 要求模型基于提供的文本找到相关引用并回答问题 2. 跟踪答案来源

模型的局限性

提示工程关键词原则

通常无法在第一次尝试时就获取到想要的答案，Prompt的编写通常也需要有这样一个迭代开发的过程：1. 编写Prompt（要求明确且具体）2. 尝试运行并获取结果3. 分析结果为什么没有获得预期输出4. 进一步细化与调整Prompt5. 重复这个过程，直到得到合适的Prompt

提示工程需要迭代

例如你的任务是生成来自电子商务网站的产品评论的简短摘要。总结下面用三重引号分隔的评论，最多 30 个单词。

限制摘要输出字数

你的任务是生成来自电子商务网站的产品评论的简短摘要。总结下面用三重引号分隔的评论，最多 30 个单词，并且侧重于派送效率。(and focusing on any aspects that mention <shipping and delivery> of the <product>.)

有时候，即便我们要求了侧重点，模型仍会输出其他方面的信息。这个时候，我们可以要求其“提取”信息而不是“总结”信息。extract the information

限制摘要侧重点

总结类应用

识别评论的情感，判断是好评还是差评

从文本中提取出自己关心的内容

确定以下由三个引号分隔的文本中讨论的五个主题。让每个项目一两个词长。将你的回复格式化为以逗号分隔的项目列表。确定以下主题列表中的每一项是否是以下文本中的主题，该文本由三重引号分隔。以列表的形式给出你的答案，每个主题用 0 或 1。

推断出文本的主题，可以对文本进行分类

推理类应用

要求分别以正式与非正式进行翻译，应对不同场合

自动识别用户的语言

翻译类应用

基于客户评论和情绪生成回复邮件

temperature 参数，为0更精确，>0 增大越具有不确定性

扩展类应用

设置对话中所包含的不同角色的信息

提供之前对话的上下文

打造聊天机器人

课程总结

Prompt Engineering