3
【AIGC】一起学习prompt提示词（4/4）【经典】【15种提示词技巧】
大模型开发/技术交流
- LLM
- Prompt
4月1日8508看过
本期将通过一本书的介绍，来对提示词做个系统的归纳，书的名字是《THEART OF ASKING CHATGPТ》，作者是IBRAHIM JOHN
文中的例子，都是用CHARGPT来书写的，由于某种原因，本文将核心的提示词要点，进行了归纳，并在百度的文心一言中，进行了例子的重新编写，更加容易理解提示词的精华。
去掉了文心一言不支持或者普通人很难使用的提示词，比如强化学习提示词等。
一、概述
什么是提示词，之前我的三篇文章，已经写的很清楚了，也以不用工具上网的文心一言的环境，做了大量的案例，还介绍了官方的学习课程的地址。很多学习课程，还都只有不到100的播放量，所以，你看了我的文章，想去学习一下提示词，提升自己对AIGC方向的理解，现在真的不晚。
Prompt公式是提示的特定格式,通常由三个主要元素组成:
任务:对提示要求模型生成的内容进行清晰而简洁的陈述。
指令:在生成文本时模型应遵循的指令。
角色:模型在生成文本时应扮演的角色。
下面是一个示例,展示了如何将指令提示、角色提示和种子词提示技术结合使用:
任务：为新智能手机生成产品描述
指令：描述应该是有信息量的,具有说服力,并突出智能手机的独特功能
角色：市场代表
种子词: “创新的"
提示公式:：“作为市场代表,生成一个有信息量的、有说服力的产品描述,突出新智能手机的创新功能。该智能手机具有以下功能[插入您的功能]"
在这个示例中,指令提示用于确保产品描述具有信息量和说服力。
角色提示用于确保描述是从市场代表的 角度书写的。
而种子词提示则用于确保描述侧重于智能手机的创新功能。种子词指令的重要组成部分。
这里还有一个大家要特别注意的地方，就是具体你这个手机有什么功能，还是要老老实实的告诉人家。AI不是你肚子里的蛔虫，他们尽管开始可以理解你文字的深层次意思，甚至猜测你的感情，但是毕竟还没有对接脑机接口。
二、“零、一和少样本”提示
继续上面的例子，你可以在指令中，要求GPT以零、一或者少示例，来为你生成描述。
例如：
提示公式: “基于零个示例为这款新智能手表生成产品描述”。
三、”让我们思考一下”提示
加上“让我们思考一下”，“让我们谈谈……”，“让我们讨论……”，GPT会答复我们更深入的内容。
这种技术适用于撰写论文、诗歌或创意写作等任务。
例如：
这是不加此提示词的回复结果：
回答的比较浅显，这是加了“让我们思考一下”，之后，看效果：
变化还是很大的！
四、 自恰提示
自洽提示是一种技术，用于确保ChatGPT 的输出与提供的输入一致。这种技术对于事实核查、数据验证 或文本生成中的一致性检查等任务非常有用。
自洽提示的提示公式是输入文本后跟着指令“请确保以下文本是自洽的”。
一个是事实核查的例子：
任务：检查给定新闻文章的一致性
输入文本：“文章中陈述该城市的人口为500 万，但后来又说该城市的人口为700 万。”
提示公式：“请确保以下文本是自洽的：文章中陈述该城市的人口为500 万，但后来又说该城市 的人口为700 万。文章是【插入文章】”
五、种子词提示
这在前面的例子中，已经有提到了。
种子词提示是一种通过提供特定的种子词或短语来控制GPT 输出的技术。种子词提示的提示公式是 种子词或短语，后跟指令“请根据以下种子词生成文本”。
例如文本生成：
• 任务：编写一篇有关龙的故事
• 种子词：“龙”
• 提示公式：“请根据以下种子词生成文本：龙”
六、知识整合提示
案例：
提示公式：“以相关且逻辑清晰的方式连接以下信息片段：[插入信息 1][插入信息 2]”
七、选项提示
案例：
提示公式：“通过选择以下选项之一，将以下文本分类为积极、中立或消极：[插入文本] [积极] [中立] [消极]”
八、控制生成提示
就是给GPT提供指令，对输出提要求。
案例：
提示公式：请以鲁迅的风格，写一些关于【插入短语】的文本。
九、问答提示
这是我们常用的提示模式，很多人还是在把大模型当搜索引擎来使用，这有点片面了。
比如上面的例子，让GPT帮我们找文章中自恰的数据，这就是很好的工作场景的助手。
不过问答提示，也是有技巧的，你可以限定回答的范围，搜索的范围，等等。
比如下面，从2个范围来源，去找关于熊猫的情况，会获得不同的答案。
十、概述提示
概述，以及总结你给的一篇文章，或者看懂一幅图，这是GPT的基本能力。
案例：
注意，上面这本书是学会提问，和提问的艺术不是一本书。要获得更准确的回答，最好不要让GPT有疑问。
十一、对话提示
可以要求GPT帮你写小品或者相声，你可以输入要求写2个角色对话的指令，可以描述角色的性格。
例如：请帮我描述2个角色的对话，他们的关系是夫妻，场景是吵架，原因是丈夫喝酒。丈夫非常幽默，搞笑。（用的文心一言，有板有眼，但是一点也不搞笑。）
十二、对抗性提示
对抗性提示是一种技术，它允许模型生成抵抗某些类型的攻击或偏见的文本。这种技术可用于训练更为稳 健和抵抗某些类型攻击或偏见的模型。
例如：帮我生成难以分类为爱情的文本。帮我生成难以“翻译”为爱情的文本。注意第一种对抗，实际是提示词失败了，大模型真的去“分类”，第二个，反而好很多。
十三、聚类提示
聚类提示是一种技术，它可以让模型根据某些特征或特点将相似的数据点分组在一起。通过提供一组数据点并要求模型根据某些特征或特点将它们分组成簇，可以实现这一目标。 这种技术在数据分析、机器学习和自然语言处理等任务中非常有用。
案例：提示公式：“将以下新闻文章根据主题分组成簇：[插入文章]”。
十四、 情感分析提示
比如消极、中立、积极，等情感词语，都可以控制GPT的输出。
例如：积极和消极，两种心态，来描述创业，给的文本，当然是大相径庭的。
十五、本文分析提示
适用于分析一段给出的文本，例如识别其中的实体，角色的姓名，特征，或者分析摘要，概述等。
十六、文本生成提示
文本生成提示与本书中提到的其他提示技术相关，例如：零、一、几次提示，受控生成提示，翻译提示， 语言建模提示，句子补全提示等。这些提示都与生成文本有关，但它们在生成文本的方式和放置在生成文本上的特定要求或限制方面有所不同。文本生成提示可用于微调预训练模型或训练新模型以执行特定任务。
例如：
提示公式：“根据以下提示[插入提示]生成一个至少包含 1000个单词，包括角色[插入角色]和情 节[插入情节]的故事。”
结语
提示词系列，就到此结束了，谢谢大家的关注和收藏。
提示词是非常灵活的，未来GPT的应用，更多人能参与的领域，落点在提示词。每一个提示词，每一次提问，都是一个创造产品的过程，发现需求，设计提示词，满足需求，不断往复创造，诞生一个万象更新的生态。
————————————————
版权声明：本文为CSDN博主「giszz」的原创文章
原文链接：https://blog.csdn.net/giszz/article/details/134419818
如有侵权，请联系千帆社区进行删除
评论
