中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

為什么不同的人用同一個AI會產生巨大的差異？其實就是大家提示詞的技巧有高低。本文作者分享了自己的提示詞方法論，希望可以幫到大家。

一、Prompt定義

它如同與 AI 對話的內容，決定了 AI 如何理解任務并作出回應。比如在聊天機器人中，你輸入的問題或要求就是 Prompt。一個清晰、準確的 Prompt 能引導 AI 生成符合期望的回答。

二、Prompt構成要素

角色+任務+限定條件+樣例/參考資料

角色

為 AI 明確一個具體的角色身份，使其回答更符合特定的場景和風格。比如設定為 “你是一名專業的健身教練”，那么 AI 在回答問題時就會以健身教練的專業視角和口吻來進行回答。

任務

對于要求模型生成內容進行簡單的陳述，根據任務類型可以分為一下幾種類別：

限定條件

• 限定輸出長度：對于模型輸出內容的字數進行限定，如：避免長篇大論，言簡意賅，控制在100字以內。
• 限制回答范圍：明確規定 AI 回答的范圍和邊界，避免其生成無關或不適當的內容。例如，“只回答與歷史事件相關的問題，不涉及現代政治和娛樂話題”。
• 限定輸出格式：指定 AI 輸出的格式，如文本的段落結構、列表形式、表格形式等，使生成的結果更符合預期和便于閱讀。比如：要求以 “問題 – 答案” 的格式來回答一系列問題。

樣例

列舉出一些優秀的回答方式供大模型參考學習，讓大模型了解你要輸出的內容是什么形式。

將這類內容放在prompt中，就叫做in-Context-laerning，這樣就可以實現不改變模型，僅僅把樣例放在prompt，從而實現更好的表現。

分為：

• 零樣本提示（Zero Shot）：是一種在沒有任何相關示例的情況下，直接對模型進行提問的方法。
• 少樣本提示（Few Shot）：在提示中提供少量的示例，以幫助模型更好地理解任務的目標和輸出要求。

兩種寫法：

1.用“提問”-“回答”方式示范，讓大模型理解

示例1:

提問:“商品收到了，質量超棒！材質摸起來很舒服，非常滿意

回答:正面

示例 2:

提問:這雙鞋的質量太差了，走路很不舒服，和我預期的相差甚遠，很失望

回答:負面

(任務要求)

新任務:

提問:“買的化妝品有股奇怪的味道，用了之后皮膚還過敏了，要求退貨還各種推脫。”

輸出:

大模型回答:正面

2.給示例+語言描述輸出要求

對于一個圖像生成任務，通過幾步引導展示 few shot 示例。

步驟一：

“我們要生成一幅海邊日出的畫。首先，畫面應該有大海，大海的顏色可以是深藍色?！?/p>

步驟二：

“然后，在畫面的左上角，有一輪剛剛升起的太陽?！?/p>

步驟三：

“最后，沙灘上可以添加一些貝殼和腳印，來增添畫面的細節?！?/p>

提問：“按照上面的步驟，生成一幅山間日落的畫，注意調整相應的元素。”

大模型回答：

步驟一：

“我們要生成一幅山間日落的畫。首先，畫面應該有連綿的山脈，山脈的顏色可以是深褐色與墨綠色相間”

步驟二：

“然后，在畫面的西側，有一輪即將落下的太陽，顏色是金紅色”

步驟三：

“最后，在山腳下可以添加一些樹木和一條蜿蜒的小溪，樹木的葉子在夕陽余暉下呈現出暖色調”

三、編寫技巧(最后一條最重要）

使用 markdown 語法

利用 markdown 語法，如 #、##、### 等標題符號，以及 – 列表符號等（#＋空格＋文字，會讓后面的文字變成一級標題，兩個 ＃這是二級標題，以此類推）對 prompt 進行清晰的結構劃分，使其更具可讀性和邏輯性，便于理解和迭代。例如：

避免復雜指令

不要在一個 prompt 中堆砌過多復雜的指令或要求，盡量保持簡潔，一次專注于一個主要任務。

分布描述

對于復雜的任務，可以將其分解為多個步驟或子任務，依次進行描述，讓 AI 能夠更有條理地執行任務。比如 “首先查詢最新的科技新聞，然后篩選出與人工智能相關的新聞，最后總結每條新聞的主要內容和重要觀點”

進行測試驗證

在撰寫完 prompt 后，通過輸入不同的測試用例來檢查 AI 的輸出是否符合預期。如果不符合，分析原因并對 prompt 進行調整和改進。

借助多樣化的表述形式展開多次試驗，運用近義詞替換、反義詞對比等手段，同時緊密結合關鍵詞與上下文來嘗試各種不同指令，最終確定一條恰當的指令。有時大模型效果不佳并非其自身缺陷，而可能是由于未采用清晰明確的指令所致。這種指令就如同神奇的 “魔法咒語” 一般，一旦運用準確，常常能夠收獲事半功倍之效。