打开App
8 小时前
关注
本文内容
显示另外 10 个
本指南将指导你提示设计和提示工程方面的一些高级技术。 如果你不熟悉提示工程，建议从提示工程指南简介开始。
虽然提示工程的原则可以在许多不同的模型类型间归纳，但某些模型需要专用的提示结构。 对于 Azure OpenAI GPT 模型，目前有两个不同的 API，提示工程可以在其中发挥作用：
- 聊天补全 API。
- 补全 API。
每种 API 要求以不同的格式输入数据，这反过来又会影响整体的提示设计。 聊天补全 API 支持 ChatGPT 和 GPT-4 模型。 这些模型旨在接收存储在字典数组中的类似聊天的特定脚本格式的输入。
补全 API 支持较旧的 GPT-3 模型，并且具有更灵活的输入要求，即它接受没有特定格式规则的文本字符串。 从技术上讲，ChatGPT 模型可与任一 API 一起使用，但我们强烈建议对这些模型使用聊天补全 API。 若要了解更多，请参阅使用这些 API 的深入指南。
本指南中的技术将指导你提高使用大型语言模型 (LLM) 生成的响应的准确性和基础。 但是，请务必记住，即使有效地使用了提示工程，你仍需要验证模型生成的响应。 仅仅因为精心制作的提示适用于某个特定方案并不一定意味着它能更广泛地推广到某些用例。 了解 LLM 的限制与了解如何利用其优势一样重要。
本指南不深入介绍聊天补全消息结构背后的机制。 如果你不熟悉以编程方式与 ChatGPT 和 GPT-4 模型交互，建议先阅读有关聊天补全 API 的操作指南。
备注
本指南的这一部分中的所有示例都针对基础 GPT-4 模型进行了英语测试。 如果你在通过另一种语言阅读本文的本地化版本，则这些响应表示英语结果的本地化翻译。 若要根据你用于提示模型的语言详细了解潜在的限制，请参阅负责任 AI 透明度说明。
系统消息
系统消息包含在提示的开头，用于为模型提供上下文、说明或与用例相关的其他信息。 可以使用系统消息来描述助手的个性，定义模型应回答和不应回答的内容，以及定义模型响应的格式。
下面的示例显示了示例系统消息和生成的模型响应：
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一个 AI 助手，可帮助人们查找信息并以押韵的方式作出回应。 如果用户问了你不知道答案的问题，就说出来。 | 我是约翰·杜，你能说出关于我的什么？ | 亲爱的约翰，我很抱歉地说，我今天没有关于你的信息。我只是一个拥有知识的 AI，但是没有你的输入，我无法做解释。因此，请多告诉我你在寻找什么，我会尽我最大的努力给你一个独特的答案。 |
系统消息的其他一些示例包括：
- “助手是由 OpenAI 训练的大型语言模型。”
- “助手是一种智能聊天机器人，旨在帮助用户回答有关 Azure OpenAI 服务的技术问题。 仅使用以下上下文回答问题，如果不确定答案，可以说“我不知道”。
- “助手是一种智能聊天机器人，旨在帮助用户回答其税务相关问题。”
- “你是一名助手，旨在从文本中提取实体。 用户将粘贴文本字符串，你将使用从文本中提取的实体作为 JSON 对象进行响应。 下面是输出格式的示例：
JSON复制
{ "name": "", "company": "", "phone_number": "" }
需要了解的一个重要细节是，即使你在系统消息中指示模型在不确定答案时回答“我不知道”，这并不能保证此请求得到履行。 设计良好的系统消息可以增加产生特定结果的可能性，但仍可能会生成不正确的响应，可能会与系统消息中的指令的意图相矛盾。
少样本学习
使语言模型适应新任务的一个常见方法是使用少样本学习。 在少样本学习中，需要在提示中提供一组训练示例，以便为模型提供额外的上下文。
使用聊天补全 API 时，用户和助手之间的一系列消息（以新的提示格式编写）可以作为进行少样本学习的示例。 这些例子可以用来引导模型以某种方式相应，模仿特定的行为，并为常见的问题提供种子答案。
| 系统消息 | 少样本示例 |
|---|---|
| 助手是一种智能聊天机器人，旨在帮助用户回答其税务相关问题。说明- 仅回答与税收相关的问题。- 如果你不确定答案，你可以说“我不知道”或“我不确定”，并建议用户前往 IRS 网站获取详细信息。 | 用户 -“我需要报税的截止时间是？”助手 -“在 2023 年，你需要在 4 月 18 日前报税。 该日期在通常的 4 月 15 日最后期限之后，因为 4 月 15 日在 2023 年是星期六。 有关详细信息，请参阅 https://www.irs.gov/filing/individuals/when-to-file”用户 -“如何检查我的退税状态？”助手 -“你可以通过访问 https://www.irs.gov/refunds 检查你的退税状态” |
上表介绍了基本的提示结构，但有关确切提示格式的详细说明，需要参考聊天补全指南。
非聊天场景
虽然聊天补全 API 已优化为处理多回合对话，但它也可用于非聊天场景。 例如，对于情绪分析场景，可以使用以下提示：
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名助手，旨在分析语音数据中的情绪。 用户将粘贴一串文本，你将对讲者的响应进行评估。 给出 1-10 的评分（10 为最高）。 解释给出此评分的原因。 | 嗨，感谢你致电 Contoso 药店，我今天和谁通话？我了解你的挫败感，玛丽。你能告诉我你想要实现什么目标吗？好的，很高兴帮你看一下，请稍等片刻。我在这里看到你曾经使用过普通立普妥是吗？好的，那么我看到你的医生在 2021 年停止开这些药物的处方了。实际上是这样吗？好的，让我为你检查一下。因为有时候系统中会出现漏洞，并没有被报告出来。请稍等片刻，让我看看这里是否有记录。所以根据最新提供给我们的医生办公室记录显示，在 2012 年至 2021 年期间，你的医生曾经给你开过这些药物处方。好的，在最新记录中显示，现在医生已经更换了不同种类的药物–二甲双胍。请问我们需要帮忙准备并发放 500 毫克二甲双胍处方给你吗？不客气玛丽，请告诉我们今天还有什么可以帮到你的。 | 情绪评分：8此文本中的讲者在解决客户关注的问题时似乎很有礼貌、有帮助和耐心。 他们花时间检查信息，提供明确的解释，并提供协助。 但是，评分不是 10，因为对话的某些部分仍有不确定性的暗示，这可能无法向客户传达完全的信心。 |
从明确的说明开始
提示中显示信息的顺序很重要。 这是因为 GPT 风格的模型是以某种方式构建的，这定义了它们处理输入的方式。 我们的研究表明，在共享其他上下文信息或示例之前，在提示开始时告诉模型你希望它执行的任务有助于生成更高质量的输出。
备注
尽管通常仍建议遵循此方法，但与之前的模型版本（GPT-3 和更早）相比，我们的测试表明，无论是否使用该技术，ChatGPT 和 GPT-4 模型的模型响应都是相同的。 在下面的示例中，我们看到添加了语句“几个消息来源... 爆发”到提示的开头或末尾后，不会导致最终模型响应发生任何变化。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 你的任务是验证“几个消息来源提到了可能会发生另一次大爆发”这一说法是否有以下一组片段中的具体引文的支持。---内容片段[1] 专家称西雅图发生特大地震的几率为14%西雅图 - 美国地质调查局估计，在未来 50 年里，西雅图发生 9 级卡斯卡迪亚地震的可能性为 14%。 “不幸的是，我们无法...[2] 地震专家对西雅图的“真正的大地震”进行了最新展望“我们说，在未来 50 年里，大约有 14% 的机会再次发生大约 9 级的地震，”华盛顿大学的一位地球物理学家说。---“几个消息来源提到了可能会发生另一次大爆发”，此陈述是由内容片段直接暗示或明确表述的吗？ | 否，此陈述不由内容片段直接暗示或明确表述。 这些片段提到在未来 50 年内，西雅图有可能发生“特大地震”和“卡斯卡迪亚 9 级地震”，但没有提到另一次大型爆发的可能性。 |
在末尾重复指令
模型可能容易受到近因偏差的影响，在此上下文中，这意味着提示结束时的信息对输出的影响可能比提示开头的信息更大。 因此，值得尝试的是，在提示结束时重复指令，并评估对生成的响应的影响。
引导输出
这是指在提示的末尾包含几个字词或短语，以获取遵循所需形式的模型响应。 例如，使用 “Here’s a bulleted list of key points:\n- ” 等提示有助于确保输出的格式为项目符号列表。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 尽可能少地回答。 | 约翰·史密斯与露西·史密斯结婚了。 他们有五个孩子，他在 Microsoft 担任软件工程师。 我应该执行哪些搜索查询来检查此事实？ ## 一个可能的搜索查询是： | “约翰·史密斯与露西·史密斯结婚五个孩子软件工程师 Microsoft” |
在上述提示中，文本“一个可能的搜索查询是：”引导模型生成单个输出。 如果没有此提示，模型将生成多个搜索查询作为输出。
添加明确的语法
对提示使用明确的语法（包括标点符号、标题和节标记）有助于传达意向，并且通常使输出更易于分析。
在下面的示例中，分隔符（本例中为 ---）已添加到不同的信息源或步骤之间。 这允许使用 --- 作为生成的停止条件。 此外，节标题或特殊变量以大写形式显示，用于区分。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 你将阅读段落，然后向搜索引擎发出查询，以便对段落进行事实检查。 另请解释查询。---段落约翰·史密斯与露西·史密斯结婚了。 他们有五个孩子，他在 Microsoft 担任软件工程师。 我应该执行哪些搜索查询来检查此事实？---QUERIES | 1.“约翰·史密斯 Microsoft”- 检查约翰·史密斯是否确实在 Microsoft 工作。2.“约翰·史密斯露西·史密斯”–检查约翰·史密斯是否与露西·史密斯结婚了。3.“约翰·史密斯孩子”- 检查约翰·史密斯是否有 5 个孩子。 |
如果不确定要使用哪种语法，请考虑使用 Markdown 或 XML。 这些模型已通过 XML 和 Markdown 的大量 Web 内容进行了训练，这可能会提供更好的结果。
分解任务
如果任务分解为较小的步骤，大型语言模型(LLM)的性能通常会更好。 例如，在前面引用的搜索查询提示中，可以调整提示的结构，以便首先指示模型提取相关事实，然后指示生成可用于验证这些事实的搜索查询。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 你将阅读段落，然后向搜索引擎发出查询，以便对段落进行事实检查。---段落约翰·史密斯与露西·史密斯结婚了。 他们有五个孩子，他在 Microsoft 担任软件工程师。 我应该执行哪些搜索查询来检查此事实？---现在，你将提取事实声明，并向其发出检查事实的查询。 发出查询时，请使用函数 SEARCH ("query")事实声明 | 1. 约翰·史密斯与露西·史密斯结婚了2. 他们有五个孩子3. 他在 Microsoft 担任软件工程师QUERIESSEARCH(“约翰·史密斯与露西·史密斯结婚了”)SEARCH(“约翰·史密斯家庭规模”)SEARCH(“约翰·史密斯 Microsoft 软件工程师”) |
请注意，应使用清晰的语法来区分不同部分并引导输出。 在此简单示例中，将任务从一步分解为两步并不十分引人注目，但当为一篇有许多事实主张的大文本做这件事时，将任务分解就会产生很大的不同。
使用可供性
有时候，我们可以让模型使用可供性，而不是仅依赖其自身的参数来获取信息和答案。 例如，搜索可以作为一种可供性来帮助减轻虚构答案的风险，并获取最新的信息。
使用可供性的一种简单方法是在模型生成可供性调用时停止生成，然后将结果粘贴回提示中。 下面是执行上述 SEARCH 调用后进行跟进调用的示例。 请注意看我们如何将搜索结果粘贴到提示中并替换之前的 SEARCH 调用。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 你将阅读段落，提取事实声明，然后使用搜索引擎结果对它们进行事实检查---段落约翰·史密斯与露西·史密斯结婚了。 他们有五个孩子，他在 Microsoft 担任软件工程师。 我应该执行哪些搜索查询来检查此事实？---事实声明- 约翰·史密斯与露西·史密斯结婚了- 约翰和露西有五个孩子- 约翰在 Microsoft 担任软件工程师---下面是为研究上述声明而发出的各种搜索查询：搜索查询- 约翰·史密斯与露西·史密斯结婚了- 约翰·史密斯儿童数量- 约翰·史密软件工程师 Microsoft---下面是搜索结果的内容片段：内容片段：[1] ... 约翰·史密斯的婚礼是在 2012 年 9 月 25 日...[2] ... John Smith 和他的妻子 Lucy 一起参加了一场聚会[3]约翰带着他的两个女儿和三个儿子去看了足球比赛[4] ... 在 Microsoft 工作 10 年后，史密斯创立了自己的初创公司 Tailspin Toys[5] 约翰·M 是镇上的铁匠，他娶了菲奥娜。 他们有一个女儿叫露西---根据给定的内容片段，事实检查上述每个事实声明： | - 约翰·史密斯与露西·史密斯结婚了：已确认。 片段 [1] 和 [2] 都提及了约翰·史密斯的妻子露西。- 约翰和露西有五个孩子：已确认。 片段 [3] 提到约翰由他的两个女儿和三个儿子陪同。- 约翰在 Microsoft 担任软件工程师：部分确认。 片段 [4] 提到约翰在 Microsoft 工作了 10 年，但没有明确说明他目前在那里工作。 可能需要进一步调查才能确认他目前的就业状况。 |
思维链提示
这是分解任务技术的变体。 在这种方法中，不是将一项任务分割成较小的步骤，而是指示模型响应逐步进行，并提出所有涉及的步骤。 这样做可以减少结果不准确的可能性，并使评估模型响应更容易。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 谁是在悉尼举行的奥林匹克运动会中获得最多奖牌（最大奖牌数）的个人运动员？ 采取逐步方法回答问题，在分享最终答案之前引用来源并给出推理，格式如下：答案是：<name> | 步骤 1：确定悉尼奥运会的年份。 悉尼奥运会是在 2000 年举行的。步骤 2：查找在 2000 年悉尼奥运会上获得多枚奖牌的个人运动员名单。据奥运会官方网站称，在 2000 年悉尼奥运会上，有数名运动员获得了多枚奖牌。 一些值得注意的名字包括：•伊恩·索普（澳大利亚）- 3 金 2 银 0 铜•彼得·范登·霍根班德（荷兰）- 2 金 0 银 2 铜•莱尼·克雷泽尔堡（美国）- 3 金 0 银 0 铜·英格·德·布鲁伊恩（荷兰）- 3 金 1 银 0 铜步骤 3：确定获得最多奖牌的运动员。 回顾了在 2000 年悉尼奥运会上获得多枚奖牌的个人运动员名单后，我们可以看到，获得奖牌最多的运动员是来自澳大利亚的伊恩·索普，他共获得 5 枚奖牌（3 金 2 银）。因此，答案是：伊恩·索普。 |
指定输出结构
使用提示指定输出结构时，可能会对结果的性质和质量产生重大影响。 有时，系统消息输入“仅写出真实事实”或“不捏造信息”可能不足以缓解问题。 相反，要求模型响应同时包含引文有助于减少错误响应的概率。
如果你指示模型在编写语句时引用源材料，则这些语句更有可能有根据。 请求引文会使模型在每次生成响应时都犯两个错误：第一个错误是捏造的响应，第二个错误是错误的引文。 请注意，引文越接近它支持的文本，模型预测引文所需的距离就越短，这表明内联引文比内容末尾的引文更适合缓解虚假内容的生成。
同样，如果要求模型从段落中提取事实陈述，它可能会提取复合语句，例如“X 正在执行 Y 和 Z”（这可能更难验证）。 可以通过指定输出结构来避免这种情况，如（实体 1、关系、实体 2）。
以下示例演示了引文的使用，并指导模型响应适应定义的结构。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息 | 列出客户支持专员在以下对话中展示的不同行为。---嗨，感谢你致电 Contoso 药店，我今天和谁通话？我了解你的挫败感，玛丽。你能告诉我你想要实现什么目标吗？好的，很高兴帮你看一下，请稍等片刻。我在这里看到你曾经使用过普通立普妥是吗？好的，那么我看到你的医生在 2021 年停止开这些药物的处方了。实际上是这样吗？好的，让我为你检查一下。因为有时候系统中会出现漏洞，并没有被报告出来。请稍等片刻，让我看看这里是否有记录。所以根据最新提供给我们的医生办公室记录显示，在 2012 年至 2021 年期间，你的医生曾经给你开过这些药物处方。好的，在最新记录中显示，现在医生已经更换了不同种类的药物–二甲双胍。请问我们需要帮忙准备并发放 500 毫克二甲双胍处方给你吗？不客气玛丽，请告诉我们今天还有什么可以帮到你的。---客户支持专员的响应如何？使用“行为（“原因”）”格式对各种行为进行分类和列出，并引用分类背后的原因 | 1. 礼貌问候行为（“专员以礼貌的问候语开始对话，并询问呼叫者的姓名”）2. 同理心行为（“专员意识到玛丽的沮丧，并试图理解她的担忧”）3. 细心的行为（“专员倾听客户的问题，并询问更多详细信息”）4. 主动行为（“专员提出为客户检查问题”）5. 信息性行为（“专员提供了有关客户的处方记录的相关信息”）6. 全面的行为（“专员检查了系统中可能存在的任何缺口，并提供了完整的回应”）7. 确认性行为（“专员与客户确认当前药物”）8. 以解决方案为引导的行为（“专员提出为客户填写新处方”）9. 礼貌行为（“专员感谢了客户，并提出在需要时提供进一步帮助”） |
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 | 根据在文本中看到的模式，将以下新闻标题分为主题类别。 还要提到定义这些类别的理由。输出格式：{“主题_名称”：“”，“标题”：[]，“理由”：“”}输入新闻标题：1.“使用 AR + ML 在 10 秒内从书本到演讲”2.“1993 年 32 岁的 Yann LeCun 演示了世界第一个文本识别卷积网络”3.“应用于动画绘画的一阶运动模型”4.“Robinhood 和其他券商从实际上阻止购买 $GME、$NOK、$BB、$AMC；允许卖出”5.“美国联合航空公司股票在盘前交易中下跌超过 5%”输出： | {“人工_智能”：{“标题”：[“使用 AR + ML 在 10 秒内从书本到演讲”、“1993 年 32 岁的 Yann LeCun 演示了世界第一个文本识别卷积网络”、“应用于动画绘画的一阶运动模型”],“理由”：“这些标题与人工智能、机器学习及其在各个领域的应用有关。”},“金融_市场”：{“标题”：[“Robinhood 和其他券商从实际上阻止购买 $GME、$NOK、$BB、$AMC；允许卖出”、“美国联合航空公司股票在盘前交易中下跌超过 5%”、“比特币在一年前的今天接近 20,000 美元”],“理由”：“这些标题与金融市场、股票、加密货币和交易平台有关。}} |
温度和 Top_p 参数
改变温度参数会改变模型的输出。 温度参数可以设置为 0 到 2。 较高的值（例如 0.7）将使输出更随机，并产生更多发散的响应，而较小的值（例如 0.2）将使输出更加集中和具体。 虚构的故事可以使用更高的温度生成。 而要生成法律文件的话，建议使用低得多的温度。 Top_probability 是另一个参数，与温度类似，它也控制模型响应的随机性，但它的控制方式有所不同。 一般建议一次只更改这两个参数其中之一，而不是同时更改它们。
提供基础上下文
提供可靠答案的最有效方法之一是为模型提供数据，让它从基础数据得出响应。 如果你的用例依赖于最新、可靠的信息，且不是纯粹的创意场景，我们强烈建议提供基础数据。 通常，源材料越接近所需答案的最终形式，模型需要完成的工作就越少，这意味着出错的可能性就越小。 下面的示例向系统提供了“描述 GPT-4 在 Azure OpenAI 服务中推出的最新博客”，并要求其命名一些早期客户。
| 系统消息 | 用户 | Assistant |
|---|---|---|
| 你是一名 AI 助手，可帮助用户查找信息。 你将专门通过以下文本提供回答，并保持响应在 100 字或更少：“在 Microsoft，我们不断发现释放创造力、解锁生产力和上层技能的新方法，以便让更多人可以从使用 AI 中获益。 这使我们的客户能够...… 从而减少模型生成有害响应的可能性。”1回答不超过 100 个字词。 尽可能使用项目符号列表。 | 谁是 Azure OpenAI 服务 GPT-4 模型的早期客户？ | 下面是 Azure OpenAI 服务 GPT-4 模型的一些早期客户：- Epic Healthcare：他们计划使用 GPT-4 来帮助医生和护士在数据输入和调查上花费更少的时间。- Coursera：他们将 Azure OpenAI 服务与 GPT-4 配合使用，以在其平台上创建新的 AI 驱动的学习体验。- 可口可乐：他们正在使用 Azure OpenAI 构建知识中心，并计划利用 GPT-4 的多模态功能处理营销、广告、公共关系和客户关系。- 其他各种规模的公司也在使用 Azure AI 来改善客户体验、汇总长格式内容、帮助编写软件，并通过预测正确的税务数据来降低风险。 |
1 来自 Azure OpenAI GPT-4 发布博客的文本。
后续步骤
- 详细了解 Azure OpenAI。
- 通过 ChatGPT 快速入门开始使用 ChatGPT 模型。
- 有关更多示例，请查看 Azure OpenAI 示例 GitHub 存储库
发布于 2023-05-19 14:39・IP 属地安徽
有什么男主表面温柔实则病娇的小说推荐？
故事档案局
她是女扮男装的天子，也是身不由己的帝王。如今还要眼睁睁看着深爱的男人在自己的旨意下娶妻。那男人眼中的情绪晦涩难懂：「陛下的任何旨意，臣都愿意领受。」可他却囚禁了她。 1若问大梁皇帝灵翊最怕的人是谁？那就非太傅卿宁莫属了。灵翊怕他也不是没有理由的，能在二十出头的年纪成为当朝太傅的，古往今来，也就卿宁一人。身为卿家长子，他自幼就聪慧过人，更有过目不忘的本事，京中妇孺皆知其名，十四岁殿试拔筹，十七岁入阁侍读，二十岁入门下省领侍中一职，行宰相之权。这样的殊荣背后，是他少年老成的性子，除了那张脸还配得上他的年纪，性情和习惯都和那群已至耄耋之年的阁老没两样。对他，灵翊是又恨又怕。卿宁平日里不仅要管朝上政务，还要管他的起居作息，奏章批复得不好会骂他，课业完成得不好会骂他，甚至哪天晚起晚睡了也要将他数落一通。有一次，灵翊实在是忍无可忍了，就怒气冲冲地道：「朕是天子，你凭什么骂朕？」卿宁抬了抬眼，语气依旧波澜不兴：「怎么，陛下要处置臣？」灵翊瞥了瞥四周，压低了声音：「要骂你也私底下骂，别当着外人啊。」不知是哪句话触动了他，他竟微微笑了起来，心情大好。瞧了瞧周围宫人都别开头装作什么都没看见的样子，他便伸出手，揉了揉灵翊的头，轻声道：「好，听你的，下次注意。」可说得好听，下一次他气急了，又会冷冷地问：灵翊，你脑子哪儿去了？你怎么会这么笨？你对得起大梁的臣民吗？你……没完没了，灵翊觉得受够了。2当太后告诉他，卿家打算给卿宁讲一门婚事时，灵翊嘿嘿笑了起来：「这敢情好，终于有人来管管他了！正好卿太尉请母后帮着选，选个凶悍的，镇住他。」太尉是卿宁的父亲卿灏，也是卿氏的族长，当初先帝的托孤大臣。当年宁王作乱时，正是他力挽狂澜才稳住了朝局，灵翊最敬重的就是他了。太后睨了他一眼，道：「卿宁娶妻可不是小事，他如今在朝中举足轻重，与哪家结亲不仅关乎卿氏一门荣辱，更关乎我大梁的朝局，所以太尉才让哀家来定夺，哪能让你拿来玩笑……」说着说着，太后又数落起他来了，平日贪玩偷懒，不把朝事放在心上，吊儿郎当的，全不似一个帝王该有的样子……等太后数落完，大半天都过去了，灵翊受不住，赶紧找了个借口溜了。出了寿康宫，他仍觉得胸堵气闷，径直去了上林苑，骑马射猎至晚方归。可他刚回寝宫，就见内监慌忙来禀，说侍中大人正在里头等着陛下。言罢，那内监又瞧了瞧四周，低声对他道：「大人好像很生气呢。」灵翊一听顿时浑身缩了缩，下一瞬又瞪圆了眼睛假装不屑道：「他生气又怎样，朕还怕他啊？」「陛下……」卿宁的声音就在此时响起。灵翊一抬头，就见他立在廊前的宫灯下，烛光笼在他的头顶，可他的眉眼仍是冷冷的，在夜色里有种遥不可及的清孤。灵翊心虚地想低头，却听得他淡淡地道：「过来。」堂堂大梁的天子，就那么灰溜溜地走了过去，跟着他进了殿内。案上堆了厚厚一摞奏章，卿宁冲他抬了抬下巴，他就明白了，立马坐好，一份份地拿起批阅。卿宁就坐在另一端，手里捧了本书，凝神看着。「听说……卿家要给你讨媳妇了。你都二十多了还未娶妻，太尉急坏了吧？」他不知死活地开口。「都批完了？」卿宁眼皮都未抬，只伸了手，长指叩了叩那摞折子。对面那人心虚地垂了头，过了一会儿，又贼心不死地问：「你心仪什么样的？要不你跟朕说，朕在太后那儿帮你提提？」书终于被放下，卿宁直直地盯着他，唇边带着若有似无的笑：「想知道？」九五之尊立即两眼放光地点头，侍中大人的笑意便更盛了，素日里清冷的面容，也终于在这一刻柔软了些。「要听话的，要勤奋，性子软一点，不会让臣操心，不会惹臣生气。」灵翊撇了撇嘴：「果然是帝师当久了，挑媳妇也跟挑学生一般。」「可不是嘛，」卿宁看了看他，淡淡地道，「臣当初就是学生没挑好，如今寿数都要短上一大截。」皇帝陛下心虚地低了头，不敢再言语，专心批阅奏折去了。这一晚，灵翊没能睡着，辗转半晚后索性披着薄衾坐在殿外。月光柔柔地落了满身，他支着额，轻叹一声，问身后的内监：「你说，侍中大人这些年一直不肯娶妻，这次怎么就愿意了呢？」那内监哪知道卿宁的心思，又不敢不答，便随口道：「总不能一直不娶吧，以后的卿家也不能没有主母啊。」「是啊，」他喃喃道，「总是要娶的，总会有一个人，成为他的妻……」太后为给卿宁选出一门好亲事，叫人呈了京中各家小姐的画像上来，病中也打起精神亲自甄选。灵翊去请安时，瞧她还在盯着画册不罢手。「母后还在病中，别太操劳了。」「你也一起瞧瞧，这几个如何？」太后向他招手，将选出的几幅递来。他一看，果然，全是太后母家里，自己的那几位表姐。「这个还行。」他指了指其中最丑的一个。「是吗……」太后迟疑着道，「你看得上的话，若卿宁不中意，就接进宫来吧，也该给你选选妃了。」他却神色极淡，「选妃？母后还真把儿臣当儿子养啊……」太后眉角一跳，立即沉脸对着下面的宫人吩咐：「都退下！」这才转头看着灵翊。3灵翊是遗腹子，先帝驾崩时，她还在当时尚是皇后的太后腹中。当时宁王势大，独揽朝政，而大梁历来忌惮女主登基，若皇后诞下的是位公主，自然是兄终弟及，她唯有诞下皇子，才能保住皇位。不久，凤仪宫传出消息，皇后诞下了皇子。也是从那天起，灵翊的女儿身，变成了大梁最大的秘密，除了太后与她自己，就只有自小服侍她的贴身宫婢知道。「翊儿，你恨母后吗……」太后低声问。恨过吗……灵翊低头。怎么没恨过呢？还记得小时候她坐在那高高的龙椅上，下头是黑压压的臣子，政见不合时就吵作一团逼她定夺。她年纪小，心里怕，刚想哭，珠帘后就传来了母后严厉的声音，「不准哭！」不能哭，她是皇帝。年少时学骑射，被摔下马背，母后来看她，她刚拉着母亲的衣袍想喊疼，就见那衣角被抽了出去。「男孩子自然是要经摔打的，这点小痛都受不住，今后如何施威于天下？」十几岁时，看着进宫的那些世家小姐们，一个个穿着鲜艳的衣裳，梳着好看的发式，她却要在日渐隆起的胸前束上一匝匝白绫。她也只不过是让宫女偷偷寻了支民间女子时兴的珠花来瞧瞧，翌日那宫女就被杖毙在寿康宫了。是的，她是皇帝，是大梁最尊贵的天子。可有谁知道，她连最微小的愿望都实现不了，甚至偷偷羡慕那些宫墙外，平民家的女儿。她恨她的母后，可恨又有什么用呢？若当初不谎称她是皇子，宁王即位，她的性命都堪忧。这些年，母后又何尝不艰难？慢慢的，她也认了命，也都快忘了，自己是个女子。灵翊从寿康宫出来，脑子里想的还是离开时太后说的话。夜幕已降，宫人在前掌着灯，她不愿乘舆，就那样一步步走着。正失神间，却见周身的宫人都停了下来，她抬眼，顺着他们的视线看去，便见不远处，一人披着月华立在夜色中。他挺拔的背脊像一株青竹，仿佛世间任何的风雨，都无法将其摧折。世上为何会有这样一个人，连月色都夺不去他的半分光芒，让她一颗心再也由不得自己，纵隔了千万人，也想向他而去。就在这一刻，她鼻头一酸将头偏了过去。他却缓缓走近，终于立在她身前。她闷声道：「今日的奏折朕会批完的，侍中大人何必亲自来催促。」她没看见他微微皱了眉，只觉得指间一暖，就见他将一只手炉放到她手里，却不发一言，转身往回走。她跟在他身后，也一路沉默。眼见乾元殿就在前头，他终于出了声：「折子我都替你看了，今日早些休息，不许半夜又爬起来。」「宋云仪，」她却低声开口，「母后选定的人，是她。」他什么都没说，就那么抿唇立着。天上有薄薄的雪花飘了下来，良久后，他伸出手去，替她拂了拂肩头的落雪。「你记得她吧，去年上元宫宴上奏琴的那个。世家小姐里，再没有谁的容貌才情能比她更好了……」她盯着他，声音低了下去，「你满意吗，卿宁？」他淡淡地转过头去，声音里没有任何情绪：「你呢？」仿佛怕她没听清，顿了一下，他又开口：「你满意吗？」她没料到他竟会如此问，怔愣住了。「太后选的时候也问过陛下吧，那么这结果也是陛下之意了。既是陛下之意，臣自然愿意领受。」他声音低了下去，眼中的情绪晦涩难懂，「陛下的任何旨意，臣都愿意领受。」她低着头，心中涌动的情绪似要冲破胸膛，却不能让他窥破半分。偏他又在耳边继续低声问：「陛下希望臣娶她吗？陛下说愿，臣便娶。」她倏地抬头，直直地看着他：「若我说不呢？」他正欲开口，却见她惶然笑了起来，转过头去道：「可朕怎么会不愿呢？朕替你开心还来不及呢……」那一刻，灵翊只庆幸这是夜里，夜色遮去了她所有的脆弱和失态，才能让那些她藏了十多年的东西，得以继续藏下去。4太后的病越来越难以遮掩了，太医说，恐怕是撑不到明年了。其实前段日子，太后就经常昏迷不醒，只是瞒着外头罢了。从登基起，灵翊能一路稳坐帝位到如今，靠的就是她的过人手段。她若不在了，灵翊是绝难压住朝中的波澜的。「迟早会有这一天，只是苦了你了，母后没了，你的安稳日子也没了。」太后虚弱地看着她道，伸手拍了拍她的手，「不过，别担心，母后会帮你安排好一切的，派去找灵恒的人也有了消息……」灵恒是当初戾太子的遗孙，多年流落民间，宁王殁后，他就成了皇族里与她关系最近的亲属了。她垂着头，想说什么，却觉得喉中哽着，只偏了头。看到半掩的窗外暗云低垂，她开口时声音也低了下去：「母后，我觉得好累，这样的一生，到底是为了什么呢？」太后双目盯着她，带着能洞悉一切的敏锐，却多了一丝罕见的疼惜，叹息着道：「儿啊，一切皆是命，你同他不可能。他不娶那宋云仪，也要娶别的姑娘。就算找到灵恒，你传位于他，恢复了女儿身，也进不了卿家的门。你不是不知道，何必这样自苦……」她嘴角动了动，却没有任何言语。她想起多年前，那时在文华殿上，卿宁是侍读，却比老太傅还严厉，每次她有问题答不上来，老太傅还没说什么呢，他一个冷冷的目光扫过来就让她快要哭了。她又不敢跟母后哭诉，只暗暗道，等他日自己亲政了，第一个就将他逐出京去。那时，她每日寅时就要起来。外头还是漆黑一片，可每次她出殿时，就能看到他等在阶前。有那么一两次，他衣上甚至都沾着晨露。去文华殿的那一段路，她坐在肩舆里，他走在一旁。那是他唯一温柔的时候，他总是会对着仍睡眼惺忪的她小声道：「没事，再眯一会儿，到了我叫你。」夜里，他也会守着她，要看着她完成老太傅留下的课业。两人隔了一张漆案相对而坐，他明明自己在看书，却像多长了一双眼睛似的，她略略停笔偷下懒，他就移开书，目光扫了过来。可有时候他又好像也不是那样耳聪目明。有那么好几次，她偷偷拿眼瞄他，然后在纸上画他的样子，直到她画完藏进袖子里，也没见他发觉。只有一次，她画完后正欲藏起来，就见眼前伸过来一只手，干净修长，掌心向上。而他另一手执着书卷缓缓下移，露出一双微挑的凤眼，那里头蕴了几分清浅的笑意，又带了几分难以觉察的宠溺。「给我瞧瞧……」她悻悻地递过去，他以手支颌，嘴角上扬着，语气却是嫌弃：「陛下分明是故意的，臣哪里这样丑。」说着，他便倾过身来，停在她面前。离得那样近，他的鼻息轻轻拂过她的面颊，他的声音也如带蛊惑，「陛下再好好瞅瞅？」那一刻，她觉得仿佛有谁拿着银针一下扎进了她心里，骤然一疼。许多年后，她才明白，那根扎进她心头的银针，是将他的名字刻进了她的心底。让那两个字成了咒语，只要一念起，心底就会浮起细细密密的酸楚与疼痛，永难治愈。5灵翊醒来的时候，日头已西斜。她躺在庭中那香樟树下的竹椅上，拿一本书覆在面上，以遮住从叶缝间漏下的细碎阳光。是宫人将她叫醒的，说侍中大人在殿外要面圣，拦不住。话音未落，廊下就响起了脚步声。「你们都下去吧。」她低声吩咐左右，再缓缓将面上的书拿下来。他已站到了身前，长身玉立，不发一语。阳光从他的头顶、肩上洒下来，他好看的眉眼在这一刻如带着万丈光芒。她讨厌这光芒，它曾将她照亮，也曾将她灼伤。「你这几日都在躲我？」他冷冷地开口。「难道，」她看着他，自嘲一般道，「连见谁不见谁，朕都不能做主了吗？」他眉峰皱起，直直地盯着她：「出了什么事？」「就要迎娶新妇了，侍中大人要忙的事还多着呢，朕的事，就不劳大人操心了。」说着，她起了身，并不看他。他神色极淡，辨不出喜怒：「不劳臣操心，臣也操心这么多年了。陛下的事，哪件臣又没有操心过……」「是呢，能者多劳，」她冷笑起来，「朕无能，要不朕效仿尧舜退位让贤，把这天下都托付给大人？」似乎很难想象她会说出这样的话，他蓦然惊痛的表情来不及遮掩，就那么看着她，张了嘴却一个字都发不出。是她忘了吗，这么多年他守在她身边，日夜操劳，如兄如父。他不过长了她七岁，却像比她老了半生，然而这一切，竟换来这样一句话。仿佛是用尽了全力，他终于开口：「陛下是……忌惮臣了吗？」而她居然没有反驳，他面上所剩的血色终于一分分退尽，她却根本没有看他，离去前只漠然道：「这天下，终究是朕的天下，不是吗？」许多年后，卿宁都还能忆起这一幕，他看着她的背影一步步远离，如同他心中那一点点散去的余温。庭中就剩了他一人，朗朗晴日却没一丝温暖，他独身默立，良久，蹲下了身去，将竹椅旁她遗落在地的书拾了起来。他拍了拍书上的尘灰，然后将它放到竹椅上，声音轻得只有自己能闻。「自然是你的天下，」他唇边爬上一丝苦笑，「否则我为何要为它操心……」6卿宁是在那日后开始称病在家的，朝中自然一下子乱了。大家虽猜不透所为何事，但大约明白这结唯有陛下能解，只等着灵翊去将其请回朝。可她只装作不知，甚至在朝臣频繁提及卿宁时，当众摔了折子。「侍中，侍中，在你们眼里，没了侍中大人，朕这江山就要完了，是吗？」大家哪见过她如此发怒，自然纷纷噤了声。然而，众臣们担忧的朝局大乱的局面，并没有发生。因为他们发现皇帝陛下像是一夜之间换了一个人，从前六部三司那些要靠侍中大人才能解决的难题，如今她处理起来竟毫不费力，明明以前对朝事毫不上心的样子，竟对京中各职署所司事务皆了如指掌。更让他们欢欣鼓舞的是，从前被侍中耳提面命还想着法子偷懒的人，如今宵衣旰食，每日如打了鸡血一样勤奋，不仅积压起的折子一扫而空，还要不停地召见臣属商讨政务，完全是一代贤君的模样。而侍中大人好像也并不在意，他的心思，许是全扑到自个儿的婚事上去了。不管外头怎么传卿家将要失势的消息，卿府上下只张灯结彩的，都在为自家少爷终于要娶亲了而开心。月余后，这场轰动帝京的婚事终于举行了。迎亲的路上被围得水泄不通，百姓们摩肩接踵，纷纷都想瞧一瞧能叫卿大人倾心的姑娘到底是什么模样。只是新娘坐在喜轿里，哪能被外人看去，只能看到身着喜袍的新郎骑着高头大马行过街市。见了那俊逸的模样，路旁翘首的姑娘们更加伤心了。怎能不伤心呢？举世无双的卿大人，娶妻了。朝中大臣们纷纷到卿府祝贺，卿家的门槛都似被生生踏矮了一截。可出乎所有人意料的是，宫里竟一点动静都没有。以天家与卿氏一门的交厚程度，纵使圣上与太后不来亲自观礼，也总会赐下贺礼以示天恩吧，可陛下竟一点表示都无。众人哪知，乾元殿的宫人也在四处找他们的陛下呢。而他们的陛下，正在西市最热闹的瓦子里，一边听书，一边让侍卫再去给自己买些瓜子来。她从一大早就坐在了棚子里，周围的人来了又走，故事也换了又换，直到炊烟四起，直到星斗满天，直到……禁卫持着火把将瓦子团团围住，直到有士兵越过众人，跪到她的身前。「启禀陛下，卿氏一门皆受押府内，府内搜出的证物也俱被大理寺记录在册。」那人恭声禀报。说书的先生早走了，座中就剩她一人，灯火通明，却有说不出的冷清。「侍中大人……说了什么？」良久，她才问。「卿大人求见陛下，要亲自陈情。」灵翊起了身，淡淡地朝外走去：「不必了，收押大理寺吧。」7谁都没料到，圣上与太后竟会在卿宁大喜之日动手。这些年来，太尉掌军权，卿宁管朝事，卿家算得上权势滔天。可父子两人从诛宁王起，便一直忠心耿耿，突然被扣上谋反的罪名，一时间，朝堂上不断有朝臣为卿家鸣冤。灵翊的做法十分简单粗暴，叫内官执杖立在一侧，谁敢为卿家说话，就直接传杖。可这样，还是拦不住那些不怕死的谏臣。灵翊去寿康宫时，太后刚转醒，已经奄奄一息了，她依然洞察入微，问：「那些大臣还在为卿家说话？」「母后好好休息，这些事儿臣来操心。」「这就是我一定要在生前，拔掉卿家的原因。我知道你怨母后心狠，」太后叹息着，「可你看看卿家如今的声威，忠心不二又如何？母后若不在了，就没人能掣肘卿家了，母后不能将你的身家性命全押在他们的忠心上。」外人皆不知，那日趁卿宁娶亲兵围卿府，实在是兵行险招。卿太尉手握兵符，掌着朝中半数兵马，可太后只能调动京中十二衙禁军，若提前让卿家察觉了，便是真的谋反围宫，也不是什么难事。太后虚弱地抓住她的衣袖，目中厉光如灼：「你答应哀家，不能心软，不能去见他！」说着，太后就咳了起来，掩在嘴上的手指缝间都见了殷红。灵翊慌忙上前，急呼太医。太后却摇摇头，只盯着她：「你答不答应……」灵翊怔了怔，终于缓缓点了头，轻声答：「我答应……」她哪里不知道呢？如今走到这一步，她同卿家，同卿宁，已经彻底站到了对立的两端，放了卿家，被囚的就是她了。她回去时，有宫人迎上来报，说是明仪郡主在正阳门外跪求面圣。明仪是她表姐宋云仪的郡主封号，如今她还有另一身份，卿宁的妻。灵翊偏头想了想，道：「传吧。」宋云仪想说什么，不用想就知道，任她跪在阶前如何哭诉，灵翊神色丝毫未变。「陛下，从自幼伴读到后来成为帝师，这么多年，他一直在您左右，您怎能忍心？」「是啊，朕与他，这么多年的相伴，朕却好奇，」她冷笑着道，「你嫁他才几日，哪来这样夫妻情深？」「既嫁了他，就是一世的夫妻，入门多久又有何差别？」灵翊面上的笑一点点被冻住，她俯下身，靠在宋云仪耳边，低声道：「所以啊，朕不能放了他，朕宁愿毁了他，也不想看着他属于任何人……」
1010 点赞 · 51 评论 · 盐选推荐
评论
写评论
推荐阅读
Spring Cloud构建微服务架构：Hystrix监控面板
微软推出的Prompt高级玩法，包括小样本和任务分解等，简直不要太详细：Azure OpenAI 的提示工程技术
ChatGPT云炬学长的文章
打开赞同添加评论
734
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
