当前位置：首页 > wzjs >正文

辽宁智能网站建设制作柳江区城乡住房建设局网站

wzjs 2025/8/31 8:29:12

辽宁智能网站建设制作,柳江区城乡住房建设局网站,网站开发维护合同样板,网页美工设计培训学校哪家好提示词要素如果您接触过大量提示工程相关的示例和应用，您会注意到提示词是由一些要素组成的。提示词可以包含以下任意要素： 指令：想要模型执行的特定任务或指令。上下文：包含外部信息或额外的上下文信息，引导语言…

提示词要素

如果您接触过大量提示工程相关的示例和应用，您会注意到提示词是由一些要素组成的。

提示词可以包含以下任意要素：

指令：想要模型执行的特定任务或指令。
上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。
输入数据：用户输入的内容或问题。
输出指示：指定输出的类型或格式。

为了更好地演示提示词要素，下面是一个简单的提示，旨在完成文本分类任务：

提示词

请将文本分为中性、否定或肯定  # 指令
文本：我觉得食物还可以。	# 输入数据
情绪：					# 输出指示

在上面的提示示例中，指令是“将文本分类为中性、否定或肯定”。输入数据是“我认为食物还可以”部分，使用的输出指示是“情绪：”。请注意，此基本示例不使用上下文，但也可以作为提示的一部分提供。例如，此文本分类提示的上下文可以是作为提示的一部分提供的其他示例，以帮助模型更好地理解任务并引导预期的输出类型。

# coding: utf-8
from pprint import pprintfrom litellm import completion
import os# set ENV variables
os.environ["OPENAI_API_KEY"] = "sk-ulbyeozob2jc8GYcFfC63149002647Bb8eA0840658Ef7bE9"
os.environ['OPENAI_BASE_URL'] = "http://10.25.20.243:3000/v1/"messages = [{"content": """请将文本分为中性、否定或肯定文本：我觉得食物还可以。情绪：""", "role": "user"},
]# openai call
for message in messages:response = completion(model="openai/qwen2-instruct",base_url="http://10.25.20.243:3000/v1/",# temperature=i / 10,# top_p=i / 10,# presence_penalty=i,# frequency_penalty=i / 100,messages=messages)# 输出：中性print(response.json()['choices'][0]['message']['content'])

设计提示的通用技巧

指令

你可以使用命令来指示模型执行各种简单任务，例如“写入”、“分类”、“总结”、“翻译”、“排序”等，从而为各种简单任务设计有效的提示。
请记住，你还需要进行大量实验以找出最有效的方法。以不同的关键词（keywords），上下文（contexts）和数据（data）试验不同的指令（instruction），看看什么样是最适合你特定用例和任务的。通常，上下文越具体和跟任务越相关则效果越好。在接下来的指南中，我们将讨论样例和添加更多上下文的重要性。
有些人建议将指令放在提示的开头。另有人则建议是使用像“###”这样的清晰分隔符来分隔指令和上下文。

# coding: utf-8
from pprint import pprintfrom litellm import completion
import os# set ENV variables
os.environ["OPENAI_API_KEY"] = "sk-ulbyeozob2jc8GYcFfC63149002647Bb8eA0840658Ef7bE9"
os.environ['OPENAI_BASE_URL'] = "http://10.25.20.243:3000/v1/"messages = [{"content": """### 指令 ###将以下文本翻译成西班牙语：文本：“hello！”""", "role": "user"},
]# openai call
for message in messages:response = completion(model="openai/qwen2-instruct",base_url="http://10.25.20.243:3000/v1/",# temperature=i / 10,# top_p=i / 10,# presence_penalty=i,# frequency_penalty=i / 100,messages=messages)# 输出：翻译后的西班牙语为："hola!"print(response.json()['choices'][0]['message']['content'])

具体性

要非常具体地说明你希望模型执行的指令和任务。提示越具描述性和详细，结果越好。特别是当你对生成的结果或风格有要求时，这一点尤为重要。不存在什么特定的词元（tokens）或关键词（tokens）能确定带来更好的结果。更重要的是要有一个具有良好格式和描述性的提示词。事实上，在提示中提供示例对于获得特定格式的期望输出非常有效。

在设计提示时，还应注意提示的长度，因为提示的长度是有限制的。想一想你需要多么的具体和详细。包含太多不必要的细节不一定是好的方法。这些细节应该是相关的，并有助于完成手头的任务。这是你需要进行大量实验的事情。我们鼓励大量实验和迭代，以优化适用于你应用的提示。

例如，让我们尝试从一段文本中提取特定信息的简单提示。

提取以下文本中的地名。所需格式：
地点：<逗号分隔的公司名称列表>输入：“虽然这些发展对研究人员来说是令人鼓舞的，但仍有许多谜团。里斯本未知的香帕利莫德中心的神经免疫学家 Henrique Veiga-Fernandes 说：“我们经常在大脑和我们在周围看到的效果之间有一个黑匣子。”“如果我们想在治疗背景下使用它，我们实际上需要了解机制。””

输出：

地点：里斯本，香帕利莫德中心

避免不明确

给定上述关于详细描述和改进格式的建议，很容易陷入陷阱：想要在提示上过于聪明，从而可能创造出不明确的描述。通常来说，具体和直接会更好。这里的类比非常类似于有效沟通——越直接，信息传达得越有效。

解释提示工程的概念。保持解释简短，只有几句话，不要过于描述。

从上面的提示中不清楚要使用多少句子以及什么风格。尽管你可能仍会从上述提示中得到较好的响应，但更好的提示应当是非常具体、简洁并且切中要点的。例如：

使用 2-3 句话向高中学生解释提示工程的概念。

做什么还是不做什么?

设计提示时的另一个常见技巧是避免说不要做什么，而应该说要做什么。这样（说要做什么）更加的具体，并且聚焦于（有利于模型生成良好回复的）细节上。

以下是向客户推荐电影的代理程序。不要询问兴趣。不要询问个人信息。客户：请根据我的兴趣推荐电影。
代理：

当然，我很乐意为您推荐电影。请告诉我您喜欢的电影类型、导演、演员或任何特定的主题，这样我就能提供更精确的建议。例如，如果您喜欢科幻片、克里斯托弗·诺兰执导的作品或是汤姆·哈迪主演的电影，请详细描述您的喜好，以便为您提供最佳选择。

以下是更好的提示：

以下是向客户推荐电影的代理程序。代理负责从全球热门电影中推荐电影。它应该避免询问用户的偏好并避免询问个人信息。如果代理没有电影推荐，它应该回答“抱歉，今天找不到电影推荐。”。
顾客：请根据我的兴趣推荐一部电影。
客服：

客服：非常感谢您的咨询！不过在进行电影推荐时，并不需要了解您的个人喜好或信息。如果您愿意的话，我可以提供一些建议给广受欢迎且评价良好的影片。考虑到不同观众的需求和口味可能大相径庭，我会尽量推荐一些不同类型、风格的电影以供您选择：1. **科幻惊悚片** - 例如《银翼杀手2049》或者《星际穿越》，这些影片通常充满着视觉奇观与深度思考，适合喜欢未来科技和复杂剧情的观众。2. **经典喜剧片** - 如《唐人街探案》系列，既能让人捧腹大笑，又能体验到人性的温暖和智慧。3. **动画大片** - 可以考虑《疯狂动物城》或是《寻梦环游记》，非常适合带小孩一同观看，同时也深受成人喜爱。4. **悬疑犯罪类** - 像《致命ID》或者《小丑》，这类电影情节紧凑，角色性格鲜明，适合喜欢解谜推理的影迷。5. **浪漫爱情片** - 推荐《恋夏50天》或者《罗马假日》，轻松甜蜜的情节让人心情愉悦。6. **历史传记** - 如果对历史故事感兴趣，《国王的演讲》或《乔布斯》都是不错的选择，它们结合了真实人物的故事与戏剧张力。7. **动作冒险片** - 比如《速度与激情》系列或《007系列》，精彩绝伦的动作场面总会让人心跳加速。请根据自己的兴趣和心情挑选，希望这些建议能帮助您找到心仪的电影。如果有特别偏好的类型或主题，请随时告诉我，我会为您提供更针对性的推荐。---如果您对以上任何类型的电影感兴趣，或者有其他具体需求，都可以直接告诉我，我很乐意为您进一步服务。祝您观影愉快！