提示工程，就是創(chuàng)建一堆指令，提示（詢問、指導）ChatGPT這類語言模型輸出語），有了提示（Prompting）這份藏寶圖，我們可以化身寶藏獵人，在語言模型這個此乃提示工程的用武之地，假設提供的指令清晰、具體，我們可以指導模型的輸出，在冊子中，我們將探討搭配ChatGPT使用的各種提示工程技術，討論提示的不同類詞匯解釋枯燥冰冷，它們的從屬關系是什么，用結構性框invitedBy=629872335bbae71a767353cc&invit查看這篇?書?檔/docx/DNofd1v9KoK用好該項技術，需要向其提供清晰簡潔的模型任務（task）、模型要舉個例子，如果你正在生成客戶服務響應，需要提供如下兩項：“生成對客戶查詢的響應”.生成客戶服務響應：任務：生成對客戶咨詢的響應指令：回答應當專業(yè)，提供信息應當準確提示公式：“按照這些指令，對客戶咨詢做出專業(yè)的、準確的回復：回答應當專業(yè)，提應當準確。”.生成法律文件：任務：生成法律文件指令：文件應當符合相關法律法規(guī)提示公式：“按照以下指令，生成符合相關法律法規(guī)的法律文件：該文件應當符合相關法律法規(guī)?！笔褂弥噶钐崾炯夹g時，請務必記住，指令應當清晰具體。這將有助于確保產(chǎn)出具有相量。指令提示技術，可以結合第三章介紹的“角色提示”、“種子詞提示”相結合，強化C的用法，同義詞為介紹、解釋、教導，我翻譯為“說明”），若想用好它，需要向模型提供明確、具體的角色。例如，生成客戶服務響應，要具備“提示公式：“生成[任務]作為[角色]”.生成客戶服務響應：任務：生成對客戶咨詢的響應角色：客戶服務代表提示公式：“作為客戶服務代表，生成對客戶咨詢的響應?！?生成法律文件：任務：生成法律文件角色：律師提示公式：“作為律師，生成法律文件?！?示例，如何將三者結合：任務：為新智能手機生成產(chǎn)品描述指令：描述應提供信息、具有說生成內(nèi)容豐富、有說服力的產(chǎn)品描述，突出新智能手機的創(chuàng)新功能。智能手機具[插入您的功能]”在此示例中，指令提示確保產(chǎn)品描述具有信息性、說服力；角色提示確保這個描述來自營），是一個應用示例，別心急，在第八章（20頁）有詳例如，如果你想生成一篇新聞文章的摘要，你會提供一個[任務]，比如“總結這篇新聞文公式：“生成一個[任務]”.生成一篇新聞摘要：任務：總結這篇新聞文章提示公式：“生成這篇新聞文章的摘要”.生成一篇產(chǎn)品評論：任務：寫一篇新智能手機的評論提示公式：“生成對這款新智能手機的評論”.如何組合標準提示、角色提示、種子詞提示技術：任務：為新筆記本電腦生成產(chǎn)品評論指令：評論應該客觀、信息豐富并突出筆記本電腦的獨特功能角色：技術專家種子詞：“強大”提示公式：“作為技術專家，生成客觀且信息豐富的產(chǎn)品評論，突出新筆記本電能。”在此示例中，標準提示用于確保模型生成產(chǎn)品評論；角色提示用于確保評論是從技術專家/當沒有可用于任務（task）的示例時，使用零樣本提示技術當只有一個示例可用于任務時，使用一次性提示技術。該當任務數(shù)量有限時，使用小樣本提示技術。該模型隨示提示公式：“Generatetextbasedon[n/“讓我們想一下”這個提示，生成的文本具備反思能力、深度思考，對寫散文、寫詩歌、創(chuàng)意寫作的寫篇反思性文章：任務：寫一篇關于個人成長的反思性文章提示公式：“讓我們想長”寫一首詩：任務：寫一首關于四季變化的詩提示公式：“讓我們考慮一下：季節(jié)的變化”然后，使用模型訓練數(shù)據(jù)和算法生成與提示相關的響應。允許ChatGPT根據(jù)提供的提示提示：“讓我們想一下氣候變化對農(nóng)業(yè)的影響”提示：“讓我們討論下工智能的現(xiàn)狀”提談一下遠程工作的好處和壞處”還可以添加一個開放式問題、陳述，或者添加一段希望模型繼續(xù)的文本，一段建立在其基這種獨特的提示，有助于ChatGPT以不同視角、不同角度給出答案，讓產(chǎn)出更具活/提示公式為，輸入文本后跟進指令“請確保以下文本是自洽的”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”示例2：文本摘要任務：總結一篇新聞文章指令：摘要應與文章提供的信息一致與提供的信息一致的方式總結以下新聞文章[插入新聞文章]”示例3：文本補全*（譯者注）任務：補全一個句子指令：補全要與輸入中提供的上示公式：“以與提供的上下文一致的方式補全以下句子[插入句子]”.事實核查：任務：檢查給定新聞文章的一致性輸入文本：“文萬，后來又說人口是700萬?！碧崾竟剑骸罢埓_保以下文字自洽：文章說這500萬，但后面說人口是700萬?！钡畹蜌鉁赜涗洖?0度?！碧崾竟剑骸罢埓_保以下文字自洽：數(shù)據(jù)顯示7月平均氣度，最低氣溫記錄為20度?！笔呛椭耙粯臃g為【示例】，因為所有舉例中都包含了完整公式，無需單*此處的complete雖然表示完整的，但更方便理解的同義詞是fulfill其提示公式，是種子詞、種子詞組，后面跟著指令“請根據(jù)以下種子詞生成文本”.文本生成：任務：生成一個關于龍的故事種子詞：“龍”提示公式：“請根據(jù)以下種子詞生成文本：龍”.語言翻譯：任務：將一個句子從英語翻譯成西班牙語種子詞：“你好”提示公式：“請根據(jù)以下種子詞生成文本：你好”此技術讓模型生成并擴展與種子詞相關的文本，其特點是，控制模型的產(chǎn)出與特定主題種子詞提示可以結合角色提示、指令提示，生成更具體、更有針對性文本。通過提供子短語，模型可生成的文本關聯(lián)。外加有關所需輸出和角色的信息，模型生成的文本、闡述角色的特定風格、特定語氣一致。允許用戶對生成的文本進行更多控制，且可用于廣大寫角色：詩人提示公式：“以詩人的身份生成與種子詞‘愛’相關的十四行詩”示例2：文本補全*（譯者注）任務：補全一個句子指令：補全內(nèi)容應與種子詞“科形式應為研究論文角色：研究員提示公式：“以與種子詞‘科學’相關的方式，作為研究風格，補全以下句子：[插入句子]”示例3：文本摘要任務：總結一篇新聞文章指令：摘要應與種子詞“政治”相關，語氣撰寫角色：記者提示公式：“以記者的中立和公正的語氣，以與種子詞‘政治’相以下新聞文章：[插入新聞文章]”要在ChatGPT中使用知識生成提示，公式：“生成關于[特定主題]的新的準確信息”[插入問題]”示例3：知識整合任務：將新信息與現(xiàn)有知識相結合指令：整合應準確并與主題式：“將以下信息與關于[特定主題]的現(xiàn)有知識相結合：[插入新信息]”示例4：數(shù)據(jù)分析任務：從給定的數(shù)據(jù)集中生成有關客戶行為的見解提示公式：“請生成有關客戶行為的新的原始信息”/輸入新信息、現(xiàn)有知識；以及有提示，指定生成文本的任務或目標。提示應包括有關式：“將以下信息與關于[特定主題]的現(xiàn)有知識相結合：[插入新信息]”示例2：連接信息片段任務：連接不同的信息片段指令：連接應該是相關的和邏輯提接以下信息以一種相關且合乎邏輯的方式：[插入信示例3：更新現(xiàn)有知識任務：用新信息更新現(xiàn)有知識指令：更新的信息應該是準確和相公式：“使用以下信息更新關于[特定主題]的現(xiàn)有知識：[插入新信息]”/如果生成僅限于一組特定選項的文本，多項選擇提示很有用，比如問答、文本完成、其要在ChatGPT中使用多項選擇提示，示例2：文本補全任務：用預定義的選項之一補全一個句子指令：補全應該是預定3]”示例3：情感分析*（譯者注）任務：將文本分類為正面、中性、負面指令：分類應式：“根據(jù)以下人物生成故事：[插入人物]和主題：[插入主題]”示例2：文本補全任務：完成一個句子指令：完成應以特定作者的風格完成提示公體作者]的風格完成下列句子：[插入句子]”示例3：語言建模任務：生成特定樣式的文本指令：文字要采用特定時期的風格成[特定時期]風格的文字：[插入上下文]”/成故事：[插入模板]”示例2：文本補全任務:補全一個句子指令:補全時應使用特定的詞匯提示公式:全以下句子：[插入詞匯]：[插入句子]”示例3：語言建模任務：生成特定樣式的文本指令：文本應遵循一組特定的語法式：“生成遵循以下語法規(guī)則的文本：[插入規(guī)則]：[插入上下文]”為模型提供一組特定輸入，用于指導生成過程，受控生成提示允許生成更/示例1：回答事實任務：回答一個有關事實的問題指令：答案應準確且相關提示公式事實問題：[插入問題]”示例2：定義任務：提供一個詞的定義指令：定義要準確提示公式：“定義以下詞：[插入詞]”示例3：信息檢索任務：從特定來源檢索信息指令：檢索到的信息應該是相關的以下來源檢索有關[特定主題]的信息：[插入來源]”/該模型應提供更長的文本作為輸入，并要求生成該文本的摘要。提示還應包括有關所式：“用一句話總結以下新聞文章：[插入文章]”示例2：會議記錄任務：總結會議記錄指令：摘要應突出會議的主要決定和行動過列出主要決定和采取的行動來總結以下會議記錄：[插入記錄]”示例3：書籍摘要任務：總結一本書指令：摘要應該是對本書要點的簡要概述提示公段中總結以下書籍：[插入書名]”/對話提示，生成模擬兩個、多個實體之間對話的文本。通過為模型提供上下文，提供一需要為模型提供上下文，包含一組字符、一組實體，以及它們的角色、背景。該模型提示公式：“在以下上下文[插入上下文]中生成以下字符[插入字符]之間的對話”示例3：故事寫作任務：在故事中生成對話指令：對話要與故事中的人物和事件保持式：“在下面的故事[插入故事]中生成下列人物角色[插入角色]之間的對話”示例3：聊天機器人開發(fā)任務：為客戶服務聊天機器人生成對話指令：對話要專業(yè)息提示公式：“當客戶詢問[插入主題]時，為客戶服務聊天機器人生成專業(yè)且準確的對話”/對抗性提示，生成的文本可抵抗某些類型的攻擊、偏見。該技術訓練后的模型，更穩(wěn)固應當為模型增加提示，旨在使模型難以生成與所需輸出一致的文本*（譯者注）。也包含輸類為特定的標簽提示公式：“生成難以歸類為[插入標簽]的文本”示例2：情緒分析的對抗性提示任務：生成難以歸類為特定情緒的文本指令：生成難歸類為特定的情感提示公式：“生成難以歸類為具有[insertsentiment]情感的文本”示例3：語言翻譯的對抗性提示任務：生成難以翻譯的文本指令：生成的文本應該標語言提示公式：“生成難以翻譯成[插入目標語言]的文本”*robust的原本含義是茁壯、堅定、濃郁醇厚；人文教育受后在代碼論壇到處泛濫；這是毫無意義的一個音譯，完全不能望文生義。譯者在此了“穩(wěn)固”、“頑健”兩個同義詞，方便新人理解，希望各位程*這些文本包括種族、性別、地域偏見，登不上大雅之堂，如果想在公共），該模型應當被提供一組數(shù)據(jù)點（評論、文章、論文），并要求根據(jù)某些特征（情緒、主域）將它們分組到集群中。提示內(nèi)容還應當包含所需輸出的信息，例如要生成的聚類數(shù)量提示公式：“根據(jù)情緒將以下客戶評論分組：[插入評論]”例2：新聞文章的聚類任務：將相似的新聞文章分組在一起指令：文章應根據(jù)主題式：“將以下新聞文章根據(jù)主題分組：[插入文章]”示例3：科學論文的聚類任務：將相似的科學論文分組在一起指令：論文應按研究領公式：“根據(jù)研究領域將以下科學論文分組：[插入論文]”“animportantquality/abilityofsomethi“uniquequalitiesthataredistinguishingsomethingorsomeonedifferentfrom的文本，獲得了獎勵，模型應調(diào)整其行為提示公式：“使用強化學習生成符合以下風格的風格]”示例2：語言翻譯的強化學習任務：將文本從一種語言翻譯成另一種語言指令：根確翻譯，獲得了獎勵，模型應調(diào)整其行為提示公式：“使用強化學習將以下文本[插入文本]語言]翻譯成[插入語言]”示例3：用于問答的強化學習任務：生成問題的答案指令：根據(jù)產(chǎn)生準確答案，獲型應調(diào)整其行為提示公式：“使用強化學習生成以下問題的答案[插入問題]”/課程學習*（譯者注），讓模型通過首先在較簡單的任務上進行訓練，并逐漸增加難要在ChatGPT中使用，需提供一系列之前，應先對模型進行簡單樣式的訓練提示公式：“使用課程學習按以下順序[插入順序]以下樣式[插入樣式]的文本”示例2：用于語言翻譯的課程學習任務：將文本從一種語言翻譯成另一種語言指令雜的語言之前，應先對模型進行簡單語言的訓練提示公式：“使用課程學習按以下順序[從以下語言[插入語言]翻譯文本”示例3：課程學習的問答任務：生成問題的答案指令：在轉向更復雜的問題之前，行簡單問題的訓練提示公式：“使用課程學習按以下順序[插入順序]生成以下問題[插案”提示還應包括輸出信息，例如要檢測的情緒類型（例如正面、負面、中性以及任何特性?！笔纠?：推文（推特文字）的情感分析任務：確定推文的情緒指令：模型應該將性。”示例3：產(chǎn)品評價的情感分析任務：確定產(chǎn)品評價的情緒指令：模型應當將評論分性。”/提示應當關聯(lián)輸出，例如要識別的命名實體的類型（例如人員、組織、位置、日期）、識別和分類人員、組織、地點、日期提示公式：“對下面的新聞文章[插入文章]進別，并對人員、組織、地點、日期，進行識別、分類?！笔纠?：法律文件中的命名實體識別任務：識別和分類法律文件中的命名實體指令并對人員、組織、地點、日期，進行識別、分類。”示例3：研究論文中的命名實體識別任務：識別和分類研究論文中的命名實體指令識別和分類人員、組織、地點、日期提示公式：“對以下研究論文[插入論文]進行命名實體識并對人員、組織、地點、日期，進行識別、分類。”/文本分類，允許模型將文本分類為不同層級、不同類別的技術。該技術對于自然語探明文本是否表達了積極、消極、中性的情緒。情感分析通常用于客戶評論、社交媒體要在ChatGPT中使用文本分類提示，對其進行分類。提示還應包括有關所需輸出的信息，例如類或類別的數(shù)量，以及任何示例1：客戶評論的文本分類任務：將客戶評論分為不同的類別，例如電子產(chǎn)品、服示：模型應該根據(jù)評論的內(nèi)容，對評論進行分類提示公式：“對以下顧客評論[插入評論]分類，根據(jù)內(nèi)容，將其分為電子、服裝、家具的不同類別。”示例2：新聞文章的文本分類任務：將新聞文章分類為不同的類別，例如體育、政治和娛示：模型應該根據(jù)文章的內(nèi)容對文章進行分類提示公式：“對以下新聞文章[插入文章類，根據(jù)內(nèi)容，將其分為體育、政治、娛樂的不同類別?！笔纠?：電子郵件的文本分類任務：將電子郵件分類為不同的類別，例如垃圾郵件緊急郵件提示：模型應該根據(jù)郵件的內(nèi)容和發(fā)件人對郵件進行分類提郵件]進行文本分類，根據(jù)內(nèi)容和發(fā)件人，將其分為垃圾郵件、重要郵件、緊急郵件的不同類別?！蔽谋旧商崾?，與本書提到的其他幾種提示技術相關，如第五章）零樣本、單樣示，（第十三章）受控生成提示、（第十七章）翻譯提示、（第十二章）語言建模提這堆提示涉及生成文本，所以相互關聯(lián)，但它們在生成文本的不同之處在于，方式、特定一組特定的角色和情節(jié)提示公式：“根據(jù)以下提示[插入提示]，生成一個至少1000人物[插入人物]和情節(jié)[插入情節(jié)]?！笔纠?：語言翻譯的文本生成指令：將給定的文本翻譯成另一種語言說明：翻譯應提示公式：“將以下文本[插入文本]翻譯成[插入目標語言]并示例3：用于文本補全的文本生成任務：完成給定的文本指令：生成的文本應與輸致提示公式：“完成以下文字[插入文字]，并確保與輸入的文字連貫一致?！?閣下前來觀閱老夫之拙作，激動萬分，《向ChatGPT尋整指南》，這本冊子可以看做一份綜合指南——理解、利用各種提示技術（ChatGPT是目前最先進的語言模型，能夠生成類似人類語言的文此乃敝之夙愿——無論閣下是普通人、研究人員、開發(fā)人員，或者只是想使用ChatG鄙人使用了簡單的語言、切合實際的解釋，并在每個提示技巧上都提供了示例、提示公本書，閣下將學習如何使用提示工程技術，控制ChatGPT的輸出，并生成適合/正如我們在本書中探索的那樣，提示工程是一種強大的工具，可以從ChatGPT等語高質(zhì)量的答案。通過精心設計包含各種技術的提示，我們可以引導模型生成適合我們在第二章中，我們研究了如何使用說明提示，為模型提供清晰具體的指導。在第三章討了如何使用角色提示來生成特定語態(tài)、特定風格的文本。在第四章中，我們研究了我們還研究了幾種高級提示技術，例如零樣本、單樣本、小樣本提示，自洽提示，種子詞識生成提示，知識集成提示，多項選擇提示，可解讀的軟提示，受控生成提示