23种提示技术++
Excerpt
如果想让ChatGPT给出高质量的答案,首先,我们要学会输入Prompt提示词。这篇文章里,作者介绍了ChatGPT中的一些提示工程技术,不妨来
一、指令提示技术
- 含义:通过为模型提供具体指令来引导输出。
- 提示公式:“按照以下指示生成[任务]:[指令]”。
- 示例:生成客户服务响应,提示为“按照以下指示生成专业且准确的客户查询响应:响应应该专业且提供准确的信息”。
二、角色提示
- 含义:通过为ChatGPT指定一个特定的角色来引导输出。
- 提示公式:“作为[角色]生成[任务]”。
- 示例:生成客户服务回复,提示为“作为客户服务代表,生成对客户查询的回复”。
- 含义:通过为模型提供一个特定的任务来引导输出。
- 提示公式:“生成一个[任务]”。
- 示例:生成新闻文章的摘要,提示为“生成这篇新闻文章的摘要”。
四、零、一和少样本提示
- 含义:用于从ChatGPT生成文本的技术,最少或没有任何示例。
- 提示公式:“基于[数量]个示例生成文本”。
- 示例:为没有可用示例的新产品编写产品描述,提示为“基于零个示例为这款新智能手表生成产品描述”。
五、“让我们思考一下”提示
六、自洽提示
- 含义:确保ChatGPT的输出与提供的输入一致。
- 提示公式:输入文本后跟着指令“请确保以下文本是自洽的”。
- 示例:生成与以下产品信息一致的产品评论[插入产品信息]。
七、种子词提示
- 含义:通过提供特定的种子词或短语来控制输出。
- 提示公式:种子词或短语,后跟指令“请根据以下种子词生成文本”。
- 示例:编写一篇有关龙的故事,提示为“请根据以下种子词生成文本:龙”。
八、知识生成提示
- 含义:从ChatGPT中引出新的、原创的信息。
- 提示公式:“请生成关于X的新的和原创的信息”,其中X是感兴趣的主题。
- 示例:生成有关特定主题的新信息,提示为“生成有关[特定主题]的新的准确信息”。
九、知识整合提示
- 含义:利用模型的现有知识来整合新信息或连接不同的信息片段。
- 提示公式:模型应该提供新信息和现有知识作为输入,以及指定生成文本的任务或目标的提示。提示应包括有关所需输出的信息,例如要生成的文本类型以及任何特定的要求或限制。
- 示例:将以下信息与有关[具体主题]的现有知识整合:[插入新信息]。
十、多项选择提示
- 含义:向模型提供一个问题或任务以及一组预定义的选项作为潜在答案。
- 提示公式:需要向模型提供一个问题或任务作为输入,以及一组预定义的选项作 为潜在答案。提示还应包括有关所需输出的信息,
- 示例:通过选择以下选项之一回答以下问题:[插入问题] [插入选项 1] [插入选项 2] [插入选项 3]。
十一、可解释的软提示
- 含义:在提供一定的灵活性的同时控制模型生成的文本。
- 提示公式:它通过提供一组受控 输入和关于所需输出的附加信息来实现。这种技术可以生成更具解释性和可控性的生成文本,涉及基于给定的角色和特定的主题生成故事。
- 示例:基于以下角色生成故事:[插入角色]和主题:[插入主题]。
十二、控制生成提示
- 含义:让模型在生成文本时对输出进行高度控制。
- 提示公式:通过提供一组特定的输入来实现,例如模板、特定词汇或一组约束条件,这些输入可用于指导生成 过程,涉及使用特定的输入如模板或特定词汇。
- 示例:根据以下模板生成故事:[插入模板]。
十三、问答提示
- 含义:让模型生成回答特定问题或任务的文本。
- 提示公式:通过将问题或任务与可能与问题或任 务相关的任何其他信息一起作为输入提供给模型来实现此目的。涉及回答特定问题或提供定义。
- 示例:回答以下事实问题:[插入问题]。
十四、概述提示
- 含义:生成给定文本的较短版本,保留其主要思想和信息。
- 提示公式:应该向模型提供较长的文本作为输入,并要求其生成该文本的摘要。提示还应包括有关所需输出的信息,例如摘要的所需长度和任何特定要求或限制。
- 示例:用一句简短的话概括以下新闻文章:[插入文章]。
十五、对话提示
- 含义:生成模拟两个或更多实体之间对话的文本。
- 提示公式:通过为模型提供一个上下文和 一组角色或实体,以及它们的角色和背景,并要求模型在它们之间生成对话。
- 示例:在以下情境中生成以下角色之间的对话[插入角色]。
十六、对抗性提示
- 含义:生成抵抗某些类型的攻击或偏见的文本。
- 提示公式:需要为模型提供一个提示,该提示旨在使模型难以生成符合期望输出 的文本。提示还应包括有关所需输出的信息,例如要生成的文本类型和任何特定要求或约束,涉及生成难以分类或翻译的文本。
- 示例:生成难以分类为[插入标签]的文本。
十七、聚类提示
- 含义:根据某些特征或特点将相似的数据点分组在一起。
- 提示公式:应该向模型提供一组数据点,并要求它根据某些特征或特点将它们分组成簇。提示还应包括有关所需输出 的信息,例如要生成的簇数和任何特定的要求或约束。涉及根据特征将数据点分组成簇。
- 示例:将以下客户评论根据情感分组成簇:[插入评论]。
十八、强化学习提示
- 含义:使模型从过去的行动中学习,并随着时间的推移提高其性能。
- 提示公式:需要为模型提供一组输入和奖励,并允许其根据接收到的奖励调整其行 为。提示还应包括有关期望输出的信息,涉及使用强化学习来生成文本。
- 示例:使用强化学习来生成与以下风格一致的文本[插入风格]。
- 含义:通过先训练简单任务,逐渐增加难度来学习复杂任务。
- 提示公式:该提供一系列任务,这些任务逐渐增加难度。提示还应包括有关期望输出的信息,例如要完成的最终任务以及任何特定要求或约束条件。此技术对自然语言处理、图像识别和机器学习等任务非常有用。涉及逐步训练模型。
- 示例:使用课程学习来生成与以下风格[插入风格]一致的文本,按照以下顺序[插入顺序]。
- 含义:确定文本的情绪色彩或态度。
- 提示公式:要在 ChatGPT 中使用情感分析提示,模型应该提供一段文本并要求根据其情感分类。提示还应包括关于所需输出的信息,例如要检测的情感类型(例如积极的、消极的、中立的)和任何特定 要求或约束条件。
- 示例:对以下客户评论进行情感分析[插入评论],并将它们分类为积极的、消极的或中立的。
二十一、命名实体识别提示(NER)
- 含义:识别和分类文本中的命名实体。
- 提示公式:要在 ChatGPT 中使用命名实体识别提示,需要向模型提供一段文本,并要求它识别和分类文本中的命名 实体。提示还应包括有关所需输出的信息,例如要识别的命名实体类型(例如人名、组织机构、地点、日期)以 及任何特定要求或约束条件。
- 示例:在以下新闻文章[插入文章]上执行命名实体识别,并识别和分类人名、组织机构、地点和日期。
二十二、文本分类提示
- 含义:将文本分成不同的类别。
- 提示公式:要在 ChatGPT 中使用文本分类提示,模型需要提供一段文本,并要求它根据预定义的类别或标签进行分 类。提示还应包括有关所需输出的信息,例如类别或标签的数量以及任何特定的要求或约束。
- 示例:对以下客户评论 [插入评论] 进行文本分类,并根据其内容将其分类为不同的类别,例如电子产品、服装和家具。
二十三、文本生成提示
- 含义:生成符合特定要求的文本。
- 提示公式:根据受控条件微调预训练模型或训练新模型以执行特定任务,生成特定长度或包含特定元素的文本。
- 示例: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。