大模型-GPT-prompt-提示词

部分内容可能来自网络或者由GPT生成。
如有雷同，纯属巧合，仅供学习参考之用。

prompt是什么

• prompt 中文翻译为“提示”，在使用 ChatGPT 时，prompt 就是 ChatGPT 的输入提示词，帮助提示工程师设计和优化自然语言处理（NLP）模型中使用的提示的过程，就叫做「提示工程」。使用过 ChatGPT 的同学都知道，他虽然可以回答一些问题，但是好像质量或者格式不太满足预期，感觉就是一个语言套路大师，其实，通过学习一些 prompt 技巧，可以帮我们更高效的使用 ChatGPT 生成更高质量的内容。
• AI 届大名鼎鼎的 Andrej Karpathy也发推说，当前世界最新最热门的编程语言是英语。
• 举个栗子：
  • Prompt A：模型输入：你知道圆的面积吗？模型输出：知道。
  • Prompt B：模型输入：圆的面积如何计算？模型输出：圆的面积计算公式是A=π2，其中"A"代表…
  • promptB明显更优，为此衍生出了prompt.工程。prompt_工程会针对不同场景构造prompt,最大程度发挥出大模型的能力。要充分、高效地使用Al,Prompt工程必不可少。
• Prompti简单来说就是驱动大模型进行表达文本描述。更详细的说，Prompt的基本定义包括以下几个要素：
  • 文本片段：Prompti可以是一个短语、一句话、一个段落，甚至是一个完整的问题。用于明确和传达特定的意图或任务要求
  • 引导模型行为：Prompt的目的是引导模型执行特定的操作或生成特定类型的输出。可以包括回答问题、完成任务、写作文章、生成代码等。Prompt需要明确指导模型的期望行为，确保生成的结果符合预期。
  • 上下文约束：Prompti可以包含上下文信息，以便模型理解和生成与之相关的内容。上下文可以是先前的对话历史、背景知识或特定领域的约束。通过提供相关的上下文，Prompt帮助模型更好的理解输入和生成输出。
  • 设计和优化：Prompt的设计是一门艺术。良好设计的Prompt应当明确、简洁、一致，并且能够有效的引导模型生成准确和有价值的输出。优化Prompt需要进行实验和反馈迭代，以提高模型生成的质量和一致性。
• 在自然语言处理和机器学习中，“token” 是指文本中的最小单位或基本元素。通常，文本会被分割成一个个的 token，可以是单词、字符、子词（subword）或其他形式的单位，以便进行进一步的处理和分析。总而言之，这段话中的 “token” 指代了自然语言处理和机器学习中的文本基本单位，用于表示和操作语言数据的最小元素。
• ChatGPT 3.5 turbo 支持 4096 个 token，ChatGPT 4 支持 8000 个 token。ChatGPT 会把上下文的内容，通过分词，生成 token 序列，寻找最接近的 token 序列，输出内容。举个例子：看到儿子做作业磨磨唧唧，然后作为老父亲的我，巴拉巴拉对着儿子说了一大堆，大的宏观的长远的近期的等等等，可能说了 3 万字，但实际对儿子的大脑呢，将这 3 万字分解成一个一个的 token，假设能有 1.5 万 token，然后将 token 放进大脑的网络中，网络层层过滤，最后发现，有效 token 就 3 个：“赶紧”“做”“作业”。

prompt常用功能

• 信息总结&文本摘要：文章和概念总结成快速易读的摘要。
  • Prompt: 解释什么是量子科技。
• 信息提取：执行分类和一系列其他的自然语言处理(NLP)任务。

• Prompt:
  • 研究论文中的作者贡献声明和致谢应明确并具体说明作者在撰写和分析手稿过程中是否以及在什么程度上使用了诸如ChatGPT…
  • 请问：上文中该段落中提到的大型语言模型产品是什么？
• Output: 该段落中提到的大型语言模型产品是ChatGPT。

• 文案优化：

• Prompt:
  • 帮我丰富一下下面这句话：今天这个天气真好。
• Output：
  • 今天这个天气真好，阳光明媚，微风轻抚，让人心情愉悦。

• 问题问答&推理：
  • 提示可以结合指令、上下文、输入和输出指示符来获得更好的结果。随着您指令越具体，您将获得更好的结果。
• 内容创造：
  • 作为一个产品技术专家，你可以从技术和业务维度给出一些指标，衡量一个页面的质量吗？
• 代码生成&优化：通过巧妙的提示，你可以执行大量的代码生成任务。
• 更多创造性…

什么是好的prompt

• 目前很多平台上可以搜索很多优秀的prompt，但最适合当前场景的prompt一定不是随便从网上抄来的，关键在于如何基于一定的范式、参考优秀的prompt、持续去改进、微调自己的prompt，才能得出最优秀的prompt。 通常一个好的prompt，有以下几点：
• 明确的目标：确定本次提问的目标，如文本分类、实体标注、信息抽取、翻译、生成、摘要提取、阅读理解、推理、问答、纠错、关键词提取、相似度计算等。