提示工程 | 高性能計算 |ChatGPT

深度學(xué)習(xí) | GPU服務(wù)器 |Ibrahim John

在當(dāng)今信息爆炸的時代，人們對于知識獲取的需求日益增長。特別是在深度學(xué)習(xí)、高性能計算和人工智能領(lǐng)域，這些前沿技術(shù)的不斷發(fā)展讓人們對其應(yīng)用場景和實(shí)現(xiàn)方法有了更多的探索和研究。其中，作為一種基于大規(guī)模預(yù)訓(xùn)練模型的人工智能問答系統(tǒng)，ChatGPT已經(jīng)成為眾多研究者和開發(fā)者的關(guān)注重點(diǎn)。如何向ChatGPT提問并獲得高質(zhì)量的答案，成為了學(xué)術(shù)界和業(yè)界需要解決的問題之一。

最近看到伊布拉欣·約翰（Ibrahim John）寫的《從ChatGPT獲得高質(zhì)量答案的藝術(shù)：提示工程技術(shù)的完整指南》一書，系統(tǒng)性地介紹了ChatGPT的提問方式和技巧。

PS：關(guān)注“高性能服務(wù)器”視頻號。本周將為您呈現(xiàn)以下Stable Diffusion相關(guān)的內(nèi)容：

1、將展示Stable Diffusion模型生成效果，讓您深入了解該技術(shù)的強(qiáng)大之處。

2、將會分享Stable Diffusion安裝教程，幫助您輕松地掌握如何在自己的設(shè)備上使用這一技術(shù)。

3、將會提供Stable Diffusion文生圖教程和圖生圖教程，從兩個不同角度為您解析如何應(yīng)用這一技術(shù)創(chuàng)建出更加精美的圖片作品。

4、我們也不會忘記Stable Diffusion模型訓(xùn)練教程，讓您在學(xué)習(xí)完以上內(nèi)容后，可以更進(jìn)一步地掌握該技術(shù)，并自己動手制作出屬于自己的作品。

作者Ibrahim John來自坦桑尼亞，是科技和商業(yè)領(lǐng)域的知名人物，也是三個公司的創(chuàng)始人。他熱衷于分享，樂意幫助更多人理解和使用ChatGPT。在這本書里，他分享了他對ChatGPT和提示工程的理解與見解，并總結(jié)了23種提示工程技術(shù)和具體用法。這些提示工程技術(shù)可以幫助我們更好地利用ChatGPT獲得高質(zhì)量的答案或結(jié)果。

所謂提示工程技術(shù)是一種向ChatGPT正確提問的藝術(shù)，通過向ChatGPT正確提問，我們可以獲得滿意的結(jié)果。ChatGPT是一種先進(jìn)的語言模型，能夠生成類似人類的文本。但是，如果沒有適當(dāng)?shù)闹笇?dǎo)，可能會產(chǎn)生讓人不滿意的輸出。而提示工程的價值就在于通過清晰而具體的說明，讓模型的輸出更符合我們的所需。

簡介

《如何向ChatGPT提問并獲得高質(zhì)量的答案——提示技術(shù)的完整指南》是一本旨在幫助人們理解和應(yīng)用各種提示技巧，從而獲得高質(zhì)量答案的綜合性指南。通過本書，我們將探討如何使用不同的提示技巧來完成不同的目的。ChatGPT是目前最先進(jìn)的、可以生成類似人類文本的語言模型，但了解向ChatGPT提問的正確方式，以獲得所期望的高質(zhì)量答案，是至關(guān)重要的。

本書的目的在于幫助讀者學(xué)習(xí)如何使用各種提示技巧來控制ChatGPT的輸出，讓其按照自己的需求生成文本。無論您是普通人、研究員、開發(fā)者還是個人用戶，都能夠從本書中受益。書中使用通俗易懂的語言解釋每種提示技巧，并且輔以實(shí)例和提問技巧的公式，方便讀者快速理解和掌握。

本書涵蓋了以下內(nèi)容：

一、ChatGPT簡介

本書介紹了ChatGPT的基礎(chǔ)知識，包括語言模型的概念、原理、架構(gòu)和功能等。這些基礎(chǔ)知識為后面的內(nèi)容打下基礎(chǔ)，讓讀者更好地理解和應(yīng)用各種提示技巧。

二、提問技巧基礎(chǔ)

本書接著講解了一些基本的提問技巧，如如何設(shè)置前綴、后綴、占位符等。這些基礎(chǔ)技巧可以幫助讀者控制ChatGPT生成的文本輸出，并獲得滿意的答案。

三、進(jìn)階提示技巧

為了滿足讀者更高級、更靈活的需求，本書還介紹了一些進(jìn)階的提示技巧，如如何使用控制代碼、樣本編碼等。這些技巧可以讓讀者更加靈活地控制ChatGPT的輸出，從而獲得更加準(zhǔn)確、多樣化的文本結(jié)果。

四、實(shí)例演示

本書提供了豐富的實(shí)例演示，展示如何將不同的提示技巧有機(jī)結(jié)合起來，以達(dá)到特定的目的。這些實(shí)例涉及多個領(lǐng)域和場景，包括自然語言處理、聊天機(jī)器人、文本生成等，為讀者提供了很好的參考和借鑒。

五、常見問題和解答

本書為讀者提供了一些常見問題和解答，幫助讀者更好地應(yīng)對在使用ChatGPT時可能遇到的各種問題。

總之，《如何向ChatGPT提問并獲得高質(zhì)量的答案——提示技術(shù)的完整指南》是一本全面且詳盡的指南，旨在幫助讀者掌握各種提示技巧，以便從ChatGPT中獲得高質(zhì)量的答案。無論您是初學(xué)者還是高級用戶，都能夠從本書中獲得實(shí)用、可行的知識和技能。

提示工程技術(shù)

一、什么是提示工程技術(shù)？

提示工程是創(chuàng)建提示、要求或指示的過程，用來引導(dǎo) ChatGPT 等語言模型的輸出。它允許用戶控制模型的輸出，生成符合他們特定需求的文本。ChatGPT 是一種最先進(jìn)的語言模型，能夠生成類似人類的文本。它建立在 Transformer 架構(gòu)上，這使它能夠處理大量的數(shù)據(jù)并生成高質(zhì)量的文本。

為了從 ChatGPT 獲得最好的結(jié)果，了解如何正確使用提示模型是很重要的。提示允許用戶控制模型的輸出，生成相關(guān)、準(zhǔn)確和高質(zhì)量的文本。在使用 ChatGPT 時，了解它的能力和限制是很重要的。該模型能夠生成類似人類的文本，但如果沒有適當(dāng)?shù)囊龑?dǎo)，它輸出的內(nèi)容可能不是我們所期望的。這就是提示工程的用武之地：通過提供清晰而具體的說明，您可以指導(dǎo)模型輸出，確保它是相關(guān)的。

提示公式是提示的具體格式，它一般由三個要素組成：任務(wù)、說明和角色。任務(wù)是對模型生成內(nèi)容的清晰、簡潔的陳述；說明是模型生成文本時應(yīng)遵循的指令；角色是模型在生成文本時應(yīng)承擔(dān)的角色。

在本書中，我們將探討可用于 ChatGPT 的各種提示工程技巧。我們將討論不同類型的提示，以及如何使用這些提示來實(shí)現(xiàn)你想要的特定目標(biāo)。

二、說明提示技術(shù)

現(xiàn)在，我們將探討一種名為“說明提示技術(shù)”的方法，它可以幫助我們從ChatGPT中生成高質(zhì)量的文本。這種技術(shù)可以為模型提供具體的指令，以確保輸出內(nèi)容的相關(guān)性和質(zhì)量。

要使用說明提示技術(shù)，我們需要為模型提供一個清晰簡明的任務(wù)，并提供可以遵循的具體指令。例如，如果我們要生成客服的回答，首先要提供一個任務(wù)，如“生成客戶咨詢的回復(fù)”，以及說明，即回答應(yīng)該是專業(yè)的并提供準(zhǔn)確的信息提示公式：“按照這些指示生成[任務(wù)]：[說明]”。

三、舉例

1、生成客服回復(fù)

1）任務(wù)：生成對客戶咨詢的回復(fù)

2）說明：回答應(yīng)該是專業(yè)的并提供準(zhǔn)確的信息

3）提示（Prompt）公式：生成對客戶咨詢的回復(fù)：回答應(yīng)該是專業(yè)的并提供準(zhǔn)確的信息

2、生成一份法律文件

1）任務(wù)：生成一份法律文件

2）說明：該文件應(yīng)符合相關(guān)法律和法規(guī)的規(guī)定

3）提示（Prompt）公式：按照這些指令，生成一份符合相關(guān)法律和法規(guī)的法律文件：該文件應(yīng)符合相關(guān)法律和法規(guī)。

在使用指令提示技術(shù)時，重點(diǎn)是指令應(yīng)該是清晰、具體的，這將確保輸出內(nèi)容具有相關(guān)性和高質(zhì)量。指令提示技術(shù)可以與下一章中將解釋的“角色提示”和“種子詞提示”結(jié)合起來，以提高ChatGPT的輸出質(zhì)量。

角色提示

一、什么是角色提示？

角色提示技術(shù)（role prompting technique）是一種通過為模型提供特定角色來引導(dǎo)ChatGPT輸出的方法，可以生成針對特定環(huán)境或受眾的文本。使用該技術(shù)需要提供一個明確而具體的角色，例如客戶服務(wù)代表或律師。通過結(jié)合指令提示、角色提示和種子詞提示技術(shù)，可以增強(qiáng)ChatGPT的輸出質(zhì)量。舉例來說，可以使用該技術(shù)為新智能手機(jī)生成產(chǎn)品描述，確保描述具有信息性、說服力，并突出智能手機(jī)的創(chuàng)新功能。

二、舉例

1、生成客戶服務(wù)回復(fù)

1）任務(wù)：生成對客戶咨詢的回復(fù)

2）角色：客服

3）提示公式：作為客服，生成對客戶咨詢的答復(fù)。

2、生成一份法律文件

1）任務(wù)：生成一份法律文件

2）角色：律師

3）提示公式：作為律師生成一份法律文件。使用帶有指令提示和種子詞提示的角色提示技術(shù)將增強(qiáng)ChatGPT的輸出質(zhì)量。

3、下面是一個如何將指令提示、角色提示和種子詞提示技術(shù)相結(jié)合的示例

1）任務(wù)：為新智能手機(jī)生成產(chǎn)品描述。

2）指令：該描述應(yīng)具有信息性、說服力，并強(qiáng)調(diào)智能手機(jī)的獨(dú)特功能。

3）角色：營銷代表

4）種子詞：創(chuàng)新

5）提示公式：作為營銷代表，生成一個信息量大，有說服力的產(chǎn)品描述，突出新智能手機(jī)的創(chuàng)新功能。該智能手機(jī)具有以下特點(diǎn)[插入你的特點(diǎn)]

標(biāo)準(zhǔn)提示

一、什么是標(biāo)準(zhǔn)提示？

標(biāo)準(zhǔn)提示是一種簡單的方法，用于引導(dǎo)ChatGPT生成特定任務(wù)的輸出。例如，如果您需要生成一篇新聞文章的摘要，您可以使用提示公式：“生成這篇新聞文章的摘要”。類似地，如果您需要生成一篇產(chǎn)品評論，您可以使用提示公式：“生成對這款新智能手機(jī)的評論”。標(biāo)準(zhǔn)提示還可以與其他技術(shù)相結(jié)合，如角色提示和種子詞提示，以提高輸出質(zhì)量。

二、舉例

1、生成新聞文章摘要

1）任務(wù)：總結(jié)這篇新聞文章

2）提示公式：生成這篇新聞文章的摘要

2、生成產(chǎn)品評論

1）任務(wù)：撰寫有關(guān)新智能手機(jī)的評論

2）提示公式：生成對這款新智能手機(jī)的評論

此外，標(biāo)準(zhǔn)提示可以與其他技術(shù)相結(jié)合，如角色提示和種子詞提示，以增強(qiáng)ChatGPT的輸出質(zhì)量。

下面是一個如何將指令提示、角色提示和種子詞提示技術(shù)相結(jié)合的示例：

1）任務(wù)：為新筆記本電腦生成產(chǎn)品評論

2）說明：評論應(yīng)該是客觀的，信息豐富的，并突出筆記本電腦的獨(dú)特功能

3）角色：技術(shù)專家

4）種子詞：強(qiáng)大的

5）提示公式：作為一名技術(shù)專家，生成一份客觀且信息豐富的產(chǎn)品評論，突出新筆記本電腦的強(qiáng)大功能。

在此示例中，使用標(biāo)準(zhǔn)提示技術(shù)來確保模型生成產(chǎn)品評論，角色提示技術(shù)用于確保評論是從技術(shù)專家的角度撰寫的，使用種子詞提示技術(shù)來確保評論集中在筆記本電腦的強(qiáng)大功能上。

零、單個和小樣本提示

一、什么是零提示、單個提示和小樣本提示？

零提示、單個提示和小樣本提示是用于從ChatGPT中生成文本的技術(shù)。它們通常用于以下情況：當(dāng)前任務(wù)的可用數(shù)據(jù)有限、任務(wù)是全新的、任務(wù)定義不明確。當(dāng)沒有可用于任務(wù)的范例時，使用零樣本提示技術(shù)。當(dāng)任務(wù)只有一個范例可用時，可以使用單樣本提示技術(shù)。當(dāng)可用于任務(wù)的范例數(shù)量有限時，使用小樣本提示技術(shù)。這些提示公式可以幫助模型根據(jù)對任務(wù)或所提供范例的理解來生成文本。

二、舉例

1、為一個新產(chǎn)品生成產(chǎn)品描述，沒有可用的例子

1）任務(wù)：為新智能手機(jī)生成產(chǎn)品描述。

2）提示公式：為這個新的智能手表生成一個產(chǎn)品描述，沒有范例

2、為這個產(chǎn)品生成產(chǎn)品比較，只有一個范例可用

1）任務(wù)：將一款新的智能手機(jī)與最新的iPhone進(jìn)行比較

2）提示公式：生成這個新智能手機(jī)的產(chǎn)品比較，有一個例子（最新的iPhone）

3、生成一個產(chǎn)品評論，可用的例子很少

1）任務(wù)：寫一篇新電子閱讀器的評論

2）提示公式：用幾個例子（其他 3 個電子閱讀器）生成對這個新電子閱讀器的評論

“讓我們思考這個”提示

一、什么是“讓我們思考這個”提示？

“讓我們思考這個”提示是一種鼓勵ChatGPT生成反思性、沉思性文本的技術(shù)。這種技術(shù)對于寫作散文、詩歌或創(chuàng)造性寫作等任務(wù)很有用。使用方法很簡單，只需要確定您要討論的主題或想法，制定一個提示，清楚地說明主題或想法，并在提示前面加上“讓我們思考”或“讓我們討論”，表明您正在發(fā)起對話或討論。接著，模型將使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)，并以連貫的方式繼續(xù)對話。這個獨(dú)特的提示，幫助ChatGPT以不同的視角和角度給出答案，從而產(chǎn)生更具動態(tài)性和信息性的段落。

二、舉例

1、生成一篇反思性文章

1）任務(wù)：寫一篇關(guān)于個人成長主題的反思性文章

2）提示公式：讓我們思考這個：個人成長

2、生成一首詩

1）任務(wù)：寫一首關(guān)于季節(jié)變化的詩

2）提示公式：讓我們想想這個：不斷變化的季節(jié)

此提示要求就特定主題或想法進(jìn)行對話或討論。演講者邀請ChatGPT就手頭的主題進(jìn)行對話。該模型提供了一個提示，作為對話或文本生成的起點(diǎn)。然后，該模型使用其訓(xùn)練數(shù)據(jù)和算法來生成與提示相關(guān)的響應(yīng)。該技術(shù)允許ChatGPT基于提供的提示生成上下文適當(dāng)且連貫的文本。

自我一致性提示

一、什么是自我一致性提示？

自我一致性提示是一種技術(shù)，用于確保ChatGPT的輸出與提供的輸入一致。這種技術(shù)對于諸如事實(shí)核查、數(shù)據(jù)驗(yàn)證或文本生成中的一致性檢查等任務(wù)很有用。自我一致性提示的提示公式是輸入文本后，說明“請確保以下文本是自我一致的（Please ensure the following text is self-consistent）”?；蛘?，可以提示模型生成與提供的輸入一致的文本。提示示例及其公式。

二、舉例

1、文本生成任務(wù)：生成產(chǎn)品評論

1）指令：評論應(yīng)與輸入中提供的產(chǎn)品信息一致

2）提示公式：生成與以下產(chǎn)品信息[插入產(chǎn)品信息]一致的產(chǎn)品評論

2、文本摘要任務(wù)：總結(jié)這篇新聞文章

1）指令：摘要應(yīng)與本條所提供的信息保持一致

2）提示公式：以符合所提供信息的方式，總結(jié)以下新聞文章[插入新聞文章]

3、文本完成（Text Completion）任務(wù)：寫一個句子

1）指令：完成的句子，應(yīng)與輸入中提供的背景相一致

2）提示公式：以符合所提供上下文的方式完成以下句子[插入句子]

4、事實(shí)核查

1）任務(wù)：檢查某篇新聞文章的一致性

2）輸入文本:“這篇文章說這個城市的人口是500萬，但后來，它說人口是700萬。

3）提示公式：請確保下面的文字是自洽的。文章說該城市的人口是500萬，但后來又說人口是700萬。

5、數(shù)據(jù)驗(yàn)證

1）任務(wù)：檢查給定數(shù)據(jù)集中的一致性

2）輸入文本:“數(shù)據(jù)顯示， 7月份的平均氣溫為30度，但最低氣溫記錄為20度。

3）提示公式：請確保下面的文字是自洽的：數(shù)據(jù)顯示， 7月份的平均氣溫為30度，但最低氣溫記錄為20度。

種子詞提示

一、什么是種子詞提示？

種子詞提示是一種技術(shù)，通過為ChatGPT提供特定的種子詞或短語，來控制ChatGPT的輸出。種子詞提示的提示公式是： “請根據(jù)以下種子詞生成文本” 的指令后跟著種子詞或短語。

二、舉例

1、文本生成

1）任務(wù)：生成一個關(guān)于龍的故事

2）種子詞：龍

3）提示公式：請根據(jù)以下種子詞生成文本:龍

2、語言翻譯

1）任務(wù)：將句子從英語翻譯成西班牙語

2）種子詞：您好

3）提示公式：請根據(jù)以下種子詞生成文本：您好

這種技術(shù)可以讓模型根據(jù)給定的種子詞生成相關(guān)的文本，并且可以通過角色提示和指令提示來進(jìn)一步控制生成的文本。這種方法可以使生成的文本更具有針對性和相關(guān)性，與特定的主題或上下文相關(guān)。

通過提供種子詞或短語，模型可以生成與之相關(guān)的文本，而通過提供期望輸出和角色信息，模型可以生成具有特定風(fēng)格或語氣的文本。這種技術(shù)可以更好地控制生成的文本，并且具有廣泛的應(yīng)用。

三、以下是提示示例及其公式：

1、文本生成

1）任務(wù)：生成一首詩：

2）指令：詩要與種子詞 “愛” 有關(guān)，要以十四行詩的風(fēng)格來寫。

3）角色：詩人

4）提示公式：作為詩人，生成一首與種子詞’愛’相關(guān)的十四行詩

2、文本完成

1）任務(wù)：完成一個句子

2）指令：句子應(yīng)與種子詞 “科學(xué)” 有關(guān)，應(yīng)以研究論文的風(fēng)格撰寫

3）角色：研究員

4）提示公式：以與種子詞’科學(xué)’相關(guān)的方式，和作為研究人員的研究論文的風(fēng)格完成以下句子。

3、文本摘要

1）任務(wù)：總結(jié)這篇新聞文章

2）指令：摘要應(yīng)與種子詞“政治”相關(guān)，并應(yīng)以中立和公正的語氣書寫

3）角色：記者

4）提示公式：作為一名記者，以中立和公正的語氣總結(jié)以下與種子詞’政治’有關(guān)的新聞文章

知識生成提示

一、什么是知識生成提示？

知識生成提示是一種技術(shù)，用于從ChatGPT中獲取新信息和原始信息。該技術(shù)使用模型里預(yù)先存在的知識，來生成新信息或問題回答。要使用這種提示技術(shù)，模型應(yīng)提供問題或主題作為輸入，并指定生成文本的任務(wù)或目標(biāo)的提示。提示應(yīng)包括期望輸出的信息，例如要生成的文本類型，以及其它特定要求或限制。舉例來說，可以使用提示公式“生成有關(guān)特定主題的新的和準(zhǔn)確的信息”，來生成有關(guān)特定主題的新信息。此外，還可以使用提示技術(shù)來回答問題、整合新信息與現(xiàn)有知識、以及從給定數(shù)據(jù)集中生成見解。

二、舉例

1、知識生成

1）任務(wù)：生成有關(guān)特定主題的新信息

2）指令：生成的信息應(yīng)準(zhǔn)確且與主題相關(guān)

3）提示公式：生成有關(guān)[特定主題]的新的和準(zhǔn)確的信息

2、問答

1）任務(wù)：回答一個問題

2）指令：答案應(yīng)準(zhǔn)確且與問題相關(guān)

3）提示公式：回答以下問題：[插入句子]

3、知識整合

1）任務(wù)：將新信息與現(xiàn)有知識相結(jié)合

2）指令：整合應(yīng)準(zhǔn)確且與主題相關(guān)

3）提示公式：將以下信息與關(guān)于[特定專題]的現(xiàn)有知識相結(jié)合：[插入新信息]

4、數(shù)據(jù)分析

1）任務(wù)：從給定數(shù)據(jù)集生成有關(guān)客戶行為的見解

2）提示公式：請從此數(shù)據(jù)集生成有關(guān)客戶行為的新信息和原始信息

知識整合提示

一、什么是知識整合提示？

這種技術(shù)使用現(xiàn)有知識來整合新信息或連接不同的信息，有助于更全面地了解特定主題。使用ChatGPT時，應(yīng)向模型提供新信息和現(xiàn)有知識，并指定生成文本的任務(wù)或目標(biāo)。提示應(yīng)包括所需輸出的信息和任何特定要求或限制。

二、舉例

1、知識整合

1）任務(wù)：將新信息與現(xiàn)有知識相結(jié)合

2）指令：整合應(yīng)準(zhǔn)確且與主題相關(guān)

3）提示詞公式：將以下信息與有關(guān) [特定主題] 的現(xiàn)有知識相結(jié)合：[插入新信息]

2、連接信息片段

1）任務(wù)：連接不同的信息

2）指令：連接應(yīng)該是相關(guān)和合乎邏輯的

3）提示公式：以相關(guān)和合乎邏輯的方式連接以下信息：[插入信息1] [插入信息2]

3、更新現(xiàn)有知識

1）任務(wù)：用新信息更新現(xiàn)有知識

2）指令：更新后的信息應(yīng)準(zhǔn)確且相關(guān)

3）提示公式：用以下信息更新關(guān)于[特定主題]的現(xiàn)有知識：[插入新信息]

多項選擇提示

一、什么是多項選擇提示？

這種技術(shù)提供了一個模型，其中包含問題、任務(wù)和一組預(yù)定義選項作為潛在答案。它適用于生成文本，該文本限制于特定選項，并可用于問答、文本完成和其他任務(wù)。該模型可以生成限于預(yù)定義選項的文本。使用 ChatGPT 的多項選擇提示時，只需輸入問題或任務(wù)以及預(yù)定義選項，即可生成文本。提示還應(yīng)包含期望輸出的信息，例如文本類型和任何特定要求或約束。

二、舉例

1、問答題

1）任務(wù)：回答一個多項選擇問題

2）說明：答案應(yīng)該是預(yù)定義選項中的一個

3）提示公式：通過選擇以下選項來回答問題：[插入問題] [插入備選案文1] [插入備選案文2] [插入備選案文3]

2、文本完成

1）任務(wù)：使用預(yù)定義選項之一完成句子

2）說明：完成的句子應(yīng)該是預(yù)定義的選項之一

3）提示公式：選擇以下選項之一，完成下面的句子：[插入句子] [插入備選案文1] [插入備選案文2] [插入備選案文3]

3、情感分析

1、任務(wù)：將一段文本分類為積極、中性或消極

2、說明：分類應(yīng)該是預(yù)定義選項之一

3、提示公式：通過選擇以下選項之一，將下面的文本分類為正面、中性或負(fù)面：[插入文字] [正面] [中性] [負(fù)面]

可解釋軟提示

一、什么是可解釋軟提示？

可解釋的軟提示是一種技術(shù)，它可以在提供一定靈活性的同時，控制模型生成的文本。這種技術(shù)允許更多可解釋和可控制地生成文本。在輸入時，向模型提供一組控制信息，并添加期望輸出內(nèi)容的附加信息。舉例來說，可以使用提示公式來生成故事、完成句子或者以特定風(fēng)格生成文本。這些提示公式包括角色、主題、作者、時期等信息，以幫助模型生成更加符合要求的文本。

二、舉例

1、文本生成

1）任務(wù)：生成一個故事：

2）說明：故事應(yīng)基于給定的角色和特定主題

3）提示公式：根據(jù)以下角色生成故事：[插入角色]和主題：[插入主題]

2、文本完成

1）任務(wù)：完成一個句子

2）說明：完成的句子應(yīng)該是某個特定作者的風(fēng)格

3）提示公式：以[特定作者]的風(fēng)格完成以下句子：[插入句子]

3、語言建模

1）任務(wù)：以特定風(fēng)格生成文本

2）說明：文本應(yīng)該是某個特定時期的風(fēng)格

3）提示公式：以[特定時期]的樣式生成文本：[插入上下文]

受控生成提示

一、什么是受控生成提示？

受控生成提示是一種技術(shù)，可以在輸出文本時對生成的文本進(jìn)行高度控制。這是通過向模型提供一組特定的輸入實(shí)現(xiàn)的，例如模板、特定詞匯或一組約束條件，可以用來指導(dǎo)生成過程。舉例來說，可以使用模板來生成一個故事，使用特定詞匯表來補(bǔ)全一個句子，或者使用一組特定的語法規(guī)則來生成文本。通過向模型提供這些輸入，可以使生成的文本更可控和可預(yù)測。

二、舉例

1、文本生成

1）任務(wù)：生成一個故事

2）說明：故事應(yīng)該基于特定的模板

3）提示公式：根據(jù)以下模板生成一個故事：[插入主題]

2、文本補(bǔ)全

1）任務(wù)：補(bǔ)全一個句子

2）說明：補(bǔ)全應(yīng)使用特定詞匯表

3）提示公式：使用下面的詞匯表完成以下句子：[插入詞匯] ：[插入句子]

3、語言模型

1）任務(wù)：以特定風(fēng)格生成文本

2）說明：文本應(yīng)該遵循一組特定的語法規(guī)則

3）提示詞參考：生成遵循以下語法規(guī)則的文本：[插入規(guī)則] ：[插入上下文]

問答提示

一、什么是問答提示？

問答提示技術(shù)可以幫助模型生成回答特定問題或任務(wù)的文本。這是通過向模型提供問題或任務(wù)作為輸入以及其他相關(guān)信息來實(shí)現(xiàn)的。例如，可以使用該技術(shù)回答事實(shí)性問題、提供單詞定義或從特定來源檢索信息。這對于問答和信息檢索等任務(wù)非常有用。

二、舉例

1、事實(shí)問答

1）任務(wù)：回答一個事實(shí)性問題

2）說明：答案應(yīng)該是準(zhǔn)確和相關(guān)的

2）提示公式：回答以下事實(shí)性問題：[插入問題]

2、定義

1）任務(wù)：提供一個詞的定義

2）說明：定義應(yīng)該準(zhǔn)確

3）提示公式：定義以下單詞：[插入單詞]

3、信息檢索

1）任務(wù)：從特定來源檢索信息

2）說明：檢索到的信息應(yīng)該與主題相關(guān)

3）提示公式：從以下來源檢索有關(guān)[特定主題]的信息:[插入來源]

摘要提示

一、什么是摘要提示？

摘要提示技術(shù)可以幫助模型生成一個較短的版本，保留給定文本的主要思想和信息。在ChatGPT中使用該技術(shù)時，需要提供一個較長的文本作為輸入，并指定所需輸出的信息，如摘要的長度和特定要求或限制。示例應(yīng)用包括文章摘要、會議記錄和圖書摘要等任務(wù)。

二、舉例

1、文章摘要

1）任務(wù)：總結(jié)新聞文章

2）說明：摘要應(yīng)該是這篇文章要點(diǎn)的簡要概述。

3）提示公式：用一句簡短的話概括以下新聞文章：[插入來源]

2、會議記錄

1）任務(wù)：總結(jié)會議記錄

2）說明：摘要應(yīng)突出會議的主要決定和行動

3）提示公式：通過列出主要決策和行動總結(jié)以下會議記錄：[插入記錄]

3、圖書摘要

1）任務(wù)：總結(jié)一本書

2）說明：摘要應(yīng)該是書籍主要觀點(diǎn)的簡要概述

3）提示公式：用一個簡短的段落概括下面的書：[插入書名]

對話提示

一、什么是對話提示？

對話提示是一種技術(shù)，可以讓模型生成模擬兩個或多個實(shí)體之間對話的文本。為了讓模型生成自然的對話，需要提供上下文、角色和背景信息。同時，還需要告訴模型所需輸出的信息，例如對話類型和特定要求或限制。這種技術(shù)適用于對話生成、故事創(chuàng)作和聊天機(jī)器人開發(fā)等任務(wù)。

二、舉例

1、對話生成

1）任務(wù)：生成兩個角色之間的對話

2）說明：對話應(yīng)該是自然的，并且與給定的上下文相關(guān)

3）提示公式：在下面的[插入上下文]中，生成以下角色之間的對話 [插入角色]

2、故事創(chuàng)作

1）任務(wù)：在故事中生成對話

2）說明：對話應(yīng)該與故事的角色和事件一致

3）提示公式：在以下故事[插入故事]中，生成以下角色之間的對話 [插入角色]

3、聊天機(jī)器人開發(fā)

1）任務(wù)：為客戶服務(wù)聊天機(jī)器人生成對話

2）說明：對話應(yīng)該專業(yè)，提供準(zhǔn)確的信息

3）提示公式：當(dāng)客戶詢問[插入主題]時，為客戶服務(wù)聊天機(jī)器人生成專業(yè)且準(zhǔn)確的對話

對抗性提示

一、什么是對抗性提示？

對抗性提示是一種技術(shù)，可以讓模型生成的文本對某些類型的攻擊或偏見具有抵抗力。這種技術(shù)可以用于訓(xùn)練更強(qiáng)大、更具抵抗力的模型。要在ChatGPT中使用對抗性提示，需要為模型提供一個設(shè)計良好的提示，以使模型難以生成與所需輸出一致的文本。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型和任何特定的要求或約束。

二、舉例

1、文本分類的對抗性提示

1）任務(wù)：生成被分類為特定標(biāo)簽的文本

2）說明：生成的文本應(yīng)難以分類為特定標(biāo)簽

3）提示公式：生成難以分類為[插入標(biāo)簽]的文本

2、情感分析的對抗性提示

1）任務(wù)：生成難以被分類為特定情感的文本

2）說明：生成的文本應(yīng)難以分類為特定情感

3）提示公式：生成難以被分類為具有[插入情感]情感的文本

3、語言翻譯的對抗性提示

1）任務(wù)：生成難以翻譯的文本

2）說明：生成的文本應(yīng)難以翻譯為目標(biāo)語言

3）提示公式：生成難以翻譯為[插入目標(biāo)語言]的文本

聚類提示

一、什么是聚類提示？

聚類提示是一種技術(shù)，可以將相似的數(shù)據(jù)點(diǎn)分組在一起。這對于數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和自然語言處理等任務(wù)非常有用。在ChatGPT中使用聚類提示時，需要提供一組數(shù)據(jù)點(diǎn)，并指定分組的特征和要求的輸出信息。例如，可以根據(jù)情感將客戶評價分組，根據(jù)主題將新聞文章分組，或根據(jù)研究領(lǐng)域?qū)⒖茖W(xué)論文分組。

二、舉例

1、客戶評價的聚類

1）任務(wù)：將相似的客戶評價分組在一起

2）說明：評價應(yīng)基于情感進(jìn)行分組。

3）提示公式：根據(jù)情感將以下客戶評價分組成簇：[插入評價]）

2、新聞文章的聚類

1）任務(wù)：將相似的新聞文章分組在一起

2）說明：文章應(yīng)根據(jù)主題進(jìn)行分組

3）提示公式：將以下新聞文章根據(jù)主題分組成簇：[插入文章]

3、科學(xué)論文的聚類

1）任務(wù)：將相似的科學(xué)論文分組在一起

2）說明：論文應(yīng)基于研究領(lǐng)域進(jìn)行分組

3）提示公式：根據(jù)研究領(lǐng)域?qū)⒁韵驴茖W(xué)論文分組：[插入論文]

強(qiáng)化學(xué)習(xí)提示

一、什么是強(qiáng)化學(xué)習(xí)提示？

強(qiáng)化學(xué)習(xí)提示是一種技術(shù)，可以讓模型從其過去的行動中學(xué)習(xí)，并隨著時間的推移改善其性能。要在ChatGPT中使用強(qiáng)化學(xué)習(xí)提示，應(yīng)該向模型提供一組輸入和獎勵，并允許其根據(jù)所接收的獎勵調(diào)整其行為。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要完成的任務(wù)和任何特定要求或約束。這種技術(shù)對于決策制定、游戲和自然語言生成等任務(wù)非常有用。

二、示例

1、文本生成的強(qiáng)化學(xué)習(xí)

1）任務(wù)：生成符合特定風(fēng)格的文本

2）說明：模型應(yīng)根據(jù)生成符合特定風(fēng)格的文本所獲得的獎勵，調(diào)整其行為

3）提示公式：使用強(qiáng)化學(xué)習(xí)生成符合以下風(fēng)格的文本[插入風(fēng)格]

2、語言翻譯的強(qiáng)化學(xué)習(xí)

1）任務(wù)：將一種語言的文本翻譯成另一種語言

2）說明：模型應(yīng)根據(jù)生成準(zhǔn)確翻譯所獲得的獎勵調(diào)整其行為

3）提示公式：”使用強(qiáng)化學(xué)習(xí)將以下文本[插入文本]從[插入語言]翻譯為[插入語言] “

3、問題回答的強(qiáng)化學(xué)習(xí)

1）任務(wù)：回答一個問題

2）說明：模型應(yīng)根據(jù)生成準(zhǔn)確答案所獲得的獎勵調(diào)整其行為

3）提示公式：使用強(qiáng)化學(xué)習(xí)回答以下問題[插入問題]

課程學(xué)習(xí)提示

一、什么是課程學(xué)習(xí)提示？

強(qiáng)化學(xué)習(xí)提示是一種技術(shù)，可以讓模型從其過去的行動中學(xué)習(xí)，并隨著時間的推移改善其性能。要在ChatGPT中使用強(qiáng)化學(xué)習(xí)提示，應(yīng)該向模型提供一組輸入和獎勵，并允許其根據(jù)所接收的獎勵調(diào)整其行為。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要完成的任務(wù)和任何特定要求或約束。這種技術(shù)對于決策制定、游戲和自然語言生成等任務(wù)非常有用。

二、舉例

1、文本生成的課程學(xué)習(xí)

1）任務(wù)：生成符合特定風(fēng)格的文本

2）說明：模型應(yīng)在進(jìn)入更復(fù)雜的風(fēng)格之前，先在簡單的風(fēng)格上進(jìn)行訓(xùn)練

3）提示公式：使用課程學(xué)習(xí)生成符合以下風(fēng)格的文本[插入風(fēng)格]，按以下順序[插入順序]

2、語言翻譯的課程學(xué)習(xí)

1）任務(wù)：將一種語言的文本翻譯成另一種語言

2）說明：模型應(yīng)在進(jìn)入更復(fù)雜的語言之前先在簡單的語言上進(jìn)行訓(xùn)練

3）提示公式：使用課程學(xué)習(xí)將以下語言的文本[插入語言]，按以下順序[插入順序]翻譯為以下語言[插入語言]

3、回答問題的課程學(xué)習(xí)

1）任務(wù)：回答一個問題

2）說明：模型應(yīng)在進(jìn)入更復(fù)雜的問題之前，先在簡單的問題上進(jìn)行訓(xùn)練

3）提示公式：使用課程學(xué)習(xí)回答以下問題[插入問題]，按以下順序[插入順序]

情緒分析提示

一、什么是情緒分析提示？

情感分析是一種技術(shù)，可以幫助模型確定一段文本的情感色彩或態(tài)度，例如是否為積極、消極或中立。要使用ChatGPT的情緒分析提示，只需提供一段文本，并要求對其進(jìn)行情感分類。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要檢測的情感類型和任何特定的要求或限制。這種技術(shù)對于自然語言處理、客戶服務(wù)和市場研究等任務(wù)非常有用。以下是一些示例和應(yīng)用公式：客戶評論的情緒分析任務(wù)、推文的情緒分析任務(wù)和產(chǎn)品評論的情感分析任務(wù)。

二、舉例

1、客戶評論的情緒分析

1）任務(wù)：確定客戶評論的情緒

2）說明：模型應(yīng)將評論分類為積極、消極或中立

3）提示公式：對以下客戶評論進(jìn)行情感分析[插入評論]，并將其分類為積極、消極或中立。

2、推文的情緒分析

1）任務(wù)：確定推文的情感色彩

2）說明：模型應(yīng)將推文分類為積極、消極或中立

3）提示公式：對以下推文進(jìn)行情感分析[插入推文]，并將其分類為積極、消極或中立。

3、產(chǎn)品評論的情感分析

1）任務(wù)：確定產(chǎn)品評論的情感色彩

2）說明：模型應(yīng)將評論分類為積極、消極或中立

3）提示公式：對以下產(chǎn)品評論進(jìn)行情感分析[插入評論]，并將其分類為積極、消極或中立。

命名實(shí)體識別提示

一、什么是命名實(shí)體識別提示？

命名實(shí)體識別（NER）是一種技術(shù)，可以識別和分類文本中的命名實(shí)體，如人物、組織、地點(diǎn)和日期。使用ChatGPT的NER提示，需要提供文本，并指定要識別的命名實(shí)體類型和其他要求。例如，可以在新聞文章、法律文件和研究論文中使用NER。

提示還應(yīng)包括有關(guān)所需輸出的信息，例如要識別的命名實(shí)體類型（例如人物、組織、地點(diǎn)、日期）以及任何特定的要求或限制。

二、舉例

1、新聞文章中的命名實(shí)體識別

1）任務(wù)：在新聞文章中識別和分類命名實(shí)體

2）說明：模型應(yīng)識別和分類人物、組織、地點(diǎn)和日期

3）提示公式：對以下新聞文章進(jìn)行命名實(shí)體識別[插入文章]，并識別和分類人物、組織、地點(diǎn)和日期。

2、法律文檔中的命名實(shí)體識別

1）任務(wù)：在法律文件中識別和分類命名實(shí)體

2）說明：模型應(yīng)識別和分類人物、組織、地點(diǎn)和日期

3）提示公式：對以下法律文件進(jìn)行命名實(shí)體識別[插入文檔]，并識別和分類人物、組織、地點(diǎn)和日期。

3、研究論文中的命名實(shí)體識別

1）任務(wù)：在研究論文中識別和分類命名實(shí)體

2）說明：模型應(yīng)識別和分類人物、組織、地點(diǎn)和日期

3）提示公式：對以下研究論文進(jìn)行命名實(shí)體識別[插入論文]，并識別和分類人物、組織、地點(diǎn)和日期。

文本分類提示

一、什么是文本分類提示？

文本分類是一種技術(shù)，可以將文本歸類為不同的類別。這種技術(shù)對于自然語言處理、文本分析和情感分析等任務(wù)非常有用。需要注意的是，文本分類與情感分析不同。情感分析專注于確定文本中表達(dá)的情感或情緒。要使用ChatGPT的文本分類提示，應(yīng)向模型提供一段文本，并要求根據(jù)預(yù)定義的類別或標(biāo)簽對其進(jìn)行分類。提示還應(yīng)包括有關(guān)所需輸出的信息，例如類別或標(biāo)簽的數(shù)量以及任何特定的要求或限制。以下是一些示例和應(yīng)用公式：客戶評論的文本分類任務(wù)、新聞文章的文本分類任務(wù)和電子郵件的文本分類任務(wù)。

二、舉例

1、客戶評論的文本分類

1）任務(wù)：將客戶評論歸類為不同的類別，例如電子產(chǎn)品、服裝和家具

2）說明：模型應(yīng)根據(jù)評論的內(nèi)容對其進(jìn)行分類

3）提示公式：對以下客戶評論進(jìn)行文本分類[插入評論]，并根據(jù)其內(nèi)容將其歸類為電子產(chǎn)品、服裝和家具等不同類別。

2、新聞文章的文本分類

1）任務(wù)：將新聞文章歸類為不同的類別，例如體育、政治和娛樂

2）說明：模型應(yīng)根據(jù)文章的內(nèi)容對其進(jìn)行分類

3）提示公式：對以下新聞文章進(jìn)行文本分類[插入文章]，并根據(jù)其內(nèi)容將其歸類為體育、政治和娛樂等不同類別。

3、電子郵件的文本分類

1）任務(wù)：將電子郵件歸類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件

2）說明：模型應(yīng)根據(jù)郵件的內(nèi)容和發(fā)送者對其進(jìn)行分類

3）提示公式：對以下電子郵件進(jìn)行文本分類[插入郵件]，并根據(jù)其內(nèi)容和發(fā)送者將其歸類為垃圾郵件、重要郵件或緊急郵件等不同類別。

文本生成提示

一、什么是文本生成提示？

文本生成提示與其他提示技術(shù)的關(guān)系，包括零提示、單個提示和小樣本提示等。在預(yù)訓(xùn)練模型或?yàn)樘囟ㄈ蝿?wù)訓(xùn)練新模型時，可以使用文本生成提示，例如用于故事寫作或語言翻譯等任務(wù)。

二、舉例

1、用于故事寫作的文本生成

1）任務(wù)：根據(jù)給定提示生成一個故事

2）說明：故事應(yīng)至少有1000個單詞，并包括一組特定的角色和情節(jié)

3）提示公式：根據(jù)以下提示[插入提示]，生成一個至少有1000個單詞，包括角色[插入角色]和情節(jié)[插入情節(jié)]的故事。

2、用于語言翻譯的文本生成

1）任務(wù)：將給定的文本翻譯成另一種語言

2）說明：翻譯應(yīng)準(zhǔn)確并符合習(xí)慣用語

3）提示公式：將以下文本[插入文本]翻譯成[插入目標(biāo)語言]，并確保它準(zhǔn)確并符合習(xí)慣用語。

結(jié)語

在本書中，我們深入探討了提示工程這一強(qiáng)大工具，它可以從語言模型中獲取高質(zhì)量答案。通過設(shè)計各種提示，我們可以引導(dǎo)模型生成符合特定需求和要求的文本。

在第2章中，我們介紹了說明提示的使用，以向模型提供明確和具體的指導(dǎo)。在第3章中，我們探討了角色提示的使用，以生成特定語氣或風(fēng)格的文本。在第4章中，我們研究了標(biāo)準(zhǔn)提示的使用，作為微調(diào)模型性能的起點(diǎn)。

此外，我們還介紹了幾種高級提示技術(shù)，如零提示、單個提示和小樣本提示、自一致性、種子詞提示、知識生成提示、知識整合提示、多項選擇提示、可解釋的軟提示、受控生成提示、問答提示、摘要提示、對話提示、對抗提示、聚類提示、強(qiáng)化學(xué)習(xí)提示、課程學(xué)習(xí)提示、情感分析提示、命名實(shí)體識別提示和文本分類提示。這些技術(shù)可以以不同的方式使用，以實(shí)現(xiàn)各種不同的結(jié)果。

在與ChatGPT和其他語言模型一起工作時，嘗試不同的技術(shù)組合，以找到最適合特定用例的方法是值得的。最后，我們還推薦了其他主題的書籍，供讀者參考。感謝您閱讀本書，希望它對您有所幫助。

審核編輯黃宇