学好 prompt 让大模型变身撩富婆专家,带你走上人生巅峰

前文

使用大模型的最重要的一步就是编写好的提示词 prompt ,但是 prompt 既容易被低估也容易被高估。被低估是因为设计良好的提示词可以显著提升效果。被高估是因为即使是基于提示的应用也需要大量的工程工作才能使其发挥作用。下面我会介绍在编写 prompt 的时候,有助于提升性能的技术点。

明确定义助手功能

一般我们会给大模型定义一个助手角色基调,简要明确告诉它需要做的任务是什么即可,只要框定助手要干的事情边界,不至于跑偏即可。比如可以告诉大模型是一个精通撩妹的高手。

提出详细的要求

我们在这里可以详细描述助手具体要干的事情,以及需要注意的点。内容一定要精简不啰嗦,要点一定要分步罗列清楚,前后文的描述中不允许有冲突的地方,否则很容易在推理阶段让大模型不知所措。简要明了的任务要求描述,能让大模型更好的执行任务,减少误差或者歧义。例如:你想撩妹但是你无房无车无存款等要求。

使用 RAG

如果我们有可以获取的外部知识也可以加入到提示词中,这里有助于模型减少出现幻觉的可能,让它的回答能更加真实可靠有依据。比如我们现在有一个《如何撩妹.txt》 ,我们放入向量库,在针对不同问题的时候召回相应的 doc 喂给大模型,提升其撩妹的能力。有外部的知识可用,这比大模型空想瞎想如何撩妹靠谱的多。

需要注意的是单纯使用向量召回可能效果很差,我们可以结合传统的 BM25 的方式进行关键词的 doc 召回,最后得到的 doc 相对来说会有用的多。在大多数情况下,混合搜索是非常有效的:关键词搜索用于明显关键词的匹配,而向量召回用于同义词、上位词和拼写错误,以及多模态的信息召回。

做好 few-shot

一般我们会给大模型一些例子,这些例子要有代表性,基本上能把你的任务中的常见情况和特殊情况都覆盖即可,一般 5 个左右足够了,复杂任务可以适当增多。好的例子能大幅度提升大模型对于任务的理解和推理能力。

使用思维链 CoT

如果你还不知道什么是思维链,可以先看这里了解一下。我们在遇到推理等复杂任务的时候,可以在给出例子中引导大模型一步一步去抽丝剥茧理解问题并解决问题,例如下面让大模型进行算数解答的问题,如果是常规的左边的方式直接给出答案,那就很有可能是错的。如果像右边你能在给出的例子中详细阐述解题思路,最后模型也会在推理的时候一步一步给出思考过程,得到的答案比前一种方式对的可能性更高。

image.png

输入和输出结构化

一般我们的输入都是夹在 prompt 中的进行提问的,而输出的内容我们需要提取有效的信息,我一般都有自己的特殊符号,定义了合适的输入和输出格式,有利于我们生成美观的 prompt 和获取有效的信息。

尽量做好一件事

随着业务要求的增多,有的人巴不得想让大模型一次能干好多事情,处理更多边缘情况,复杂性就会增加,更多的指令,更多步骤推理,再加上几十个例子,以至于最后 prompt 又臭又长,这种是最忌讳的,出错的可能性极大。还不如拆解一下,每次写的 prompt 能干好一件事情。

实战

我们上面的理论也讲了很多,下面就让我们结合上面的知识实战一把。下面的例子比较简单,大家理解要领即可。

xml<定义角色功能和要求>
你是一名精通撩妹的高手,擅长用幽默、浪漫的话语和机智的对话打动女性。
你的目标是通过不花钱的方式,在一周之内找到一位25岁左右的富婆美女。
你可以参考一本《如何撩妹》的书籍内容来帮助你实现这个目标。<输入的参数、内容、其他要求>
女孩的名字:{name} 
女孩的特征:{traits} 
要求: 
1. 不能花钱。 
2. 在一周内找到25岁左右的富婆美女。 
3. 根据《如何撩妹》的书籍内容给出撩妹的策略及话术。<输出内容及格式>
请按照下面的格式输出相关内容:
撩妹策略: {strategy} 
撩妹话语: {pickup_line}例子1输入:
女孩的名字:美玲 
女孩的特征:25岁,富婆,喜欢艺术品,热爱社交 
要求: 
1. 不能花钱。 
2. 在一周内找到25岁左右的富婆美女。 
3. 根据《如何撩妹》的书籍内容给出撩妹的策略及话术。输出:
撩妹策略:<这里其实就是思维链的过程,教你如何具体实施的步骤>
1. 从《如何撩妹》书中提取关于喜欢艺术品和社交技巧的美女的内容。
2. 在社交媒体上找到美玲,并关注她的动态,尤其是她参加的艺术展览和社交活动。
3. 在她经常出现的艺术展览和社交场合中偶遇,展示出对艺术品的浓厚兴趣。
4. 使用幽默和机智的对话技巧,逐步引起她的注意和兴趣。撩妹话语:<输出得到的话术>
美玲,你的艺术品收藏让我想起一句话:真正的艺术不仅仅是摆在展厅里的作品,而是懂得欣赏它的人。和你聊艺术,每一次都像是一场精彩的展览,让人流连忘返。例子2输入:
女孩的名字:莉莉 
女孩的特征:25岁,富婆,喜欢高尔夫,热爱健身 
要求: 
1. 不能花钱。 
2. 在一周内找到25岁左右的富婆美女。 
3. 根据《如何撩妹》的书籍内容给出撩妹的策略及话术。输出:
撩妹策略:<这里其实就是思维链的过程,教你如何具体实施的步骤>
1. 从《如何撩妹》书中提取关于喜欢运动和健身的美女的内容。
2. 在高尔夫球场和健身房中寻找机会接近莉莉。
3. 主动参与她的健身或高尔夫活动,展示你的运动能力和健康生活方式。
4. 使用幽默和鼓励的话语,增进彼此的互动和了解。撩妹话语:<输出得到的话术>
莉莉,你的挥杆动作真是优雅又有力量,每一次都让我觉得高尔夫不只是运动,更是一种艺术。我觉得,和你一起运动,不仅能锻炼身体,更能享受每一刻的美好时光。

如何系统的去学习AI大模型LLM ?

作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来

所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~

👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

在这里插入图片描述

四、AI大模型商业化落地方案

img

阶段1:AI大模型时代的基础理解

  • 目标:了解AI大模型的基本概念、发展历程和核心原理。
  • 内容
    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
      - L1.4.1 知识大模型
      - L1.4.2 生产大模型
      - L1.4.3 模型工程方法论
      - L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2:AI大模型API应用开发工程

  • 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
  • 内容
    • L2.1 API接口
      - L2.1.1 OpenAI API接口
      - L2.1.2 Python接口接入
      - L2.1.3 BOT工具类框架
      - L2.1.4 代码示例
    • L2.2 Prompt框架
      - L2.2.1 什么是Prompt
      - L2.2.2 Prompt框架应用现状
      - L2.2.3 基于GPTAS的Prompt框架
      - L2.2.4 Prompt框架与Thought
      - L2.2.5 Prompt框架与提示词
    • L2.3 流水线工程
      - L2.3.1 流水线工程的概念
      - L2.3.2 流水线工程的优点
      - L2.3.3 流水线工程的应用
    • L2.4 总结与展望

阶段3:AI大模型应用架构实践

  • 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
  • 内容
    • L3.1 Agent模型框架
      - L3.1.1 Agent模型框架的设计理念
      - L3.1.2 Agent模型框架的核心组件
      - L3.1.3 Agent模型框架的实现细节
    • L3.2 MetaGPT
      - L3.2.1 MetaGPT的基本概念
      - L3.2.2 MetaGPT的工作原理
      - L3.2.3 MetaGPT的应用场景
    • L3.3 ChatGLM
      - L3.3.1 ChatGLM的特点
      - L3.3.2 ChatGLM的开发环境
      - L3.3.3 ChatGLM的使用示例
    • L3.4 LLAMA
      - L3.4.1 LLAMA的特点
      - L3.4.2 LLAMA的开发环境
      - L3.4.3 LLAMA的使用示例
    • L3.5 其他大模型介绍

阶段4:AI大模型私有化部署

  • 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
  • 内容
    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

学习计划:

  • 阶段1:1-2个月,建立AI大模型的基础知识体系。
  • 阶段2:2-3个月,专注于API应用开发能力的提升。
  • 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
  • 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

全套 《LLM大模型入门+进阶学习资源包↓↓↓ 获取~

👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

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.mzph.cn/bicheng/35272.shtml

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

相关文章

【面试干货】Java中new与clone操作对象的比较

【面试干货】Java中new与clone操作对象的比较 1、new操作符创建对象的过程2、clone方法创建对象的过程3、总结 &#x1f496;The Begin&#x1f496;点点关注&#xff0c;收藏不迷路&#x1f496; 1、new操作符创建对象的过程 new操作符在Java中用于创建对象&#xff0c;并执行…

一年Java|16K|同程艺龙面经

面经哥只做互联网社招面试经历分享&#xff0c;关注我&#xff0c;每日推送精选面经&#xff0c;面试前&#xff0c;先找面经哥 背景 公司&#xff1a;同程艺龙成都BU,现场部门老大面 之前的同程艺龙电话一面过了&#xff0c;然后通知到同程艺龙成都办公地点现场进行部门老大…

深入探讨计算机网络中的各种报文

在计算机网络中&#xff0c;报文&#xff08;Packet&#xff09;是数据传输的基本单位。不同的协议使用不同类型的报文来实现数据传输的各种功能。本文将详细探讨计算机网络中常见的几种报文类型&#xff0c;并通过举例说明其具体应用。 一、TCP/IP协议栈中的报文 TCP/IP协议…

C语言实战 | “贪吃蛇”游戏重构

程序设计的过程中,面对复杂项目,利用模块化思维分解任务,是关键的一步。读者一定要掌握模块化思维设计思维,为将来团队合作、协同完成大型应用软件做好准备。 01、“贪吃蛇”游戏 有了游戏框架之后,按照游戏框架完成“贪吃蛇”游戏。 “贪吃蛇”游戏角色有两个:“贪吃蛇…

设计总监独家揭秘:后台管理系统设计全攻略!

后台管理是反映用户行为、提高产品保留率的有力依据。设计师将后台管理的各种数据创建成清晰、合乎逻辑、可操作的后台管理仪表板。当您设计一个美观实用的UI后台管理时&#xff0c;它会给用户带来更直观的信息内容&#xff0c;从而提高用户体验。因此&#xff0c;后台管理设计…

Java基础入门day70

day70 Mybatis mybatis实现多表的关联 关于数据库的设计 当前有五张表&#xff0c;用户表&#xff0c;订单表&#xff0c;订单详情表&#xff0c;商品表&#xff0c;商品类型表 订单表 Orders订单表oidvarchar(32)主键订单编号uidint用户编号paytypevarchar(20)非空&#xff…

用C语言声明汇编编写的函数,是否需要带参数列表?

1.被声明的汇编函数本身有参数输入 例如&#xff0c;有如下汇编函数&#xff1a; section .text global add add: ; 假设 a 在 [ebp8]&#xff0c;b 在 [ebp12]&#xff08;这是基于 C 调用约定的典型栈布局&#xff09; mov eax, [ebp8] ; 将 a 的值加载到 eax 寄存器 add e…

git 查看本地和远程分支

要查看 Git 仓库中的所有分支&#xff0c;可以使用以下命令&#xff1a; git branch执行该命令后&#xff0c;Git 会列出当前仓库中的所有分支&#xff0c;并在当前所在的分支前加上一个 * 标记。 如果你想查看远程仓库的分支&#xff0c;可以添加 -r 或 --remotes 选项&…

Java中不同I/O操作的性能比较

Java中不同I/O操作的性能比较 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01; 在Java编程中&#xff0c;对于I/O操作的选择不仅影响到代码的简洁性和可读性&am…

详解LLM大模型是如何理解并使用 tools ?

前文 大家肯定对使用大模型的函数回调或者说 Tools 已经耳熟能详了&#xff0c;那么他们具体内部是如何运作的呢&#xff0c;本文就此事会详细给大家介绍具体的细节。 tools 首先是大家最熟悉的环节&#xff0c;定义两个 tool 的具体实现&#xff0c;其实就是两个函数&#…

C语言:sprintf与snprintf

C语言提供了强大的格式化输出的接口&#xff0c;可以输出到不同的文件或者字符串等&#xff0c;以sprintf和snprintf为例介绍一下 sprintf 格式化输出到字符串 函数签名 int sprintf(char *str, const char *format, ...);与printf相比就是多了前面的char*参数&#xff0c;…

为什么变量不可以在 switch 语句中声明定义?

目录 1.引言 2.switch语句的基本用法 3.为何不能在switch语句中声明变量 3.1.作用域问题 3.2.跳转语句的限制 4.解决方案 4.1.在switch语句之前声明变量 4.2.使用花括号创建新的作用域 5.总结 1.引言 在C/C等编程语言中&#xff0c;switch语句是一种常见的控制流结构&…

PointNet数据预处理+网络训练

PointNet数据预处理网络训练 数据预处理分类网络的训练分割网络训练分类和分割的结果 数据预处理 数据预处理&#xff0c;这里仅介绍一个shapenetdataset&#xff1b; class ShapeNetDataset(data.Dataset):def __init__(self,root,npoints2500,classificationFalse,class_ch…

前端应熟知的各种宽度高度

目录 一、window对象- 浏览器对象模型 二、Document对象-文档对象模型 前端做项目时经常需要使用到各种宽度高度&#xff0c;可以从两个地方获得这些数据。 一、window对象- 浏览器对象模型 浏览器对象模型 (BOM) 使 JavaScript 有能力与浏览器"对话"。 所有浏览…

动态图形设计:创造视觉运动的艺术

什么是动态设计&#xff1f;动态设计是一个设计领域&#xff0c;指在用户界面中使用动态效果的设计。简单地说是为了移动用户界面上的元素而设计的。良好的动态设计可以吸引用户的注意&#xff0c;提高用户体验和满意度。动态设计也是界面设计与动态设计的结合&#xff0c;将设…

后端如何减少生产问题以及如何处理生产问题

后端如何减少生产问题以及如何处理生产问题 事前–如何减少生产问题 开发多做单元测试&#xff0c;自测。 提前做单元测试&#xff0c;能够及早发现问题。 哪怕只是很小的改动&#xff0c;也要测试回归 有些研发同事&#xff0c;优化了代码&#xff0c;以为只是很小的改动…

vector和array在C++中的区别以及如何在C++中定义array类型

在C中&#xff0c;vector和array的主要区别体现在以下几个方面&#xff1a; 内存分配和大小调整&#xff1a; vector是一个动态数组容器&#xff0c;其内存空间大小是能够改变的。当需要添加新元素而当前内存空间不足时&#xff0c;vector会自动申请更大的内存空间&#xff08…

[240625] Continue -- 开源 Copilot | Web-Check 网站分析工具 | Story of EOL

目录 Continue -- 开源 CopilotWeb-Check 网站分析工具Web-Check 提供全面的网站分析功能Web-Check 支持多种部署方式&#xff1a;配置选项开发环境Web-Check 使用多种数据源进行分析 Story of EOLASCII 文本中的换行符问题 Continue – 开源 Copilot 让 Continue 和 Ollama 成…

无人机螺旋桨理论教学培训课程

本文档为一份详细的关于TYTO机器人公司提供的电机和螺旋桨理论及其实验操作的指南。指南首先概述了材料、实验目标以及实验的介绍部分&#xff0c;随后详细阐述了理论问题、实验步骤和附录内容。实验目的在于通过实际测试来测量和理解不同螺旋桨参数对无人机性能的影响&#xf…

上海亚商投顾:沪指5连阴 工业母机概念逆势走强

上海亚商投顾前言&#xff1a;无惧大盘涨跌&#xff0c;解密龙虎榜资金&#xff0c;跟踪一线游资和机构资金动向&#xff0c;识别短期热点和强势个股。 一.市场情绪 三大指数今日继续调整&#xff0c;沪指午后一度跌近1%&#xff0c;随后探底回升跌幅收窄&#xff0c;创业板指…