<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Prompt</title><link>https://www.communeify.com/cn/tag/prompt/</link><description>Communeify - Your Community Platform</description><generator>Hugo</generator><atom:link href="https://www.communeify.com/cn/tag/prompt/" rel="self" type="application/rss+xml"/><item><title>提示工程：优化大型语言模型输出的策略与技巧</title><link>https://www.communeify.com/cn/blog/openai-prompt-engineering/</link><guid isPermaLink="true">https://www.communeify.com/cn/blog/openai-prompt-engineering/</guid><pubDate>Tue, 23 Jul 2024 23:21:46 +1000</pubDate><description>本指南分享了如何从大型语言模型（如 GPT-4）中获得更好结果的策略和技巧。这些方法可以单独使用，也可以组合使用以达到更好的效果。
六大策略获得更好的结果 撰写清晰的指令
解释：清晰的指令能帮助模型更准确地理解您的需求，从而提供更相关的回答。
包含详细信息以获得相关答案 例子：不要只问“如何在 Excel 中添加数字？”，而是问“如何在 Excel 中自动将一整行美元金额相加，并将总数放在名为‘总计’的列中？”
要求模型采用特定角色 例子：“当我请求写作帮助时，请以幽默作家的身份回复，每个段落中至少包含一个笑话或俏皮话。”
使用分隔符明确区分输入的不同部分 例子：使用三重引号、XML 标签或章节标题来分隔不同的文本部分。
指定完成任务所需的步骤 例子：“请遵循以下步骤回答用户输入：步骤 1 - 总结文本；步骤 2 - 将总结翻译成西班牙语。”
提供范例 例子：给出几个问题和答案的范例，让模型理解您期望的回答风格。
指定所需输出的长度 例子：“请用大约 50 字总结以下文本。”或“请用 3 个要点总结以下文本。”
提供参考文本
解释：提供相关的参考资料可以帮助模型生成更准确、更有根据的回答。
指示模型使用参考文本回答 例子：“使用提供的文章（由三重引号分隔）回答问题。如果无法在文章中找到答案，请写‘我找不到答案’。”
指示模型引用参考文本中的内容回答 例子：“回答问题时，请引用提供文件中的相关段落。使用以下格式进行引用：{‘引用’：&amp;amp;hellip;}”
将复杂任务分解为简单子任务
解释：将复杂任务分解可以提高准确性，并使处理过程更加清晰。
使用意图分类来识别用户查询最相关的指令 例子：首先将客户服务查询分类（如计费、技术支持等），然后根据分类提供相应的处理指令。
对于需要非常长对话的应用程序，总结或过滤先前的对话 例子：定期总结对话历史，将摘要作为新的上下文，以保持对话的连贯性。
分段总结长文件，并递归地构建完整摘要 例子：将长文件分成几个部分，分别总结，然后将这些总结再次总结，直到得到整个文件的简洁摘要。
给模型思考时间
解释：允许模型进行更深入的思考可以产生更准确、更全面的回答。
指示模型在得出结论前先制定自己的解决方案 例子：“在评估学生的解决方案之前，请先自己解决这个问题。”
使用内心独白或一系列查询来隐藏模型的推理过程 例子：要求模型将推理过程放在特定格式中（如三重引号内），以便后续处理时可以将其过滤掉。
询问模型是否遗漏了先前通过的内容 例子：“你是否遗漏了任何相关的摘录？请仔细检查，确保不要重复已提到的内容。”
使用外部工具
解释：结合外部工具可以弥补模型的弱点，提高回答的准确性和实用性。
使用基于嵌入的搜索实现高效的知识检索 例子：使用文本嵌入来检索与查询最相关的文档片段，然后将这些信息提供给模型。
使用代码执行来执行更准确的计算或调用外部 API 例子：“你可以使用三重反引号编写和执行 Python 代码。使用这个功能来执行计算。”
让模型能够访问特定功能 例子：提供 API 文档或代码示例，让模型学会如何使用特定的外部功能。
系统地测试变更
解释：系统性的测试可以帮助确定所做的更改是否真正改善了模型的性能。
参考黄金标准答案评估模型输出 例子：使用包含已知正确答案的测试集，比较模型的输出与标准答案的匹配程度。 结论 提示工程是优化大型语言模型输出的关键技术。通过运用本指南中介绍的六大策略及其相应的技巧，用户可以显著提高与 AI 模型互动的效果：</description></item></channel></rss>