目前大模型已经是一个趋势,有句话说“不是AI淘汰你,而是懂得用AI的人会淘汰你”,虽然说得有点夸张,但也表达出了会用AI是今后职场生存的必备之技能。下面是我参考了Open AI提示词指南之后总结的七个提示词要点,阅读完大约需要10分钟,但相信在你读完之后,可以学会更加有效地与大模型沟通。以下内容非常简单实用,建议先收藏,在用大模型时再来打开参考。
提示词工程之所以有效,背后的原理是由大模型的训练方式决定的,特定格式的提示词可以让模型工作得更好,产生更加有用的输出。
1. 在提示词的开头放置指令,并使用 ###或””” 来分隔指令和上下文。
效果较差的写法❌:
用列表的形式总结以下文字的重要观点。 {文字内容} |
更好的写法✅:
用列表的形式总结以下文字的重要观点。 文本:### {文字内容} ### |
①人工智能/大模型学习路线
②AI产品经理入门指南
③大模型方向必读书籍PDF版
④超详细海量大模型实战项目
⑤LLM大模型系统学习教程
⑥640套-AI大模型报告合集
⑦从0-1入门大模型教程视频
⑧AGI大模型技术公开课名额
2. 关于上下文、结果、长度、格式、风格等尽可能写具体和详细。
效果较差的写法❌:
写一首关于程序员的诗。 |
更好的写法✅:
写一首关于程序员励志的短诗,聚焦在科技快速发展过程中,程序员群体很辛苦,且35岁面临中年危机,上有老下有小,有房贷,生活不易。用鲁迅风格。 |
3. 通过例子说明需要的输出格式。
效果较差的写法❌:
抽取文本中提到的实体。抽取以下4类实体:公司名,人名,特定话题和文章主题。 文本:### { 文本内容} ### |
更好的写法✅:
抽取文本中提到的实体。抽取以下4类实体:公司名,人名,特定话题和一般主题。 需要的格式: 公司名:<用逗号分隔多个公司名> 人名:-||- 特定话题:-||- 一般主题:-||- 文本:### { 文本内容} ### |
4. 先尝试零样本,没得到预期的结果时才用少数样本。
✅零样本:
从下面文本中提取关键词。 ### 文本:{文本内容} ### |
✅少数样本:
从下面相应的文本中提取关键词。 ### 文本1:{PicTech提供图片翻译API,开发者可以集成图片翻译到他们的跨境电商系统中。} 关键词1:PicTech, 图片翻译API, 开发者, 跨境电商系统 ## 文本2:{Meta公司训练了非常擅长理解和生成文本的前沿语言模型,并且开源给全世界使用,这种开源精神加速了人类科技的发展,非常值得尊敬。} 关键词2:Meta公司, 前沿语言模型, 开源, 人类科技的发展, 尊敬 ## 文本3:{Neil长期从事互联网行业,对人工智能也非常感兴趣,致力于科技改变生活。} 关键词3 ### |
5. 减少空洞和不精确的描述。
效果较差的写法❌:
这个产品的描述需要相当的短,只要一些句子,以及不需要太多。 |
更好的写法✅:
使用2-3个段落描述这个产品。 |
6. 使用 “需要做什么”代替“不需要做什么” 。
效果较差的写法❌:
下面是座席和客户之间的对话。不要问用户名或密码。不要重复。 顾客:我不能登录账号。 坐席: |
更好的写法✅:
下面是座席和客户之间的对话。坐席将尝试诊断问题并提出解决方案,同时避免询问与PII相关的任何问题。不要要求提供PII,例如用户名或密码,而是请用户参阅帮助文章。 顾客:我不能登录账号。 坐席: |
7. 代码生成说明,使用 “ 引导词 ” 将模型引入特定模式。
效果较差的写法❌:
# 写一个python函数完成: # 1. 输入一个数组 # 2. 将数组从大到小排列 |
下面的代码仅仅增加了“import”,提示模型需要用python来写,而不是其他语言。
更好的写法✅:
# 写一个python函数完成: # 1. 输入一个数组 # 2. 将数组从大到小排列 import |
以下参数用于API调用,一般用户用不着,可以选择性地阅读。
API参数
1. model - 效果更好的模型,通常也更昂贵和更耗资源,延迟也更多,所以合适的就是最好的。
2. temperature - 值越高,输出就越随机(通常也是意味着更具创造性),但可能离“真实”越远。对于大多数抽取事实的场景,例如数据提取和真实问答, temperature为0是最好的。
3. max_tokens(maximum length) - 在进行推理(即模型生成文本)时,max tokens指定模型在停止生成之前可以生成的最大token(或词)数量。
4. stop (stop sequences) - 一组token(或词),当被生成时,文本生成就停止了。
提示词工程是一项重要实践,它能够帮助人们更有效地与大型模型进行沟通。通过一系列准则,包括指令明确、上下文详细、例子说明、少量样本等,可以提高模型的输出质量。此外,减少空洞描述、使用“需要做什么”代替“不需要做什么”、使用引导词等技巧也能提升效果。另外,参数设置对于API调用也十分关键,包括选择模型、控制 temperature、限制max_tokens和定义停止条件等。
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓