LLM提示词相关问题整理

1.使用各种分割符号，将输入的内容标记好，以便模型去精确的获取内容

triple quotes:"""
triple buckticks:```
triple dashes:---
angle brackets:<>
xml tags:<tag></tag>

推荐使用上面的标记符号去标记文章内容，这样便于模型识别

prompt=f"

```

据俄联邦委员会消息，12日，俄罗斯总统普京提名此前担任第一副总理的安德烈·别洛乌索夫为俄国防部长

```

你的任务是总结上面的新闻，提取不超过10个字的摘要

"

2.要求模型的输出格式为json 或 html

这样便于将模型的输出直接对接应用程序，注意对于返回的json可能需要自己再去进行一定的处理

输出可能为

```json

{"a":"b"}

```

3.做一些校验和判断，这里要考虑边缘情况

这里我的理解就是在提示词中设计一些异常场景的处理，以便模型的返回能格式化，标准化。尽量避免文字性描述，尤其是在一些逻辑判断任务中

prompt="提取文章中的人名，如果没有出现任何人名则返回```无```"

4.给模型一些样例，然后再去处理当前需要做的任务

举例后再去提问，这样能给模型一个参考，并给模型“思考”的时间

5.给出完成任务的步骤，让模型按这个步骤处理

给出完整的任务处理步骤，让模型按图索骥，这里和4不一样。5是给出解体公式，4是给出解题样例

prompt="从下面的文章中判断任务是否达标

step1:找到文章中所描述的任务

step2:根据任务找到对应的完成时间

step3:判断完成时间是否小于当前时间，如果大于或者等于则返回True,如果小于返回False"

6.处理任务时，需要注意模型生成的幻觉答案

这里主要是处理模型乱回答，编造假信息的问题。主要通过答案关联源文档的内容，通过提示词让模型指出回答对应源文档中那些内容来进行真伪判断