策略二:要求一个结构化的输出,可以是 Json、HTML 等格式
第二个策略是要求生成一个结构化的输出,这可以使模型的输出更容易被我们解析,例如,你可以在 Python 中将其读入字典或列表中,此类数据在生产环境中更具鲁棒性。
在以下示例中,我们要求 GPT 生成三本书的标题、作者和类别,并要求 GPT 以 Json 的格式返回给我们,为便于解析,我们指定了 Json 的键。
prompt = f"""
请生成包括书名、作者和类别的三本虚构书籍清单,书籍清单为中文书目\
并以 JSON 格式提供,其中包含以下键:book_id、title、author、genre。
"""
response = get_completion(prompt)
print(response)
书名,作者,类别为任务,书籍清单为中文书目为边界范围
JSON输出为任务,相关的键为JSON的key
输出结果:
{
"books": [
{
"book_id": 1,
"title": "时间之门",
"author": "张三",
"genre": "科幻"
},
{
"book_id": 2,
"title": "红楼梦",
"author": "曹雪芹",
"genre": "古典文学"
},
{
"book_id": 3,
"title": "追风筝的人",
"author": "卡勒德·胡赛尼",
"genre": "现代文学"
}
]
}
结果评测:gpt很好的生成出相关的json,Python 可将其读入字典或列表中,此类数据在生产环境中更具鲁棒性。