GPT4-Prompt 赛博咒语

Prompt 公式是提示的特定格式，通常由三个主要元素组成：

• 任务：对提示要求模型生成的内容进行清晰而简洁的陈述。
• 指令：在生成文本时模型应遵循的指令。
• 角色：模型在生成文本时应扮演的角色。

指令提示技术

提示公式：“按照以下指示生成[任务]：[指令]”

生成客户服务响应：

• 任务：生成响应客户查询
• 指令：响应应该专业且提供准确的信息
• 提示公式：“按照以下指示生成专业且准确的客户查询响应：响应应该专业且提供准确的信息。”

生成法律文件：

• 任务：生成法律文件
• 指令：文件应符合相关法律法规
• 提示公式：“按照以下指示生成符合相关法律法规的法律文件：文件应符合相关法律法规。”

角色提示

提示公式：“作为[角色]生成[任务]”

下面是一个示例，展示了如何将指令提示、角色提示和种子词提示技术结合使用：

• 任务：为新智能手机生成产品描述
• 指令：描述应该是有信息量的，具有说服力，并突出智能手机的独特功能
• 角色：市场代表 种子词：“创新的”
• 提示公式：“作为市场代表，生成一个有信息量的、有说服力的产品描述，突出新智能手机的创新功能。该智能手机具有以下功能[插入您的功能]”

标准提示

提示公式：“生成一个[任务]”

以下是如何将标准提示、角色提示和种子词提示技术结合使用的示例：

• 任务：为一台新笔记本电脑撰写产品评论
• 说明：评论应客观、信息丰富，强调笔记本电脑的独特特点
• 角色：技术专家
• 种子词：“强大的”
• 提示公式：“作为一名技术专家，生成一个客观而且信息丰富的产品评论，强调新笔记本电脑的强大特点。”

在这个示例中，标准提示技术用于确保模型生成产品评论。角色提示用于确保评论是从技术专家的角度写的。而种子词提示用于确保评论侧重于笔记本电脑的强大特点。

零、一和少样本提示

提示公式：“基于[数量]个示例生成文本”

为没有可用示例的新产品编写产品描述：

• 任务：为新的智能手表编写产品描述
• 提示公式：“基于零个示例为这款新智能手表生成产品描述”

使用一个示例生成产品比较：

• 任务：将新款智能手机与最新的iPhone进行比较
• 提示公式：“使用一个示例（最新的iPhone）为这款新智能手机生成产品比较”

使用少量示例生成产品评论：

• 任务：为新的电子阅读器撰写评论
• 提示公式：“使用少量示例（3个其他电子阅读器）为这款新电子阅读器生成评论”

“让我们思考一下”提示

“让我们思考一下”提示的公式非常简单，即“让我们思考一下”后跟一个主题或问题。

以下是使用此技术的一些提示示例：

• 提示：“让我们思考气候变化对农业的影响”
• 提示：“让我们讨论人工智能的当前状态”
• 提示：“让我们谈谈远程工作的好处和缺点” 您还可以添加开放式问题、陈述或一段您希望模型继续或扩展的文本。

自洽提示

洽提示的提示公式是输入文本后跟着指令“请确保以下文本是自洽的”。

示例1：文本生成

• 任务：生成产品评论
• 指令：评论应与输入中提供的产品信息一致
• 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]”

示例2：文本摘要

• 任务：概括一篇新闻文章
• 指令：摘要应与文章中提供的信息一致
• 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]”

示例3：文本完成

• 任务：完成一个句子
• 指令：完成应与输入中提供的上下文一致
• 提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]”

种子词提示

种子词提示的提示公式是种子词或短语，后跟指令“请根据以下种子词生成文本”。

示例1：文本生成

• 任务：编写一首诗
• 指令：诗应与种子词“爱”相关，并以十四行诗的形式书写。
• 角色：诗人
• 提示公式：“作为诗人，根据以下种子词生成与“爱”相关的十四行诗：”

示例2：文本完成

• 任务：完成一句话
• 指令：完成应与种子词“科学”相关，并以研究论文的形式书写。
• 角色：研究员
• 提示公式：“作为研究员，请在与种子词“科学”相关且以研究论文的形式书写的情况下完成以下句子：[插入句子]”

示例3：文本摘要

• 任务：摘要一篇新闻文章
• 指令：摘要应与种子词“政治”相关，并以中立和公正的语气书写。
• 角色：记者
• 提示公式：“作为记者，请以中立和公正的语气摘要以下新闻文章，与种子词“政治”相关：[插入新闻文章]”

知识整合提示

示例1：知识整合

• 任务：将新信息与现有知识整合
• 说明：整合应准确且与主题相关
• 提示公式：“将以下信息与关于[具体主题]的现有知识整合：[插入新信息]”

示例2：连接信息片段

• 任务：连接不同的信息片段
• 说明：连接应相关且逻辑清晰
• 提示公式：“以相关且逻辑清晰的方式连接以下信息片段：[插入信息1] [插入信息2]”

示例3：更新现有知识

• 任务：使用新信息更新现有知识
• 说明：更新的信息应准确且相关
• 提示公式：“使用以下信息更新[具体主题]的现有知识：[插入新信息]”

控制生成提示

可以通过提供一组特定的输入来实现，例如模板、特定词汇或一组约束条件，这些输入可用于指导生成过程。

示例1：文本生成

• 任务：生成一个故事
• 说明：该故事应基于特定的模板
• 提示公式：“根据以下模板生成故事：[插入模板]”

示例2：文本补全

• 任务：完成一句话
• 说明：完成应使用特定的词汇
• 提示公式：“使用以下词汇完成以下句子：[插入词汇]：[插入句子]”

示例3：语言建模

• 任务：以特定风格生成文本
• 说明：文本应遵循一组特定的语法规则
• 提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入上下文]”

对话提示

示例1：对话生成

• 任务：生成两个角色之间的对话
• 说明：对话应自然且与给定上下文相关
• 提示公式：“在以下情境中生成以下角色之间的对话[插入角色]”

示例2：故事写作

• 任务：在故事中生成对话
• 说明：对话应与故事的角色和事件一致
• 提示公式：“在以下故事中生成以下角色之间的对话[插入故事]”

示例3：聊天机器人开发

• 任务：为客服聊天机器人生成对话
• 说明：对话应专业且提供准确的信息
• 提示公式：“在客户询问[插入主题]时，为客服聊天机器人生成专业和准确的对话

强化学习提示

强化学习提示是一种技术，可以使模型从过去的行动中学习，并随着时间的推移提高其性能。

示例1：用于文本生成的强化学习

• 任务：生成与特定风格一致的文本
• 说明：模型应根据为生成与特定风格一致的文本而接收到的奖励来调整其行为
• 提示公式：“使用强化学习来生成与以下风格一致的文本[插入风格]”

示例2：用于语言翻译的强化学习

• 任务：将文本从一种语言翻译成另一种语言
• 说明：模型应根据为生成准确翻译而接收到的奖励来调整其行为
• 提示公式：“使用强化学习将以下文本[插入文本]从[插入语言]翻译成[插入语言]”

示例3：用于问答的强化学习

• 任务：回答问题
• 说明：模型应根据为生成准确答案而接收到的奖励来调整其行为
• 提示公式：“使用强化学习来回答以下问题[插入问题]”

让我们一步一步来做，以确保我们有正确的答案。