详细介绍了ChatGPT中的提示工程技术,包括指令提示、角色提示、标准提示、零样本提示、少样本提示、自洽提示、种子词提示、知识生成提示、知识整合提示、多项选择提示、可解释的软提示、控制生成提示、问答提示、概述提示、对话提示、对抗性提示、聚类提示、强化学习提示、课程学习提示、情感分析提示、命名实体识别提示、文本分类提示、文本生成提示等多种提示技术的使用方法和示例,并强调了这些技术在不同任务中的应用和效果。

什么是 Prompt 工程?

Prompt 工程是创建提示或指导像 ChatGPT 这样的语言模型输出的过程。它允许用户控制模型的输出并 生成符合其特定需求的文本。

ChatGPT 是一种先进的语言模型,能够生成类似于人类的文本。它建立在 Transformer 架构上,可以处理大量数据并生成高质量的文本。

然而,为了从 ChatGPT 中获得最佳结果,重要的是要了解如何正确地提示模型。提示可以让用户控制模型的输出并生成相关、准确和高质量的文本。在使用 ChatGPT 时,了解它的能力和限制非常重要。

该模型能够生成类似于人类的文本,但如果没有适当的指导,它可能无法始终产生期望的输出。

这就是 Prompt 工程的作用,通过提供清晰而具体的指令,您可以引导模型的输出并确保其相关。

Prompt 公式是提示的特定格式,通常由三个主要元素组成:

  1. 任务:对提示要求模型生成的内容进行清晰而简洁的陈述。
  2. 指令:在生成文本时模型应遵循的指令。
  3. 角色:模型在生成文本时应扮演的角色。

在本书中,我们将探讨可用于 ChatGPT 的各种 Prompt 工程技术。我们将讨论不同类型的提示,以及如何使用它们实现您想要的特定目标。

以下是23种提示技术的详细信息:

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”。

三、标准提示

  • 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

  • 含义:鼓励ChatGPT生成反思和思考性的文本。
  • 提示公式:“让我们思考一下”后跟一个主题或问题。
  • 示例:生成一篇反思性论文,提示为“让我们思考一下:个人成长”。

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]。

十九、课程学习提示

  • 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]。

二十、情感分析提示

  • 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。

这些技术中的每一种都可以以不同的方式使用,以实现各种不同的结果。随着您继续使用 ChatGPT 和其他语言模型,值得尝试不同的技巧组合,以找到最适合您特定用例的方法。

以下是为了生成符合特定风格、内容准确、信息丰富的多类型文本,利用ChatGPT提问方法建议。

结合创作需求来设计Prompt,您可以按照以下步骤进行:

  1. 明确创作目标和内容:首先,您需要明确您的创作目标和内容范围,例如您要创作一个故事、一篇文章或一首诗。
  2. 选择合适的Prompt技术:根据您的创作内容,选择一种或多种Prompt技术,例如角色提示、种子词提示、知识生成提示等。这些技术可以帮助引导模型的输出符合您的创作需求。
  3. 构建Prompt:按照所选Prompt技术的格式,构建Prompt。Prompt中要包含创作任务、具体指令以及角色等信息。例如,如果您要创作一个故事,可以选择角色提示,然后构建一个Prompt:“作为侦探,生成一个关于犯罪现场的故事。”
  4. 提供上下文和细节:在Prompt中提供创作所需的上下文和细节,如时间、地点、人物关系等。这有助于模型生成更加符合您创作需求的内容。
  5. 调整Prompt:如果生成的结果不符合预期,您可以调整Prompt中的指令或细节,然后重新生成,直到获得满意的结果。
  6. 结合其他Prompt技术:您也可以结合使用多种Prompt技术,例如在角色提示的基础上添加种子词提示或知识生成提示,以使生成的结果更加丰富和多样。
  7. 多次尝试和调整:Prompt工程是一个反复试验和调整的过程。您需要多次尝试不同的Prompt组合,才能找到最适合您创作需求的Prompt设计。

总之,设计Prompt需要根据您的创作内容、目标以及Prompt技术的特点来构建和调整。通过不断尝试和优化,您能够更好地利用Prompt工程来辅助您的创作。