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