大模型Prompt提示设计简介(1)

news2024/11/18 1:33:03

提示设计是一门艺术,它涉及到精心构思的语句,旨在从语言模型中激发出我们渴望得到的回复。编写一个结构精巧、引人入胜的提示,是确保我们从语言模型那里获得既准确又高质量的答案的关键步骤。在这篇文章中,我们将深入探讨一些基本概念、策略和最佳实践,它们将作为您的指南,帮助您踏上设计高效提示的旅程。

什么是Prompt(提示)

Prompt是一种自然语言的请求形式,用于向语言模型发起交流,以期获得回应。它可能包括各种元素,如问题、指令、背景信息、示例,以及需要模型补充或继续的输入片段。当模型接收到这样的提示后,它能够产生多种类型的输出,包括但不限于文本、嵌入向量、代码、图像、视频和音乐等,这主要取决于所采用模型的特定功能和能力。

Prompt包含的内容

Prompt可以包含以下一种或多种内容类型:

输入:必需的 内容类型,是您希望模型为其提供回复的提示中的文本。输入可以是模型回答的问题(问题输入)、模型执行的任务(任务输入)、模型操作的实体(实体输入),或模型完成或继续的部分输入(补全输入)。

上下文: 是一个可选项,当我们有上下文提供给模型时,例如在RAG问答中,我们要从参考内容中,获得答案时需要给模型提供上下文。

示例: 这是一个可选项,一般使用One-Shot,Few-Shot,是呈现给模型一个例子,然后让模型按照例子的示样回答问题。

下面这个例子就显示送入模型的时候用到了上下文:

在这里插入图片描述

不同类型的输入方式介绍

问题输入

问题输入是直接向模型提问,获得所想要的结果:

图片

任务输入

任务输入是希望模型执行的任务。例如,我们可以指示模型为我们润色一下语句。

图片

哈哈,模型好像把希望的意思搞错了。

实体输入

实体输入是模型对其执行操作(例如分类或汇总)的对象,对实体进行分类统计任务。
在这里插入图片描述
补全输入

补全输入是指定模型补全或继续往下写:

# 输入:
体育运动会包括:

# 输出:
体育运动会通常包括以下几类项目:

田径项目:包括短跑、长跑、接力跑、跨栏、跳高、跳远、三级跳远、撑杆跳高、铅球、铁饼、标枪、链球等。
游泳项目:包括自由泳、蛙泳、蝶泳、仰泳以及各种混合泳等。
球类项目:篮球、足球、排球、乒乓球、羽毛球、网球、高尔夫球、手球等。
重竞技项目:举重、摔跤、柔道、跆拳道、拳击等。
体操项目:包括竞技体操、艺术体操、蹦床等。
跳水:包括跳板和跳台项目。
射击和射箭:包括步枪、手枪、飞碟射击以及弓箭射击。
自行车项目:包括公路赛、场地赛、山地赛等。
击剑:包括花剑、重剑、佩剑等项目。
帆船和赛艇:包括各种级别的帆船和赛艇比赛。
马术:包括障碍赛、盛装舞步、三日赛等。
现代五项:包括射击、击剑、游泳、马术和跑步。
体育运动会还可以根据参与人群的不同分为:综合性运动会(如奥运会、亚运会)、全国运动会、城市运动会、学校运动会、青少年运动会等。不同类型的运动会可能会根据参与者的年龄、性别、运动水平等因素设置不同的比赛项目。

上下文输入

语境可以是以下项之一:

指定模型行为方式的说明。

模型使用或引用来生成回复的信息。

当需要向模型提供信息时,需要在提示中添加语境信息,或者将回复的边界限制为仅提示中的内容。

# 输入
中国有哪几个改革开放新地标,结果需要在参考内容中提取。
参考内容:
前海、横琴、雄安、海南、浦东……
一个个改革开放新地标正拔地而起
见证一路走来
更见灿烂未来

# 输出
中国改革开放的新地标包括:前海、横琴、雄安、海南、浦东。这些地标正逐渐崛起,成为改革开放的重要象征,见证了中国的成长与发展,同时也预示着更加辉煌的未来。

示例输入

样本是在提示中添加的输入-输出对,以便为模型提供理想的回复样本。在提示中添加样本是自定义回复格式的有效策略。

# 输入
提取下面内容的地名和时间实体:
例1:
text: 7月12日北京在下雨
output: 7月12日\t北京

输入:
text: 7月12日的下午2时,重庆整个中小河流里现在处于超警状态的还有三条,都集中在渝东南的地区。
output:

# 输出
7月12日\t下午2时\t重庆\t渝东南地区

至此介绍了Prompt的简单结构信息,和通过Prompt能让大模型完成的任务,下篇文章将介绍一些有用的prompt策略。

如果对内容有什么疑问和建议可以私信和留言,也可以添加我加入大模型交流群,一起讨论大模型在创作、RAG和agent中的应用。

好了,这就是我今天想分享的内容。如果你对大模型应用感兴趣,别忘了点赞、关注噢~

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2087790.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SQL 注入之 sqlmap 实战

在网络安全领域,SQL 注入攻击一直是一个严重的威胁。为了检测和利用 SQL 注入漏洞,安全人员通常会使用各种工具,其中 sqlmap 是一款非常强大且广泛使用的开源 SQL 注入工具。本文将详细介绍 sqlmap 的实战用法。 一、sqlmap 简介 sqlmap 是一…

Nat Commun系列|如何像搭积木一样去搭建你自己的病理AI模型框架|专题总结·24-08-30

小罗碎碎念 前情铺垫 今天的第一篇推文更偏向理论知识,分享了多篇综述,帮助大家快速了解病理切片染色标准化和虚拟染色的内容。 那么这期推文则是补充第一篇推文没有涉及的部分——染色标准化如何作为预处理流程出现在整体的框架中——准备了三篇Nature…

【中仕公考是骗子吗】公务员联考是什么意思?

公务员联考是指由多个省份在同一时间举行招录考试,并且这些省份在考试内容上保持较高的一致性。参与联考的省份往往采用同一套或相近的试卷,在具体的题量、难度或题型分布上可能会根据各自情况进行调整,同时可能加入一些具有本省特色的元素。…

基于web旅游信息平台的设计与实现

三、系统分析 (一)识别参与者 对于平台功能需求的分析,我们定位了四种参与者:普通用户、注册用户、企业级用户、网站维护人员。现对参与者描述如下: (1)普通用户 描述:可以注册成…

安全帽佩戴监测摄像机

安全帽是工业生产中必不可少的安全防护装备,能有效保护工人头部免受意外伤害。然而,管理人员往往难以监督工人是否正确佩戴安全帽,这可能导致一些潜在的安全隐患。为了解决这一问题,一种新型的安全帽佩戴监测摄像机 应运而生。 这…

python基础(13魔法方法介绍)

python系列文章目录 python基础(01变量&数据类型&运算符) python基础(02序列共性) python基础(03列表和元组) python基础(04字符串&字典) python基础(05集合set) pytho…

docker Desktop报错 error pulling image configuration 处理

问题描述 在 docker 拉数据 出现以下错误 error pulling image configurarion: 这个问题 主要是 可能应该某些原因不能网络无法连上镜像 原因分析: 1。 2024年 5月以后 国内很多IP都 。。。懂的都懂,很多 VPN 也是。。。 懂的都懂&#x…

Edge资源占用优化:调整浏览器设置与关闭自动更新检查

最近,作者在学习过程中,打开任务管理器的时候注意到,即使没有打开浏览器,edge依然有着内存占用较高的情况: 于是就在网上收集了一些后台调优的方法,如果各位朋友有更多优化浏览器资源占用的方法&#xff0c…

ansible自动化运维项目详细讲解

​ 大家好,我是程序员小羊! 前言: Ansible 是一个开源的自动化工具,主要用于配置管理、应用部署、任务自动化和IT编排。在实际的运维项目中,Ansible可以帮助运维工程师以一致、可重复和可靠的方式管理大量服务器和服务…

论文翻译:Scaling Instruction-Finetuned Language Models

Scaling Instruction-Finetuned Language Models https://www.jmlr.org/papers/volume25/23-0870/23-0870.pdf 指令微调语言模型 文章目录 指令微调语言模型摘要1. 引言2. Flan微调2.1 微调数据2.2 微调过程2.3 评估协议 3. 扩展到5400亿参数和1836个任务4. 带有思维链注释的微…

python实战二-筛选多个Excel中数据

筛选12个月中单日销售额大于300的数据,并将符合条件数据存储到新表中。 import time from openpyxl import Workbook, load_workbook import os """ 筛选销售额大于300的销售数据,创建新表存储 """ def 筛选数据(file_dir…

iOS 模拟器打不开:unable to boot the simulator

重启电脑后发现模拟器打不开,提示如下: 解决方法: 1、在Finder里command shift G前往文件夹 ~/Library/Developer/CoreSimulator/Caches2、删除Caches文件里面的dyld文件 3、重启模拟器即可

前缀和2️⃣-二维前缀和

题目链接:**【模板】二维前缀和_牛客题霸_牛客网** 题目描述: 解法: 算法思路: 类比于一维数组的形式,如果我们能处理出来从[0, 0] 位置到 [i, j] 位置这片区域内所有元素的累加和,就可以在O(1) 的时间内…

BioEdit 序列比对编辑器

软件介绍 BioEdit是一个功能齐全免费的分子生物学应用软件,可以完成核苷酸序列和蛋白质序列进行所有常规的分析操作。 如:序列比对、序列检索、引物设计、系统发育分析等。与DNAMAN 相比,其分析内容相对更丰富一些,而且提供了很…

一种基于YOLOv10的高精度光伏板缺陷检测算法(原创自研),适用缺陷检测场景、小缺陷场景

💡💡💡本文原创自研算法:一种基于YOLOv10的高精度光伏板缺陷检测算法,魔改SPPF_attention一种新颖的基于内容引导注意力(CGA)的混合融合,mAP50从原始的0.838提升至0.868 💡💡&…

3D Tiles的4x4的仿射变换矩阵

前言 项目需要,使用Cesium技术,把STL格式模型加载进去。 一、格式转换 第一步,先将STL文件转换为glTF格式 第二步,将glTF文件转换为3D Tiles格式,使用Cesium ion 二、矩阵整体结构 这个矩阵是一个4x4的仿射变换矩阵&…

探索多模态人工智能:融合视觉、语言与声音的未来智能系统

前言 在这个信息爆炸的时代,人工智能(AI)已经渗透到我们生活的每一个角落,从智能手机的语音助手到自动驾驶汽车,再到医疗诊断和个性化推荐系统。然而,随着技术的进步,我们对智能系统的要求也在不…

[LLM][Prompt Engineering]:大语言模型上下文学习-What、How、Why?

上下文学习 上下文学习什么是上下文学习2. 示例的选择2.1 相关度排序2.2 集合多样性2.3 大语言模型 3. 示例格式3.1 人工标注3.2 利用大语言模型自动生成 4. 示例顺序5. 上下文学习为什么可以work5.1 能力来源5.2 ICL的能力 Reference 在GPT-3的论文中,OpenAI 研究团…

深度学习示例1-全零通道的 MNIST 数据训练模型

一、代码示例 from tensorflow import keras from tensorflow.keras import layers from tensorflow.keras.datasets import mnist import numpy as np(train_images, train_labels), _ = mnist.load_data() train_images = train_images.reshape((60000, 28 * 28)) train_ima…

基于FPGA的OV5640摄像头图像采集

1.OV5640简介 OV5640是OV(OmniVision)公司推出的一款CMOS图像传感器,实际感光阵列为:2592 x 1944(即500w像素),该传感器内部集成了图像出炉的电路,包括自动曝光控制(AEC…