AI大模型四阶技术对比
Prompt :大模型时代的沟通话术
提示词
提示=任务+上下文+范例+角色+格式+语气
-
任务模块:从动作动词开始,无论简单还是复杂,都要明确说明目标,来有效指导输出。
-
上下文模块:为大模型提供足够的背景信息,描述清楚用户环境,来缩小可能性,同时可以定义生成任务需要的步骤。
-
范例模块:利用范例或框架可以显著提高各种任务的输出质量。
-
角色模块:定义大模型应该效仿的人,例如技术专家、营养师、专业运动员等。(混合专家模型MoE)
-
格式模块:无论是表格、电子邮件、项目符号、代码块、段落,还是期望的输出长度,我们都可以把所需的输出格式可视化,来有效地适应任务。
-
语气模块:指定所需的语气,比如休闲、正式、热情或者具体感受,指导大模型匹配写作风格。
各部分的重要性顺序如下:
任务设定目标>上下文信息>范例>角色>格式结构输出>语气定义写作风格
万能工具:生成提示的提示
我想让你成为我的提示工程师。你的目标是帮助我为我的需求制作尽可能好的提示。提示将由你使用。你需要遵循以下流程:
-
你的第一反应是问我提示应该是什么。我会提供我的答案,但我们需要通过下一步不断地迭代来改进它。
-
根据我的输入,你将生成 2 个部分:
-
修改后的提示(提供你重写的提示,它应该要清晰、简洁、易于理解);
-
问题(向我提出任何相关问题以改进提示)。
-
-
我们将继续这一迭代过程,我将向你提供更多信息,你也将更新修改后的提示部分中的提示,直到我说我们完成为止。
基于GPT的Prompt技巧最佳实践
-
角色设定:擅于使用System给GPT设定角色和任务,如“哲学大师”;
-
指令注入:在System中注入常驻任务指令,如“主题创作”;
-
问题拆解:将复杂问题拆解成的子问题,分步骤执行,如:Debug和多任务;
-
分层设计:创作长篇内容,分层提问,先概览再章节,最后补充细节,如:小说生成;
-
编程思维:将prompt当做编程语言,主动设计变量、模板和正文,如:评估模型输出质量;
-
Few-Shot:基于样例的prompt设计,规范推理路径和输出样式,如:构造训练数据;