‘再战千问:启程你的提升之旅‘,如何更好地提问?

例如,很多时候我们提出一些问题,然而通义千问提供的答案,并非完全符合我们的期望。这并非由于通义千问的智能程度不足,而是提问者的“提问技巧”尚未掌握得当。

难道提问还需要讲究艺术性吗?确实如此。今天,我们将为大家介绍一个关键概念——Prompt Engineering,即“提示词工程”。

那么,什么是提示词工程(Prompt Engineering)呢?它是指在与AI模型交互时,用户所提供的输入文本,这些文本旨在引导AI模型生成特定类型的精准输出内容。这里的输入可以是具体的问题表述、任务描述或情境描绘。

向AI模型提问或者下达指令,就如同与人交流一样,提问者首先需要确保问题表述清晰明了。如果问题阐述得模糊不清,即便是最顶尖的专家也无法给出你所期待的答案。

下面两个例子,就是提示词的错误示例:

很明显这并不是我想要的答案,我明明想要一 giao 我里 giao giao,因为问题并没有表述清楚,结果给我初始了一个rapper的角色其实可以看到他已经自由发挥了,同样也没描述清楚具体的一些细节,

因此,为了确保AI模型能够提供更为精确的答案,我们有必要掌握一系列针对AI的提问策略和技术,而这一整套策略和技术体系即所谓的“提示词工程”。在ChatGPT的应用中,提示词工程扮演着不可或缺的核心角色,它负责将用户的需求翻译成GPT模型可以有效理解和响应的语言结构。通过精心设计和运用恰当的提示词,我们可以有效地引导GPT模型生成既具有针对性又高质量的回复内容。故此,深入学习并熟练应用提示词技术是充分挖掘ChatGPT潜能的关键,有助于满足各种不同场景下的应用需求。

那么,如何开启对提示词工程的学习之旅呢?

初步涉足提示词工程领域,首要任务是对提示词的各种类型有一个全面的认识。当前,在实践中广泛采用的提示词主要分为六大类别。

1.信息检索类Prompt

向ChatGPT询问某些固有的知识,比如这样输入:“新中国成立时间”

2.文本生成类Prompt

根据特定要求来生成文本,比如这样输入:"我彩票中了一个亿,我不想干了,请向我的领导写一封离职信,要求字数在300字以内”

3.机器翻译类Prompt

给定某一种语言的内容,翻译成另一种语言,比如这样输入:"请将'I'm Iron Man翻译成中文。”

4.创意写作类Prompt

提出具有开放性的要求,比如这样输入:“写一个以美国南北战净为历史背景的短篇爱情小说,要求字数2000字以内。“

(截取了部分)

5.文本摘要类Prompt

指定一篇文章,提炼出文章的核心要点,比如这样输入:"请为上面的输出总结出一个50字的摘要"

6.咨询建议类Prompt

列举现实情况,提出咨询建议,比如这样输入:“我是一个00后北漂,我喜欢rapper,我应该如何学习?”

上述内容仅列举了提示词的一些常见类型。然而,要有效地提出优质问题,首要步骤是明确你所使用的提示词类别,这样才能做到精准定位,如同对症下药般解决问题。

一个真正高质量的提示词,应当具备三大要素:首先,目标指向必须清晰明了;其次,应具有特定的前提条件设定;最后,需对回答的形式和范围做出明确限定。

想要满足这些要求,你的Prompt需要包含四大组成部分,分别是任务、上下文、指令、角色。

1.任务(Task)

所谓任务,是指用户期望模型执行的具体事务,这可能包括解答疑问、提出指导性意见等内容。

2.上下文(Context)

有助于模型更好地掌握任务的上下文信息,这包括但不限于相关领域的专业知识、具体的应用场景等元素。

3.指令(Instruction)

具体要求包括但不限于按照特定方式引导模型完成任务,例如规定答案的格式、确定回答的深度等。

4.角色(Role)

在互动流程中,为模型预设一个身份角色,例如专家、助手等,使其能够在交流中发挥作用。

对于这四个组成部分,我们来举一个应用的例子。输入内容:作为一个项目经理,你的项目组成员因工资待遇要求离职,请给出有效的解决办法,解决方法列举5条以上,总字数在200-300之间,

任务部分是“给出有效的解决方法”

上下文部分是“你的项目组成员因工资待遇要求离职“

指令部分是“解决方法列举5条以上,总字数在200-300字之间。”

角色:项目经理

这样的提示词就是一个清晰完整的提示词,大概率可以给出你准确而又有价值的回答。

针对这个问题,回答如下:

当然,也并非每一个问题都一定要严格包含着四大要素,只有在希望生成较为复杂和专业的内容时,才需要兼备这些要素。

以上是实现优质提示词的基本要求。此外针对一些特殊场景,我们也需要用到几种提示词的高级技巧。

都有哪些提示词的高级技巧呢?在下一讲我会为大家详细说明,敬请期待。

欢迎大家围观,

想学习更多AI技能,比如说利用AI提高生产力,或者做一些副业都可以联系我,入局AI 共同成长。关注公众号发送【ChatGPT资料】领取ChatGPT全套资料、提示词。

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/news/611449.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

String intern()方法

String intern 方法有什么作用? String.intern() 是一个 native(本地)方法,其作用是将指定的字符串对象的引用保存在字符串常量池中,并返回常量池中对应的字符串引用。 当使用字面量创建字符串时,Java 会在编译期间自…

TensorRT加速推理入门-1:Pytorch转ONNX

这篇文章,用于记录将TransReID的pytorch模型转换为onnx的学习过程,期间参考和学习了许多大佬编写的博客,在参考文章这一章节中都已列出,非常感谢。 1. 在pytorch下使用ONNX主要步骤 1.1. 环境准备 安装onnxruntime包 安装教程可…

uniapp 多轴图,双轴图,指定哪几个数据在哪个轴上显示

这里使用的在这里导入&#xff0c; 秋云 ucharts echarts 高性能跨全端图表组件 - DCloud 插件市场 这里我封装成一个组件&#xff0c;自适应的&#xff0c;可以直接复制到自己的项目中 <template><qiun-data-charts type"mix":opts"opts":cha…

一网打尽!最佳新闻资讯App推荐,谁是你的首选?

注重个性化推荐&#xff0c;推荐&#xff1a;今日头条、一点资讯 注重传统新闻阅读体验&#xff0c;推荐&#xff1a;网易新闻、新浪新闻、搜狐新闻、东方头条 注重订阅推送阅读体验&#xff0c;推荐&#xff1a;红板报、ZAKER 注重评论和用户社区交互&#xff0c;推荐&…

[后端] 微服务的前世今生

微服务的前世今生 整体脉络: 单体 -> 垂直划分 -> SOA -> micro service 微服务 -> services mesh服务网格 -> future 文章目录 微服务的前世今生单一应用架构特征优点&#xff1a;缺点&#xff1a; 垂直应用架构特征优点缺点 SOA 面向服务架构特征优点缺点 微服…

2024年中国杭州|网络安全技能大赛(CTF)正式开启竞赛报名

前言 一、CTF简介 CTF&#xff08;Capture The Flag&#xff09;中文一般译作夺旗赛&#xff0c;在网络安全领域中指的是网络安全技术人员之间进行技术竞技的一种比赛形式。CTF起源于1996年DEFCON全球黑客大会&#xff0c;以代替之前黑客们通过互相发起真实攻击进行技术比拼的…

c++ fork, execl 参数 logcat | grep

Linux进程编程(PS: exec族函数、system、popen函数)_linux popen函数会新建进程吗-CSDN博客 execvp函数详解_如何在C / C 中使用execvp&#xff08;&#xff09;函数-CSDN博客 C语言的多进程fork()、函数exec*()、system()与popen()函数_c语言 多进程-CSDN博客 Linux---fork…

#3. 全排列问题

【问题描述】 输出自然数 1 到 n 所有不重复的排列&#xff0c;即 n 的全排列&#xff0c;要求所产生的任一数字序列中不允许出现重复的数字。 【输入格式】 一个整数n(1≤n≤9) 【输出格式】 按照字典序的顺序输出由 1&#xff5e;n 组成的所有不重复的数字序列&#xff…

生成式人工智能市场规模、趋势和统计数据(2024-2026)

生成式人工智能市场规模、趋势和统计数据&#xff08;2024-2026&#xff09; 目录 生成式人工智能市场规模、趋势和统计数据&#xff08;2024-2026&#xff09;一、生成式人工智能行业亮点二、生成式人工智能市场规模三、生成式人工智能市场增长预测四、生成式人工智能采用统计…

Linux信号处理浅析

一、信号从发送到被处理经历的过程 1、常见概念 (1) 信号阻塞 阻塞&#xff0c;即被进程拉黑&#xff0c;信号被发送后&#xff0c;分为两种情况&#xff0c;一种是被阻塞了&#xff08;被拉黑了&#xff09;&#xff0c;一种是没有被阻塞。 (2) 信号未决 在信号被进程处理…

RT-Thread:SPI万能驱动 SFUD 驱动Flash W25Q64,通过 STM32CubeMX 配置 STM32 SPI 驱动

关键词&#xff1a;SFUD,FLASH,W25Q64&#xff0c;W25Q128&#xff0c;STM32F407 说明&#xff1a;RT-Thread 系统 使用 SPI万能驱动 SFUD 驱动 Flash W25Q64&#xff0c;通过 STM32CubeMX 配置 STM32 SPI 驱动。 提示&#xff1a;SFUD添加后的存储位置 1.打开RT-Thread Sett…

K8S的部署策略,重建更新和滚动更新

Deployment Strategies 部署战略 When it comes time to change the version of software implementing your service, a Kubernetes deployment supports two different rollout strategies: RecreateRollingUpdate 当需要更改实施服务的软件版本时&#xff0c;Kubernetes …

跟着我学Python进阶篇:02.面向对象(上)

往期文章 跟着我学Python基础篇&#xff1a;01.初露端倪 跟着我学Python基础篇&#xff1a;02.数字与字符串编程 跟着我学Python基础篇&#xff1a;03.选择结构 跟着我学Python基础篇&#xff1a;04.循环 跟着我学Python基础篇&#xff1a;05.函数 跟着我学Python基础篇&#…

力扣2696. 删除子串后的字符串最小长度

Problem: 2696. 删除子串后的字符串最小长度 文章目录 思路解题方法复杂度Code 思路 可以知道能够消除的只有AB 和CD 的者两种排列顺序方式&#xff0c;但是也许在发生一次消除后还会引发后续的消除可能性。 元素从前向后进行检测&#xff0c;如果是A或者C进行标记入栈&#xf…

Linux C/C++ 显示NIC流量统计信息

NIC流量统计信息是由操作系统维护的。当数据包通过NIC传输时&#xff0c;操作系统会更新相关的计数器。这些计数器记录了数据包的发送和接收数量、字节数等。通过读取这些计数器&#xff0c;我们可以获得关于网络流量的信息。 为什么需要这些信息? 可以使用这些信息来监控网络…

Java建筑工程建设智慧工地源码

智慧工地管理平台依托物联网、互联网&#xff0c;建立云端大数据管理平台&#xff0c;形成“端云大数据”的业务体系和新的管理模式&#xff0c;从施工现场源头抓起&#xff0c;最大程度的收集人员、安全、环境、材料等关键业务数据&#xff0c;打通从一线操作与远程监管的数据…

C //练习 5-4 编写函数strend(s, t)。如果字符串t出现在字符串s的尾部,该函数返回1;否则返回0。

C程序设计语言 &#xff08;第二版&#xff09; 练习 5-4 练习 5-4 编写函数strend(s, t)。如果字符串t出现在字符串s的尾部&#xff0c;该函数返回1&#xff1b;否则返回0。 注意&#xff1a;代码在win32控制台运行&#xff0c;在不同的IDE环境下&#xff0c;有部分可能需要…

C++11_lambda表达式

文章目录 一、lambda表达式1.lambda的组成2.[capture-list] 的其他使用方法2.1混合捕捉 二、lambda表达式的使用场景1.替代仿函数 总结 一、lambda表达式 lambda表达式是C11新引入的功能&#xff0c;它的用法与我们之前学过的C语法有些不同。 1.lambda的组成 [capture-list] …

【Java万花筒】解锁Java并发之门:深入理解多线程

Java并发编程艺术&#xff1a;深度剖析多线程利器 前言 在当今软件开发的世界中&#xff0c;多线程编程已经变得愈发重要。面对多核处理器的普及和复杂的系统架构&#xff0c;开发人员需要深入了解并发编程的原理和实践&#xff0c;以充分发挥硬件的性能潜力。本文将带您深入…

【C++进阶05】AVL树的介绍及模拟实现

一、AVL树的概念 二叉搜索树的缺点 二叉搜索树虽可以缩短查找效率 但如果数据有序或接近有序 二叉搜索树将退化为单支树 查找元素相当于在顺序表中搜索元素&#xff0c;效率低下 AVL树便是解决此问题 向二叉搜索树中插入新结点 并保证每个结点的左右子树 高度之差的绝对值不超…