模型提示词

一 提示词

（一） 提示词（Prompt）是用户发送给大语言模型的问题、指令或请求，**

1 来明确地告诉模型用户想要解决的问题或完成的任务，是大语言模型理解用户需求并据此生成相关、准确回答或内容的基础。对于大语言模型来说，提示词就是用户输入给大语言模型的文本信息。

提示词：
请结合《星球崛起》整个系列评价最近刚刚上映的电影《猩球崛起：新世界》输出：
《猩球崛起：新世界》作为《星球崛起》系列的最新篇章，延续了这一科幻经典IP的传奇，尽管它……
在角色刻画上，《猩球崛起：新世界》似乎得到了积极的反馈，尤其是对于反派和配角的描绘……
对于老粉丝而言，这部电影可能没有提供必须观看的新鲜理由，但对于新加入的观众……
总体而言，《猩球崛起：新世界》在保持系列精髓的同时，尝试了某种程度的软重启，为新老观众都提供了值得一看的科幻体验。虽然可能在创新性上有所欠缺，但它在情感深度、视觉震撼以及对未来叙事线索的铺设上都交出了满意的答卷。

（二）提示词工程

1 研究如何构建和调整提示词，从而让大语言模型实现各种符合用户预期的任务的过程

a 直接提问

原则：

简洁：尽量用最简短的方式表达问题。过于冗长的问题可能包含多余的信息，导致模型理解错误或答非所问。

具体：避免抽象的问题，确保问题是具体的，不含糊。

详细上下文：如果问题涉及特定上下文或背景信息，要提供足够的详情以帮助模型理解，即使是直接提问也不例外。

避免歧义：如果一个词或短语可能有多重含义，要么明确其含义，要么重新表述以消除歧义。

逻辑清晰：问题应逻辑连贯，避免出现逻辑上的混淆或矛盾，这样才能促使模型提供有意义的回答。

不好的提示词
提示词：
苹果好看吗？
— 输出：
不好意思，我不清楚你所指的“苹果”具体指的是什么，水果还是电子设备。		好的提示词
提示词：
这批红色的苹果水果外观怎么样，新鲜吗？
— 输出：
新鲜。
b 增加示例

提示词中提供少量（通常几个或几十个）示例，也称为少样本提示

未增加示例
提示词：
任务：请根据以下电影评论，判断其情感评价（正面、负面或中性）。
待分类评论：这部电影音乐动人，但剧情略显平淡。
— 输出：
情感评价：中性		增加示例
提示词：
要求：请根据以下电影评论，判断其情感评价（正面、负面或中性）。 示例1：这部电影剧情引人入胜，但特效炸裂。情感评价：正面
示例2：虽然这部电影剧情单调，但特效却非常炸裂。情感评价：负面+正面
示例3：这部电影不好不坏。情感评价：中性
待分类评论：这部电影音乐动人，但剧情略显平淡。
— 输出：
情感评价：正面+负面
解释：评论中提到“音乐动人”属于正面评价，表明了对电影音乐部分的喜爱和赞赏。然而，紧接着的“但剧情略显平淡”则为负面评价，表达了对电影剧情的不满或失望。因此，整体评价是正面和负面情感的混合。
c 分配角色

赋予模型一个具体的角色或身份，如“作为经验丰富的营养师”，来引导模型在特定角色视角下生成回答。

未增加角色
****
提示词：
请对刚入住的酒店进行评价。
— 输出：
刚入住的这家酒店给我留下了深刻的印象，整体体验非常满意。		增加A角色
+ 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

提示词：
你是一名酒店评论家，请对刚入住的酒店进行评价。
— 输出：
我对刚入住的这家酒店进行了全方位的考察与体验，现就其各项服务与设施作出如下评价：
位置与周边环境：该酒店位于城市中心地带…
建筑与设计：酒店建筑风格独特，融合了…
服务质量：酒店员工专业素养极高，从接待到…
餐饮设施：酒店内设有多家风格各异的餐厅…
休闲与健身设施：酒店配备完善的休闲与健身…
环保与社会责任：酒店在运营过程中展现出…
综上所述，这家酒店凭借其优越的地理位置、独具匠心的设计、卓越的服务质量、丰富的餐饮选择、完善的休闲设施以及对环保与社会责任的积极践行，为宾客打造了一处兼具舒适性、便利性与文化内涵的高品质下榻之所。无论是商务出行还是休闲度假，这里无疑都是理想的选择，我对此给予高度评价。		增加B角色
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****
+
提示词：
你是一名刚上小学的学生，请对训练营入住的酒店进行评价。
— 输出：
嗨，我是刚上小学的小朋友，参加了这个训练营，现在我要来分享一下我住的酒店怎么样！
房间超酷！：哇哦，我的房间就像一个小城堡！…
好吃的食物：酒店的饭菜超级好吃！…
好玩的地方：酒店里有个大大的游戏室…
友好的叔叔阿姨：酒店的叔叔阿姨们都对我很好…
安全又干净：酒店到处都很干净，地板亮晶晶的…
总的来说，我非常喜欢这个训练营入住的酒店，它像一个充满乐趣的大乐园，让我在学习之余还能尽情玩耍，享受到家一般的温馨和舒适。如果下次还有训练营，我一定还想再来这里住！
d 限定输出风格/格式

大语言模型非常善于撰写论文、文章

  1. 明确指出所需的内容类型，如“论文/散文/诗歌/新闻报道/剧本/日记”等。
  2. 用形容词限定风格，如“严谨客观”、“感性抒情”、“幽默诙谐”、“庄重典雅”等。
  3. 列举风格（代表人物/作品）示例，如“仿照鲁迅先生的笔触描述社会现象”或“以J.K.罗琳的叙述风格撰写一段奇幻冒险故事”。
  4. 设定语境与情感色彩：为模型设定故事背景、情感基调或角色视角，影响其语言表达和修辞选择，从而形成特定风格。如“以一名二战老兵的视角，深情回忆战场经历”。
  5. 规定语言与句式特点：要求使用特定词汇、短语、成语、俚语、古语等，或强调长句、短句、排比、反问、比喻等修辞手法的运用，以契合特定风格。
F 拆解复杂任务（思维链）

一个复杂的任务，拆解成多个稍微简单的任务，让大语言模型分步来思考问题，称为思维链（Chain-of-Thought Prompting, CoT）

标准提示
提示词：
小明有20个苹果，吃了两个，又买了5个，小明现在一共有多少苹果？
— 输出：
27		【思维链提示】
提示词：
小明有20个苹果，吃了两个，又买了5个，小明现在一共有多少苹果，通过思维链CoT的方式来分析。
— 输出：
初始小明最初有20个苹果。小明吃了2个苹果后，他剩下20−2=18个苹果。接着，小明又买了5个苹果，所以他现在的苹果数量是 18+5=23个苹果。
因此，通过这个思维链的分析，我们可以得出结论：小明现在一共有23个苹果。

（三）提示词框架

1 框架概念，就是做事、构建事物时的基本结构或大致轮廓

打个比方，盖房子时，框架是由梁柱搭建的“骨架”，决定房子形状与空间布局，后续才考虑装修细节。写文章先列提纲，这提纲就是框架，明确文章分几部分、各部分内容及先后顺序，避免跑题、让结构更合理。日常用的表格，行和列构成框架，规定了信息的填写位置，让信息规整、便于查看整理。 总之，框架是做事前预设的结构或规划，能帮我们有条理、高效地推进后续工作，让事物有清晰架构 。

2 框架要素（专有名词的）

专有名词
指令 Instruction：需要模型去做什么，如回答某个问题、撰写某种类型的文章或按照特定格式进行总结。指令应该简洁、明确，确保 LLM 能够理解任务的目标和要求
背景信息 Context：背景信息可以包括任务的背景、目的相关的各类信息，还可以为 LLM 设置角色背景、观点立场等信息，LLM 将在此背景下进行回应或生成文本。
参考样本 Examples：与解决用户问题相关的示例，比如通过少样本提示的方式帮助 LLM 更好理解如何处理指令
输出指示 Output Indicator：指定输出的类型或格式，我们可以给出限定关键词、限制条件或要求的输出格式/方式（如表格），也可以避免无关或不期望的信息出现
输入数据 Input Data：用户输入指令和要求，比如用什么语气，生成多少字的内容。

a 指令，就是给模型下的“紧箍咒”

得简单直白，让它秒懂要回答问题、写文章，还是按格式总结，含糊了模型可就抓瞎。

b 背景信息堪称模型的“秘密武器”

交代任务背景、目的，给它设定角色立场。有了这玩意儿，模型输出内容就有谱，不会跑偏。

c 参考样本则是模型的“模范标兵”

给它类似示例，就像老师教做题，模型照葫芦画瓢，处理指令更得心应手。 输入数据，是咱用户给模型的“独家定制”，语气、字数要求都在这。模型就按要求，精准“营业”。

d 输出指示是给模型画的“标准圈”

规定输出类型、格式，限定关键词、条件，或指定表格形式，杜绝无关信息，让输出规范又漂亮。这下都清楚啦！

（四） 提示词框架示例

背景信息”+“指令”+“输出指示

提示词：

背景知识：“阿里云弹性容器实例 ECI（Elastic Container Instance）是敏捷安全的Serverless容器运行服务。您无需管理底层服务器，也无需关心运行过程中的容量规划，只需要提供打包好的Docker镜像，即可运行容器，并仅为容器实际运行消耗的资源付费。”

请参考如上背景知识回答如下问题：

问题：阿里云弹性容器实例 ECI 是用来运行什么的？

回答：分别使用中文和英文回答

输出：

中文回答：阿里云弹性容器实例 ECI 是用来运行 Docker 容器的。

英文回答：Alibaba Cloud Elastic Container Instance (ECI) is used to run Docker containers.

（五） 常见提示词框架及场景

框架具体应用领域（举例子）内容含义
CRISPE项目管理、团队协作、客户服务能力 (Capabilities)
角色 (Roles)
洞察 (Insights)
陈述 (Statement)
个性 (Personality)
实验 (Experiment)
ROSES软件开发、产品设计、市场营销策略规划角色 (Role)
目标 (Objective)
场景 (Setting)
预期解决方案 (Expected Solution)
步骤 (Steps)
TRACE市场研究、业务分析、教学设计任务 (Task)
请求 (Request)
操作 (Action)
上下文 (Context)
示例 (Examples)

二 推理模型

一 推理模型通常指专门优化用于逻辑推理、问题解决、多步推断等任务的模型

维度推理模型通用模型
设计目标专注于逻辑推理、多步问题求解、数学计算等需要深度分析的任务面向通用对话、知识问答、文本生成等广泛场景
训练数据侧重大量数学题解、代码逻辑、科学推理数据集增强推理能力覆盖百科、文学、对话等多领域海量数据
典型输出特征输出包含完整推导步骤，注重逻辑链条的完整性输出简洁直接，侧重结果的自然语言表达
响应速度复杂推理任务响应较慢（需多步计算）常规任务响应更快（单步生成为主）

二 高效处理推理模型

  • 直接提问：保持提示简洁、清晰，且明确任务限制。
  • 避免思维链提示：你无需提示推理模型“逐步思考”或“解释你的推理”，它们本身会进行深入的思考。
  • 根据模型响应调整提示词：直接提问推理模型通常能够产生良好的响应，但如果你有更复杂精细的要求，可以在提示词中明确，比如有明确的输入信息和输出要求时，你可以通过增加示例明确这些信息，还可以通过分隔符帮助推理模型区分不同的信息模块。这个过程可以是重复多次的，不断尝试调整提示，让模型不断推理迭代，直到符合你的要求。

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/diannao/79239.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

深度学习算法：从基础到实践

深度学习算法：从基础到实践

简介 深度学习作为人工智能领域的一个重要分支，近年来在多个领域取得了显著的成就。本文将从基础概念出发，探讨深度学习算法的核心原理，并介绍一些实际应用案例。 深度学习算法的核心概念 深度学习算法基于人工神经网络，通过构…
阅读更多...
5.9 《GPT-4调试+测试金字塔：构建高可靠系统的5大实战策略》

5.9 《GPT-4调试+测试金字塔：构建高可靠系统的5大实战策略》

5.4 测试与调试：构建企业级质量的保障体系 关键词：测试金字塔模型、GPT-4调试助手、LangChain调试模式、异步任务验证 测试策略设计（测试金字塔实践） #mermaid-svg-RblGbJVMnCIShiCW {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill…
阅读更多...
Visio绘图工具全面科普：解锁专业图表绘制新境界[特殊字符]

Visio绘图工具全面科普：解锁专业图表绘制新境界[特殊字符]

Visio绘图工具全面科普：解锁专业图表绘制新境界🌟 在信息爆炸的时代，清晰、直观地呈现复杂信息变得至关重要。无论是绘制流程图📊、组织结构图👥，还是规划网络拓扑🖧，一款强大的绘图…
阅读更多...
ShellScript脚本编程

ShellScript脚本编程

语法基础 脚本结构 我们先从这个小demo程序来窥探一下我们shell脚本的程序结构 #!/bin/bash# 注释信息echo_str"hello world"test(){echo $echo_str }test echo_str 首先我们可以通过文本编辑器(在这里我们使用linux自带文本编辑神器vim)，新建一个文件…
阅读更多...
你了解哪些Java限流算法?

你了解哪些Java限流算法?

大家好，我是锋哥。今天分享关于【你了解哪些Java限流算法?】面试题。希望对大家有帮助； 你了解哪些Java限流算法? 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 在 Java 中，限流算法广泛用于控制流量、避免过载和保护系统的稳…
阅读更多...
prime-2 靶场笔记（vuInhub靶场）

prime-2 靶场笔记（vuInhub靶场）

前言： 在本次靶场环境中涉及的知识点，主要包含LFI和SMB以及Lxd组提权，具体内容包括主机探测、端口扫描、目录扫描、wpscan扫描、反弹shell、一句话木马、容器、linux各种提权和维持。 环境介绍： 本靶场使用了kali（192…
阅读更多...
SparseDrive---论文阅读

SparseDrive---论文阅读

纯视觉下的稀疏场景表示 算法动机&开创性思路 算法动机： 依赖于计算成本高昂的鸟瞰图（BEV）特征表示。预测和规划的设计过于直接，没有充分利用周围代理和自我车辆之间的高阶和双向交互。场景信息是在agent周围提取&#xff…
阅读更多...
旅游特种兵迪士尼大作战：DeepSeek高精准路径优化

旅游特种兵迪士尼大作战：DeepSeek高精准路径优化

DeepSeek大模型高性能核心技术与多模态融合开发 - 商品搜索 - 京东 随着假期的脚步日渐临近，环球影城等备受瞩目的主题游乐场，已然成为大人与孩子们心中不可或缺的节日狂欢圣地。然而，随之而来的庞大客流，却总让无数游客在欢乐的…
阅读更多...
android rtsp 拉流h264 h265，解码nv12转码nv21耗时卡顿问题及ffmpeg优化

android rtsp 拉流h264 h265，解码nv12转码nv21耗时卡顿问题及ffmpeg优化

一、 背景介绍及问题概述 项目需求需要在rk3568开发板上面，通过rtsp协议拉流的形式获取摄像头预览，然后进行人脸识别 姿态识别等后续其它操作。由于rtsp协议一般使用h.264 h265视频编码格式（也叫 AVC 和 HEVC）是不能直接用于后续处…
阅读更多...
运维面试题（十四）

运维面试题（十四）

6.将日志从一台服务器保存到另一台服务器中的方法 1.使用 rsync 同步日志文件 2.使用 scp 手动或脚本化传输 3.配置日志服务（如 syslog 或 rsyslog ）远程传输  4.编写脚本定时上传：结合 cron 定时任务和传输工具，编…
阅读更多...
永磁同步电机控制中，滑模观测器是基于反电动势观测转子速度和角度的？扩展卡尔曼滤波观测器是基于什么观测的？扩展卡尔曼滤波观测器也是基于反电动势吗？

永磁同步电机控制中，滑模观测器是基于反电动势观测转子速度和角度的？扩展卡尔曼滤波观测器是基于什么观测的？扩展卡尔曼滤波观测器也是基于反电动势吗？

滑模观测器在PMSM中的应用： 滑模观测器是一种非线性观测器，利用切换函数设计，使得状态估计误差迅速趋近于零，实现快速响应和对外部干扰的鲁棒性。 在永磁同步电机（PMSM）无传感器控制中，滑模观测…
阅读更多...
【前端】Vue一本通 ESLint JSX

【前端】Vue一本通 ESLint JSX

近几天更新完毕，不定期持续更新，建议关注收藏点赞。 目录 工具推荐vscode插件vue-devtoolsESLint JSX语法扩展简介设计模式快速入门 vue/cli脚手架使用vue指令 工具推荐 工欲善其事，必先利其器。 vscode插件 Vetur：vue代码高亮…
阅读更多...
【adb】bat批处理+adb 自动亮屏,自动解锁屏幕,启动王者荣耀

【adb】bat批处理+adb 自动亮屏,自动解锁屏幕,启动王者荣耀

准备adb 下载 需要确认是否安装了adb.exe文件,可以在: 任务管理器 -->详细信息–>找一下后台运行的adb 安装过anroid模拟器,也存在adb,例如:雷电安装目录 D:\leidian\LDPlayer9 单独下载adb 官方下载地址:[官方网址] 下载目录文件: 测试adb USB连接手机 首先在设置界…
阅读更多...
微信小程序转为App实践篇 FinClip

微信小程序转为App实践篇 FinClip

参考下面链接先 开始实践 微信小程序转为App并上架应用市场_微信小程序生成app-CSDN博客 首先在FinClip 官网上下载应用 小程序开发工具下载_小程序sdk下载资源-FinClip资源下载|泰坪小程序开放平台 下载到本地安装 打开导入自己的小程序项目；导入时会解析自己的…
阅读更多...
arco design框架中的树形表格使用中的缓存问题

arco design框架中的树形表格使用中的缓存问题

目录 1.问题 2.解决方案 1.问题 arco design框架中的树形表格使用中的缓存问题，使用了树形表格的load-more懒加载 点击展开按钮后，点击关闭，再次点击展开按钮时，没有调用查询接口，而是使用了缓存的数据。 2.解决方…
阅读更多...
100个GEO基因表达芯片或转录组数据处理023.GSE24807

100个GEO基因表达芯片或转录组数据处理023.GSE24807

100个GEO基因表达芯片或转录组数据处理 写在前边 虽然现在是高通量测序的时代，但是GEO、ArrayExpress等数据库储存并公开大量的基因表达芯片数据，还是会有大量的需求去处理芯片数据，并且建模或验证自己所研究基因的表达情况，芯片…
阅读更多...
SAP ECCS标准报表在报表中不存在特征CG细分期间 消息号 GK715报错分析

SAP ECCS标准报表在报表中不存在特征CG细分期间 消息号 GK715报错分析

ECCS报表执行报错： 在报表中不存在特征CG细分期间 消息号 GK715 诊断 未在报表中指定特征CG细分期间。但是，同时需要特征CG细分期间和其它特征。例如： 期间’需要用于扩展合并组。 系统响应 处理终止 步骤 调整报表定义。 报这个错。 业务背景…
阅读更多...
spring boot 文件下载

spring boot 文件下载

1.添加文件下载工具依赖 Commons IO is a library of utilities to assist with developing IO functionality. <dependency><groupId>commons-io</groupId><artifactId>commons-io</artifactId><version>2.6</version> </depe…
阅读更多...
FastAPI 中定义接口函数参数，包含请求体参数、查询参数、依赖注入参数的组合

FastAPI 中定义接口函数参数，包含请求体参数、查询参数、依赖注入参数的组合

FastAPI 中定义接口函数参数&#xff0c;包含请求体参数、查询参数、依赖注入参数的组合。 ✅ 示例结构 async def chat(request: Request,data: ChatData,conversation_id: Optional[str] Query(None),current_user: User Depends(get_current_user), ):这表示你定义了一个…
阅读更多...
实用类题目

实用类题目

1. 密码强度检测 题目描述&#xff1a;生活中&#xff0c;为保证账户安全&#xff0c;密码需要有一定强度。编写一个方法&#xff0c;接收一个字符串作为密码&#xff0c;判断其是否符合以下强度要求&#xff1a;长度至少为 8 位&#xff0c;包含至少一个大写字母、一个小写字…
阅读更多...
最新文章

Copyright @ 2022~2023