prompt 并不是一件简单的事情,它可以包括多个阶段:设计、实现、评估、细化、迭代、验证、部署和维护

本文旨在汇总 prompt 的各种使用方式

 

https://mp.weixin.qq.com/s/8KpGFPsELFC0-njjIiitSg  解读提示工程(Prompt Engineering)       写的不错,写材料可以用

 

推荐先看个视频

https://build.microsoft.com/en-US/sessions/db3f4859-cd30-4445-a0cd-553c3304f8e2

或:

https://youtu.be/YrBJiy-V8MY

微软2023年Build大会来自OpenAI的AI 研究员和创始成员Andrej Karpathy的一个主题为State of GPT的演讲

 

prompt 基本原理

语言学习模型是一种人工智能(AI),能学习和模仿人类语言。

作者认为,LLM更像是一个模仿者,而不是一个追求成功的优秀学生。这是因为LLM会模仿它在训练中接触到的所有信息,不管这些信息是好是坏

想象一下,我们有一堆关于物理学的问题和答案。其中,有些答案可能是错的,而有些可能是对的。

LLM会学习这些答案,但它不会区分哪个答案是对的,哪个是错的。它会平等地模仿所有答案。

但是,如果我们想让LLM表现得更好,我们就需要更明确地告诉它我们的期望。在一些实验中,研究人员发现给LLM一些指导性的提示可以帮助它表现得更好。例如,我们可以告诉LLM:“让我们一步一步地解决这个问题,确保我们找到正确的答案。” 这样,LLM会更加集中地思考问题,而不是模仿一些可能错误的答案。

还有一个有趣的点是,我们可以自由地对LLM提出要求。我们可以告诉LLM:“你是这个领域的专家,你的智商是120。” 但是,我们也不能要求得太过分。如果我们告诉LLM,智商是400,那么LLM可能会给出一些很奇怪、像是科幻故事一样的答案。

找到一个合适的要求和指导方式是很重要的。这样,我们可以引导LLM给出更高质量和更准确的答案。

 

 openai 提出的几个prompt开发原则:

 

角色 system,user,assistant

在与GPT-4或类似的大型语言模型交互时,SYSTEM信息和USER信息是两个核心的组成部分。要明确系统信息(SYSTEM)与用户信息(USER)的区别。SYSTEM是交互的总体框架,它决定了交互的基本环境、意图和权限等;USER则是人类用户发出的具体指令或问题。

SYSTEM信息可以看作是交互的总体的、更高级别的框架,它包含了交互的基本参数和意图,例如用户的意图、请求的类型和交互的目的等,当然它也可以是定义的一些角色和角色的能力等,它为交互提供了一个基本的结构,使得交互更为有序和明确。

与此同时,USER信息是用户提供给机器的具体指令和请求。用户应该在USER信息中清晰、简洁地表达他们想要的结果,以及可能的步骤和方法来实现这些结果。

1.1 system:

它设定了 AI 的行为和角色,和背景。

常常用于开始对话,给出一个对话的大致方向,或者设置对话的语气和风格。

例如,可以把它设置为:“你是一个助理”或“你是一名历史教师”。这个消息可以帮助设定对话的语境,以便 AI 更好地理解其在对话中的角色。

也可以更加详细地进行设置。比如说,你需要一个导游,可以把它设置为:“我想让你做一个导游。我会把我的位置写给你,你会推荐一个靠近我的位置的地方。在某些情况下,我还会告诉您我将访问的地方类型。您还会向我推荐靠近我的第一个位置的类似类型的地方。”

1.2 user

就是我们输入的问题或请求。

比如说“北京王府井附近有什么值得去的地方?”

1.3 assistant

在使用 API 的过程中,你不需要直接生成 assistant 消息,因为它们是由 API 根据 system 和 user 消息自动生成的。

 

基础场景示例

写作Prompt
· 请帮我撰写一篇500字的文章,介绍机器学习的发展历史。采用通俗易懂的语言,适合高中生阅读。
· 你是一个旅游博主,专门为中国游客推荐加拿大旅游景点。请写一篇此风格的文章,推荐蒙特利尔值得一游的地方。
翻译Prompt
· 请将以下段落翻译成日语:XXX。
· 我是一名中文翻译员,请用简单易懂的日语来翻译以下汉语段落:XXX。
问答Prompt
· 问题:机器学习的三大流派有哪些?请简要回答。
· 我是一个智能助理,如果用户询问的问题是:XXX,那么我应该如何回答?
智能写作Prompt
· 请帮我创作一个幻想风格的短篇小说情节大纲,包含神秘森林场景。
·你是作家克拉克的智能写作助手,请根据他的上一部作品风格,创作本次小说的开头部分。
客服Prompt
· 你是我们公司的客服机器人。如果客户说:“我的订单一直未收到”,你应该如何回复?
· 我购买了你们的产品,但是收到时发现有质量问题。请代表你们公司回复我,告知解决方案。

 

常规技巧

角色扮演:让AI担当某种角色,从该角度作答。例如老师、律师、专家等身份,会带来逼真的语言风格。

模型的回答将会根据所采纳的角色特性来进行,使得回答更具特色和针对性。

这并非玄学,而是有科学根据的。
简单来说,GPT在训练的时候,有各种训练数据,有的质量高有的质量低,而默认情况下,生成高质量数据和低质量数据的概率差不多,
但是当你给它设定XX专家的角色时,它会尽可能把概率分布在高质量的解决方案上。

指定回复格式:可以要求AI以列表、图表、幻灯片等格式回答,直接得到可用的结构化信息。

风格模拟:指定某种语言风格,AI可以模仿出古文、学术语言、新闻报道等风格。

 

结构化 

https://mp.weixin.qq.com/s/ep08dte2qy2Jz2gPZg5b3A  一文汇总市面上所有prompts提示词框架

CHAT 模型

CHAT模型,是 Character(角色), History(背景), Ambition(目标), Task(行动) 的首字母缩写。

  • 🎭 Character  (角色) : 定义一个角色身份。
  • 😊 History(背景) : 输入充分的上下文背景信息, 事情的来龙去脉、遇到的问题都可以在背景中说清楚.
  • 🎯 Ambition(目标): 你要实现什么目标, 要达到的成果。
  • 📌 Task(行动): 它需要帮你完成什么样的事情, 即指令.

这些数据准备齐全后, 看起来是不是就像老板给下属安排工作一样. 其实越清晰的数据给到下属, 越可以帮助下属更好地完成工作, AI也是一样.

案例1 - 搜索管理软件

角色: 我是一家广告公司的项目经理。
背景: 我们公司有多个部门,经常同时进行多个项目。每个项目涉及到的部门和人员都不尽相同,我发现很难有效地追踪和管理项目进度。
目标: 我需要一个可以多人协作,跨部门跟踪项目的管理工具,它应该可以为我提供实时的项目状态、任务列表和进度报告。
行动: 请推荐一个符合这些要求的项目管理工具。

案例2 - 旅行计划

角色: 我是一个大学生,对历史和艺术有浓厚兴趣。
背景: 我刚刚结束了繁重的学期,拥有两周的假期。这是我第一次solo旅行,希望能够独自探索和体验文化。
目标: 想去一个预算友好的地方,既能看到美丽的景色,又能深入了解当地的历史和文化。
行动: 请为我提供一个旅行建议并包括一些必访的景点。

BRTR原则

https://mp.weixin.qq.com/s/IrHoGgnUTB6P6t5idyvK3A

CRISPE 

知名的 CRISPE 提示词框架就是典型思维模式结构化,CRISPE 分别代表以下含义:

  • CR:Capacity and Role(能力与角色)。你希望 ChatGPT 扮演怎样的角色。
  • I:Insight(洞察力),背景信息和上下文(坦率说来我觉得用 Context 更好)。
  • S:Statement(指令),你希望 ChatGPT 做什么。
  • P:Personality(个性),你希望 ChatGPT 以什么风格或方式回答你。
  • E:Experiment(尝试),要求 ChatGPT 为你提供多个答案。

https://mp.weixin.qq.com/s/bCiDWZW-deGtsNvkZHrT8Q  CRISPE提示词框架

# Role: 好评生成器
# Profile:
- author: 李继刚(Arthur)
- version: 0.1
- language: 中文
- description: 生成一段幽默的好评
## Goals:
- 根据用户提供的体验优点生成一段幽默的好评
- 视角采用第一人称来描述(站在用户的视角)
- 用词口语化、语气轻松化,增加读者阅读体验
## Constrains:
- 只能生成中文好评文本
- 不能使用有争议或敏感的用词
## Skills:
- 自然语言处理技术
- 语言表达能力
- 幽默感
## Workflows:
1. 作为一个好评生成器,首先需要与用户打招呼,并要求用户提供体验优点相关信息。
2. 接着,根据用户提供的信息,使用自然语言处理技术生成一段幽默且符合要求的好评文本。
3. 最后,将生成的好评文本返回给用户,并友好地告别。
好提示词=模拟角色+描述问题+确定目标+补充要求
【立角色】:将ChatGPT引导到具体场景中,并赋予它一个专家的身份。 
【述问题】:向ChatGPT说明你的疑惑、问题,并提供所需的背景信息或者数据信息。
【定目标】:告诉chatGPT你的需求,你希望它为你做什么。
【补要求】:告诉它在回答时需要注意的事项,或者你希望它以什么形式回复你。
用途:讲故事
简介:根据主题和目标受众,输出与之相关的故事。
内容:我希望你充当一个讲故事的人。你要想出具有娱乐性的故事,要有吸引力,要有想象力,要吸引观众。它可以是童话故事、教育故事或任何其他类型的故事,
有可能吸引人们的注意力和想象力。根据目标受众,你可以为你的故事会选择特定的主题或话题,例如,如果是儿童,那么你可以谈论动物;如果是成年人,
那么基于历史的故事可能会更好地吸引他们等等。我的第一个要求是 '故事主题或受众' 

 参数解释

参数解读
Role 给 ChatGPT 指定某个领域专家角色,从而让 ChatGPT 更加聚焦在该领域内的回答
profile 对当前提示词的信息描述,包含作者、迭代版本、语言、描述等,方便记录相关信息
Background 将当前的背景信息详细描述给 GPT,让 GPT 根据信息做出更好的回答
Goals 明确定义 ChatGPT 应该如何处理,详细列出了整体流程,从而让 GPT 更加聚焦问题
Constrains 本质上就是输出规则,写明对 GPT 回答的要求包含形式、语气、专业程度等等
skills 加强 GPT 对领域内技能的权重,领域专家在领域内也存在最擅长的事,你可以增加对应细分领域的权重从而获得更好的回答
workflows 与 ChatGPT 交流的方式,怎么样接受信息,使用什么样的方法进行内容输出,是否需要额外增加什么信息
Examples 你提供给 ChatGPT 的案例,辅助 ChatGPT 更好的生成结果
Initialization 可以按照模板里面的固定语,基本不需要调整

 

 

 

 

 

 

 

编写一个爆款标题生成器的提示词,如下:

# Role:
你是微信公众号的一名百万粉丝博主,擅长编写爆款文章。

## profile:
- author:知白
- version:1.1
- language:中文
- description:用于生成爆款标题

## Background:
擅长从内容中提取到关键信息,能够生成一个吸人眼球的标题。

## Goals:
1. 从内容中找到文章想要表达的信息
2. 根据信息与热点标题的条件匹配,从而进行生成标题

## Constrains:
1. 满足条件设定、反差、直击人心
2. 参考过往的爆款标题进行生成
3. 字数不要超过15个字,表明立场
4. 每次输出3个爆款标题供用户选择

## skills:
1. 熟悉 AI 提示词相关信息,擅长与 AI 相关热点结合
2. 对 AI 的实时热点持续关注,容易找到用户感兴趣的点
3. 编写过多篇微信公众号 AI 领域10w+阅读的文章,标题极具特色

## workflows:
* 问好:“你好,我是你的 AI 爆款标题辅助器。请告诉我你的文章内容,由我来帮助你生成爆款标题”
* 输入:输入文章的主要信息内容
* 提取:从用户的输入内容中找到核心信息,与爆款标题的各个条件相匹配,从而选定如何生成
* 输出:将爆款标题直接输出给用户进行选择

## Examples:
1. 5分钟学会如何生成一个爆款标题
2. 这款 AI 神器杀疯了...
3. ChatGPT 的最强竞争对手竟然是它

# Initialization:冷启动时的对白,也是个需注意的机会
作为[role],在[Background]背景下,严格遵守 [constrains]以[workflow]的顺序和用户对话。

 

加入一些特殊的符号

在撰写提示语时加入特殊符号有助于吸引读者的注意力和兴趣。

例如,撰写提示语时,使用“#背景资料#”能起到以下作用:
1. 强调重要信息:通过使用“#背景资料#”,可以将提示语中的关键背景信息突出显示,吸引读者的注意力。例如:“#背景资料#了解你所在城市的历史和文化,让你更好地欣赏旅游景点。”
2. 提供相关背景知识:使用“#背景资料#”可以帮助读者了解与提示语相关的重要背景知识,以便更好地理解和应用所提供的建议或解决方案。例如:“#背景资料#在学习新技能之前,先了解一些基础知识是非常重要的。”
3. 引起好奇心:插入“#背景资料#”可以激发读者的好奇心,并引导他们探索更多相关的背景信息。例如:“#背景资料#发现这项创新技术背后的故事,了解它如何改变我们的生活。”
4. 提供进一步学习机会:通过在提示语中附加“#背景资料#”,可以向读者推荐额外的资源或链接,以便他们深入了解相关的主题或领域。例如:“#背景资料#点击此链接,了解更多关于环保的信息和行动方案。”
5. 增加专业性:在某些领域或行业中,使用“#背景资料#”可以展示您的专业知识和对所提供信息的深入了解。例如:“#背景资料#根据最新的市场研究数据,我们整理了一份关于市场趋势的报告。”
6. 增强可信度:通过提供“#背景资料#”,您可以证明您所提供的建议或解决方案是基于可信赖的背景信息和权威来源。例如:“#背景资料#这些建议基于最新的医学研究和专家意见。”
通过使用“#背景资料#”,您可以为读者提供更多的信息和学习机会,同时凸显您的专业性和可信度。在使用时,确保相关的背景资料与提示语内容紧密相关,并提供具体的背景信息或链接,以便读者进一步了解。

在撰写提示语时,加入什么样的符号,可以提高答案质量和效果?举六个例子说明。

1. 问号(?):用于引起读者的好奇心,鼓励他们思考问题的答案。例如:“你知道如何快速学习一门新语言吗?”

2. 感叹号(!):用于强调某个重要的提示或建议。例如:“不要错过这个绝佳机会!”

3. 省略号(...):用于暗示更多的内容,引起读者的兴趣,可以继续添加更多信息或内容。例如:“掌握这些技巧,你将会有一段令人惊叹的旅程......”

4. 引号(“ ”):用于引用某一具体的问题或需求,使之更加突出。例如:“你想知道如何烹饪一道美味的意大利面吗?”

5. 数字(1、2、3等):用于列举具体的步骤或建议,使之更加清晰和易于理解。例如:“5个简单的方法让你更有效地管理时间。”

6. 加粗/斜体字体:用于强调关键词或短语,使之更加醒目和易于记忆。例如:“在工作中,要注重**团队合作**和**沟通技巧**的培养。”

7. 方括号 [ ]:用于表示需要替换为具体信息的占位符,提示将其替换为相关内容。例如:"[城市名称]","[日期]","[关键词]"。

8. 尖括号 < >:用于标记需要替换或填入自定义值的部分。 例如:"请告诉我<你的问题>","<您的姓名>"。

9. 大括号 { }:用于表示一组可选项或选择范围。例如:"请从以下选项中选择一个:{选项1,选项2,选项3}"。

10. 斜杠 /:可以使用斜杠将不同的选项或替代内容分隔开来。例如:"请选择您的首选领域:医学/工程/计算机科学。"

11. 冒号 ::用于引导需要补充详细信息的部分。例如:"请描述您的问题:"

12. 破折号 — 或连字符 -:可以使用破折号或连字符来连接相关信息或范围。例如:"请提供身份证号码范围:1000-2000。"

13. 艾特符号 @:在涉及到提及或引用特定实体或个人时,可以使用艾特符号来标记。例如:"请提供@username的联系信息。"

这些符号的使用可以使提示语更加吸引人、引人注目,并且帮助读者更好地理解和记忆所提供的信息。

然而,过度使用符号可能会导致信息过于繁杂,因此需要适度使用。

 

能写出10W+爆款文章的提示词

 

学习内容与指令内容

学习内容在指令上面好,不容易混淆,哪是学习内容,哪是指令内容。

学习内容在指令下面的情况:

学习内容在指令上面的情况:

 

限定输出

模板范式 Template Pattern

模板范式的核心思想是为LLM提供一个输出的模板,通过规定输出的格式,来保证LLM返回的结果符合我们的期望。这种方法尤其适用于那些需要按照特定格式返回结果的情况,比如报告、文章等。模板范式的使用方法要使用模板范式,我们需要在prompt中明确以下几点:

  • 我将为你提供一个输出的模板

  • X是内容的占位符

  • 尝试将输出内容放入我列出的一个或多个占位符中

  • 请保持我提供的格式和整体模板

  • 这是模板:PATTERN with PLACEHOLDERS

system

我将为你提供一个输出的格式模板。CAPITALIZED WORDS 是我的占位符。请用你的输出结果填充我的占位符。请保留我的模板的整体格式。我的模板是:
_**姓名:**_ NAME 
_**职业:**_ POSITION
_**年龄:**_ AGE
_**爱好:**_ HOBBIT
在下一个提示词中,我会给你数据来格式化。请根据我的模板创建。

对话

张三是一个公司的项目经理,今年40岁,爱好唱歌。李四20岁,是一个老师,爱好跑步

姓名: 张三
职业: 项目经理
年龄: 40
爱好: 唱歌
姓名: 李四
职业: 老师
年龄: 20
爱好: 跑步

指定JSON格式

以JSON格式输出,其中键名应为'xxx'

限定输出长度

可以要求模型生成指定长度的输出。目标输出长度可以根据词数、句子数、段落数、项目符号数等来指定。但请注意,指示模型生成特定数量的单词并不具有高精确度。模型更可靠地生成具有特定段落或项目符号数量的输出。

 

更多科学方式 

zero-shot prompt

zero-shot顾名思义就是零样本,就是在prompt中不加任何和任务相关的示例。

现在的大型语言模型(如GPT-3.5)经过微调后,能够遵循指令,并且在大量数据上进行训练,因此它们能够在没有事先训练的情况下完成一些任务。

下面是一个示例:需要注意的是,在上述提示中,并没有提供任何带有分类的文本示例给模型,大型语言模型已经理解了“情感”--这就是其zero-shot的体现。

当zero-shot无法达到预期效果时,在提示中提供少量的示例可以明显的提升推理的效果,即few-shot。

Few-Shot Prompt

few-shot Prompt的意思是指在prompt中加入和推理任务相同的推理样例。如任务:使用一个词语进行造句。

可以观察到,通过仅提供一个示例(即1-shot,prompt中标红的部分即示例),模型已经学会了如何执行任务。对于更困难的任务,可以尝试增加示例(例如3-shot、5-shot、10-shot等)进行实验。 

example1

任务:根据给定的句子,生成与其相反的句子。
示例:
句子:天空是蓝色的。
相反的句子:天空不是蓝色的。
句子:我喜欢吃苹果。
相反的句子:我不喜欢吃苹果。
句子:这个问题很难。
相反的句子:这个问题不难。
新任务:
句子:太阳在东边升起。
相反的句子:_______。

example2

示例 1: 评价: 这部手机的电池寿命惊人!我可以整天使用它,而无需充电。 
关键信息: 正面反馈,长电池寿命,白天无需充电。 
示例 2: 评价: 我喜欢这部手机的摄像头,但是它有点贵。 
关键信息: 正面反馈,好摄像头,价格昂贵。 
示例 3: 评价: 观看视频时,屏幕太小了。 
关键信息: 负面反馈,小屏幕,不适合观看视频。
评价: 我对客户服务不满意。他们根本没解决我的问题。 
关键信息: _______

 

COT 

要求大模型“写一个关于公司产品的竞品对比报告并发送邮件到xxxx,在必要的时候可以借助于外部工具“,你可能需要动态的构建类似这样的Prompt提示:

请按照给定的格式思考并回答问题。你有下面这些工具可以使用:
Tool1: 当需要查询公司产品信息时使用
Tool2: 当需要登记发送邮件使用
Tool3: 当需要网络搜索时使用
回答时请遵循以下
========内的格式: =========== Question: 我需要回答的问题 Thought: 回答该问题我需要做什么 Action: 【以上的一个工具名字】 Action Input: 【该工具的输入内容】 Observation: 【该工具上次的调用结果】 ...(以上的思考/行动/输入/观察可以重复迭代N次) Thought: 我现在知道最终答案 Final Answer: 最终输出答案 ============ {对话历史} 现在开始回答,记得按照指定格式进行一步一步的推理。

参考大模型框架Langchain内置提示工程

 

按照以下步骤回答用户的问题。
步骤1 - 首先自己解决问题。不要依赖学生的解决方案,因为它可能是错误的。将所有此步骤的工作用三个引号(""")括起来。
步骤2 - 将你的解决方案与学生的解决方案进行比较,并评估学生的解决方案是否正确。将所有此步骤的工作用三个引号(""")括起来。
步骤3 - 如果学生犯了错误,确定你可以给学生什么提示而不泄露答案。将所有此步骤的工作用三个引号(""")括起来。
步骤4 - 如果学生犯了错误,提供上一步中的提示给学生(不用三个引号括起来)。与其写“步骤4 - ...”,不如写“提示:”。                  

如何指定步骤;如何指定每一步的输出;如何利用上一步的结果;

TOT

GOT

AOT

SOT

POT

 


let's think step by step
Let's work this out in a step by step way to be sure we have the right answer.
多个角色分别进行输出, 然后进行投票, 得分高者获胜输出
Take a deep breath, let's think step by step

 

Chatgpt 一键优化 

利用 chatgpt 优化 prompt,示例提示词

作为专门致力于ChatGPT提示词优化的专家,我请你对以下示例提示词进行全面而精准的优化。目标是激发ChatGPT生成最优质的模型输出。在进行优化时,请确保满足以下几点:
语言准确:严格遵循ChatGPT的语言标准。
明确无歧义:确保提示词的表达清晰,排除任何模糊或歧义的成分。
综合考虑:请同时考虑任何可能影响输出质量的其他因素。
待优化提示词 = {{{prompt}}}

也可以多次、反复优化

我写的

你是一名资深的 话术专家,给你一段聊天记录,中间用'
'隔开,
    帮忙润色一下最后一句,确保表达更符合人类习惯,简洁明了。
    要求有以下几点:
    1.增加礼貌用语,但不要改变原意,禁止增加额外信息。
    2.结合上下文,完善内容,使得语义更完整。
    3.以JSON格式输出润色好的最后一句话,key是'sentence'
    4.不要改动前面的聊天记录,只修改最后一句。
    聊天记录:
    ['我想升级电脑\n', '你想升级什么\n', '主板\n', '具体可以选择:{x1型号,m1型号,uu专业款}\n']
    让我们一步一步来思考

优化第一版

作为一名经验丰富的话术专家,我将为你提供一段聊天记录,每条记录间以换行符'\n'分隔。你的任务是对最后一句话进行优化和润色,使其更符合日常对话的习惯,表达简练明了。请注意以下要求:
1.在保持原意不变的前提下,尽可能地增加礼貌用语,但请避免添加任何额外的信息。
2.参考前面的对话内容,对最后一句话进行适当的完善,以使语义更加完整。
3.请将润色后的最后一句话以JSON格式输出,其中键名应为'sentence'4.请仅对最后一句话进行修改,不要更改前面的聊天记录。
下面是需要你润色的聊天记录:
['我想升级电脑\n', '你想升级什么\n', '主板\n', '具体可以选择:{x1型号,m1型号,uu专业款}\n']
请你仔细思考并进行操作。

并不是 越优化越好,以实测为准

 

用指令写指令

以下指令的作用是:利用 CRISPE提示框架 来优化普通的prompt,生成优化后的 prompt

案例

 

模板收集

自动回复客户的电子邮件

您是客户服务AI助手。
您的任务是向一位重要客户发送电子邮件回复。
请根据使用三个反引号分隔的客户邮件评论,生成一封感谢客户评论的回复。
如果情绪是积极或中性的,请感谢他们的评论。
如果情绪是负面的,请道歉并建议他们联系客户服务。
确保使用评论中的具体细节。
以简洁专业的语气写作。
将电子邮件签名为“AI客户代理”。

客户评论:
```因此,在11月份,他们仍然以季节性销售的方式销售17件套装,价格约为49美元,打了半折,但由于某种原因(称其为价格欺诈),到12月第二周左右,同一系统的价格都上涨了,价格从70美元到89美元不等。11件套装的价格也比早期的29美元上涨了约10美元左右。所以看起来还不错,但如果您看基础部分,刀锁定的部分看起来不如几年前的版本那么好,但我打算对其非常温柔(例如,我会先在搅拌机中捣碎像豆子、冰、米等非常硬的物品,然后将它们粉碎成我想要的份量,然后切换到打蛋器刀片制作更细腻的面粉,制作冰沙时先使用十字切割刀片,然后使用平刀片使其更细/不那么浓稠)。制作冰沙时的特别提示:将计划使用的水果和蔬菜切碎并冷冻(如果使用菠菜-轻轻煮熟菠菜然后冷冻直到准备使用-如果制作水果冰沙,则使用小到中等大小的食品处理器),这样您就可以避免添加太多冰或完全不添加-制作您的冰沙。大约一年后,电机发出奇怪的声音。我打电话给客户服务,但保修已经过期了,所以我不得不再买一个。FYI:这些产品的整体质量已经下降了,因此他们有点依靠品牌认可和消费者忠诚度来维持销售。两天后收到。```
评论情绪:负面

 

按指定格式创作文档

请为我的遥控汽车商品写一份介绍文档,要求按以下格式输出:
1.添加一个段落:介绍本遥控汽车的品牌添加一个有序列表:介绍遥控汽车的功能特点
2.添加一个表格:介绍遥控汽车的性能参数,包括重量,行驶距离,待机时长
3.添加一个无序列表:介绍遥控汽车收获到的用户好评;
4.添加一个表格:介绍遥控汽车的构成,包括主机,遥控器,配件,充电线,以及各元素的用处添加一个段落:总结购买遥控汽车的好处;

Agent 的一种示例

 

客服意图识别

## Role
你是一名企业内部的专职客服,只提供专业的业务类咨询
## Task
1.对用户问题进行意图识别,意图包括{问答类,闲聊类},业务咨询属于问答类,其他属于闲聊
2.识别用户问题的真正含义,并以用户的身份来表达,如果对问题无法理解,输出"无法理解"即可,
3.以JSON格式完成TASK的输出,包含以下键:yitu 和 hanyi,yitu 对应意图识别,hanyi 对应真正含义
## Example
真正含义提取:<我饿了,你想吃什么,西瓜>,真正含义为:我饿了,想吃西瓜

temperature 为0 时可稳定输出符合要求的格式

 

我写给 chatgpt 的

## Role
    你是一个企业管理专家,给你一组企业制度相关的材料,根据这些材料回答问题,并给出你认为最有用的材料的来源。
    如果材料中没有答案,可以说'未提供相关材料,无法解答'## Skills    
    1.你可以识别材料中目录,如1.1,并根据目录结构进行分析、回答,
    2.如果材料某部分内容和问题关联性不大,但处在问题对应的目录章节下,仍需作为答案的一部分。
    ## Constrains
    1.答案目录结构要完整,正文可做简要描述,正文限制在300字以内,
    2.如果答案太长,可只回答主要内容,并引导用户继续提问细节。
    ## Examples      加上这个作用明显
    2 标题2
    正文xxx
        2.1 标题2.1
        正文xxx
    问题与 标题2 相关,但与 标题2.1关系不大,生成答案为 标题2包含标题2.1,后接正文总结
    ##
    输出json字符串,包含以下键:answer 和 from,answer 对应答案,from 对应来源。    # 这句建议单独写
    ##
    下面开始任务
    材料:
    %s
    问题:
    %s

 

 

 

销售产品和服务时最适合使用的三种格式

PAS

AIDA

BAB 

 

实战记录

经验1

#角色
作为一个智能助手,你的任务是根据给定的文档回答问题,如果文档中不包含与问题相关的内容,请回答 我不知道;

#要求与限制
1.输出答案分为三部分:解决方法、参考文档、对应章节;
2.输出相关文档中的“处理步骤”段落,对应"解决方法"3.输出相关文档中的“参考文档”的地址,对应"参考文档“,注意不要给地址添加其他内容;
4.输出相关文档开头的数字,对应”对应章节“;
请思考是否满足以上要求,如果不满足,请重新生成,
让我们一步一步思考

1. 注意输出格式的结构化表述,这种方式 效果很好,也可以要求输出 json格式

2.请思考是否满足以上要求,如果不满足,请重新生成,     -->这一句可能造成一个问题给了多个答案

3.让我们一步一步思考,  -->这一句 要求 llm 根据 设定 一步一步执行,可能造成 步骤以外 的要求 失效,如 角色里的要求 失效

4.可以指导 文档中 的 某一部分:文档中的“处理步骤”段落

 

 

 

 

 

参考资料:

https://mp.weixin.qq.com/s/N5ZAkKPJXtfpelxRP525PQ   Chat GPT Prompt指南(六):提升文章/报告/协作效率

https://mp.weixin.qq.com/s/BSsS5ZOOj_48UjX7fMhY2g  三个超级好用的chatGPT论文润色指令

https://mp.weixin.qq.com/s/3BHcqTDIJyrvMVdAkm0yhQ  Prompt的科学范式(上篇)

https://zhuanlan.zhihu.com/p/629087587  大模型思维链(Chain-of-Thought)技术原理 及 优化

https://mp.weixin.qq.com/s/cqoq0e4ZIzDAvusDrvYD4g  提示词进阶技巧-CHAT模型

https://mp.weixin.qq.com/s/7qmfASBuq6M12f-3PaKvTA  ChatGPT提示工程 - 邮件回复、营销文案

https://mp.weixin.qq.com/s/1r18J8Lg1kIyAMZXQIFdmA  思维链 (CoT)、思维树 (ToT)、思维图 (GoT) 等等…都是什么?

https://mp.weixin.qq.com/s/W52fDrhmljnZ7mDiv7Nb_w  结构化 prompt

https://mp.weixin.qq.com/s/N4Pd42S2yHb9OWvk1Sv-LQ     销售产品和服务时最适合使用的三种格式