为什么不同的东谈主用吞并个AI会产生纷乱的各别？其实便是世界教导词的工夫有险阻。本文作家共享了我方的教导词要领论，但愿不错帮到世界。

为什么不同的东谈主用吞并个AI会产生纷乱的各别？其实便是世界教导词的工夫有险阻。本文作家共享了我方的教导词要领论，但愿不错帮到世界。

一、Prompt界说

它如同与 AI 对话的实质，决定了 AI 奈何理撤职务并作出恢复。比如在聊天机器东谈主中，你输入的问题或要求便是 Prompt。一个线路、准确的 Prompt 能结合 AI 生成稳妥盼愿的回答。

二、Prompt组成身分

扮装+任务+铁心要求+样例/参考贵寓

扮装

为 AI 明确一个具体的扮装身份，使其回答更稳妥特定的场景和立场。比如设定为 “你是又名专科的健身涵养”，那么 AI 在回答问题时就会以健身涵养的专科视角和口气来进行回答。

任务

张开剩余87%

关于要求模子生成实质进行浮浅的陈诉，凭据任务类型不错分为一下几种类别：

铁心要求

铁心输出长度：关于模子输出实质的字数进行铁心，如：幸免言反正传，刀刀见血，欺压在100字以内。 适度回答限制：明确轨则 AI 回答的限制和界限，幸免其生成无关或不稳妥的实质。举例，“只回答与历史事件关系的问题，不触及当代政事和文娱话题”。 铁心输出口头：指定 AI 输出的口头，如文本的段落结构、列表体式、表格体式等，使生成的收尾更稳妥预期和便于阅读。比如：要求以 “问题 – 谜底” 的口头走动答一系列问题。

列举出一些优秀的回答口头供大模子参考学习，让大模子了解你要输出的实质是什么体式。

将这类实质放在prompt中，就叫作念in-Context-laerning，这么就不错结束不改动模子，只是把样例放在prompt，从而结束更好的弘扬。

分为：

零样本教导（Zero Shot）：是一种在莫得任何干联示例的情况下，径直对模子进行发问的要领。 少样本教导（Few Shot）：在教导中提供小数的示例，以匡助模子更好地舆撤职务的主张和输出要求。

两种写法：

1.用“发问”-“回答”口头示范，让大模子相识

示例1:

发问:“商品收到了，质料超棒！材质摸起来很风光，终点餍足

回答:正面

示例 2:

发问:这双鞋的质料太差了，走路很不风光，和我预期的进出甚远，很失望

回答:负面

(任务要求)

新任务:

发问:“买的化妆品有股奇怪的滋味，用了之后皮肤还过敏了，要求退货还各式推脱。”

输出:

大模子回答:正面

示例1:

发问:“商品收到了，质料超棒！材质摸起来很风光，终点餍足

回答:正面

示例 2:

发问:这双鞋的质料太差了，走路很不风光，和我预期的进出甚远，很失望

回答:负面

(任务要求)

新任务:

发问:“买的化妆品有股奇怪的滋味，用了之后皮肤还过敏了，要求退货还各式推脱。”

输出:

大模子回答:正面

2.给示例+言语描绘输出要求

关于一个图像生成任务，通过几步结合展示 few shot 示例。

门径一：

“咱们要生成一幅海边日出的画。领先，画面应该有大海，大海的热诚不错是深蓝色。”

门径二：

“然后，在画面的左上角，有一轮刚刚升空的太阳。”

门径三：

“终末，沙滩上不错添加一些贝壳和脚印，来增添画面的细节。”

发问：“按照上头的门径，生成一幅山间日落的画，矜重调度相应的元素。”

大模子回答：

门径一：

“咱们要生成一幅山间日落的画。领先，画面应该有连绵的山脉，山脉的热诚不错是深褐色与乌绿色相间”

门径二：

“然后，在画面的西侧，有一轮行将落下的太阳，热诚是金红色”

门径三：

“终末，在山眼下不错添加一些树木和一条周折的小溪，树木的叶子在夕阳余光下呈现出暖颜色”

关于一个图像生成任务，通过几步结合展示 few shot 示例。

门径一：

“咱们要生成一幅海边日出的画。领先，画面应该有大海，大海的热诚不错是深蓝色。”

门径二：

“然后，在画面的左上角，有一轮刚刚升空的太阳。”

门径三：

“终末，沙滩上不错添加一些贝壳和脚印，来增添画面的细节。”

发问：“按照上头的门径，生成一幅山间日落的画，矜重调度相应的元素。”

大模子回答：

门径一：

“咱们要生成一幅山间日落的画。领先，画面应该有连绵的山脉，山脉的热诚不错是深褐色与乌绿色相间”

门径二：

“然后，在画面的西侧，有一轮行将落下的太阳，热诚是金红色”

门径三：

“终末，在山眼下不错添加一些树木和一条周折的小溪，树木的叶子在夕阳余光下呈现出暖颜色”

利用 markdown 语法，如 #、##、### 等标题标志，以及 – 列表标志等（#＋空格＋翰墨，会让后头的翰墨造成一级标题，两个 ＃这是二级标题，依此类推）对 prompt 进行线路的结构鉴识，使其更具可读性和逻辑性，便于相识和迭代。举例：

幸免复杂指示

不要在一个 prompt 中堆砌过多复杂的指示或要求，尽量保捏粗略，一次专注于一个主要任务。

分散描绘

关于复杂的任务，不错将其看法为多个门径或子任务，按次进行描绘，让 AI 梗概更有层次地现实任务。比如 “领先查询最新的科技新闻，然后筛选出与东谈主工智能关系的新闻，终末精采每条新闻的主要实质和进犯不雅点”

进行测磨练证

在撰写完 prompt 后，通过输入不同的测试用例来查验 AI 的输出是否稳妥预期。要是不稳妥，分析原因并对 prompt 进行调度和检阅。

借助万般化的表述体式张开屡次磨练，哄骗近义词替换、反义词对比等工夫，同期精良集合关键词与险阻文来尝试各式不同指示，最终笃定一条稳妥的指示。惟恐大模子效力欠安并非其本人流毒，而可能是由于未领受线路明确的指示所致。这种指示就如同神奇的 “魔法咒语” 一般，一朝哄骗准确，不息梗概成绩渔人之利之效。

本文由 @波比巴拉丹 原创发布于东谈主东谈主齐是居品司理。未经作家许可，不容转载

题图来自Unsplash，基于CC0合同

该文不雅点仅代表作家本东谈主凯时体育游戏app平台，东谈主东谈主齐是居品司理平台仅提供信息存储空间行状

发布于：广东省