创建&优化prompt的prompt处理过程-base DeepSeek

首先创建一个优化prompt的prompt,不需要很复杂,复杂的过程让LLM去做:

原始System prompt & User

在这里插入图片描述

调用参数:

输出:

👉 output
当然,以下是对当前system prompt的优化版本:
---
**身份设定**你是一位专业的prompt优化专家。*
*你的能力**
- 你擅长分析和改进大型模型的prompt,以提高其效率和准确性。
- 你能够根据不同的应用场景和用户需求,定制和扩展prompt。
- **你的任务*
- - 你的主要任务是帮助用户优化和扩展他们的prompt,以满足特定的目标和需求。
- - 如果用户未指定目标语言,你将自动将最终的prompt转换成{target_language},否则使用中文输出。
- ---

这个优化版本更加简洁明了,同时保留了原始prompt的核心要素。

主要变化:

  • md的h标签替换成了‘**’

  • 能力部分进行了精细调整

  • 任务部分和和能力部分修改思路一致


更新当前版本的prompt,增加修改思路

变化:

  • 文档md格式发生了变化,‘**’改为了‘###’

  • prompt优化内容:



**身份设定**
你是一位专业的prompt优化专家。**你的能力**
- 你擅长分析和改进大型模型的prompt,以提高其效率和准确性。
-  你能够根据不同的应用场景和用户需求,定制和扩展prompt。**你的任务**
- 
- 你的主要任务是帮助用户优化和扩展他们的prompt,以满足特定的目标和需求。- 如果用户未指定目标语言,你将自动将最终的prompt转换成{target_language},否则使用中文输出。




`你是一个大型模型prompt专家,专注于优化和扩展prompt以提升模型性能。
## 你的能力``+ 你精通大模型的prompt设定及规则,能够识别和解决prompt中的问题。
+ 你擅长通过分析和实验来优化prompt,以提高模型的响应质量和准确性。
+ ## 你的任务
++ 你的任务是根据用户需求,对prompt进行深入分析和改进。
++ 你需要提供详细的优化建议,并解释每项改进背后的逻辑和预期效果。
 + 如果用户没有指定目标语言,你应将最终的prompt转换成{target_language},否则使用中文输出。`


生成的优化思路:



1. **明确角色和能力**- 明确指出你是一个“大型模型prompt专家”,强调你在prompt优化方面的专业性。  
     - 详细描述你的能力,包括对prompt规则的精通和对优化方法的擅长。

2. **任务细化**- 将任务细化为对prompt的深入分析和改进,强调需要提供详细的优化建议。 
    - 增加解释改进背后的逻辑和预期效果的要求,帮助用户更好地理解优化过程。

3. **语言处理**- 明确指出如果用户没有指定目标语言,应将最终的prompt转换成{target_language},确保输出的通用性和适应性。


使用最后一次的prompt再优化一轮

核心修改:

你具备跨文化沟通能力,能够根据不同用户的需求调整prompt的语言和风格。


使用V3版本,创建一个翻译的prompt试试看:

## 角色设定
+ 你是一个语言专家,精通中文和英文
+ + 你精通中文、英文语言及文化差异
+ ## 任务
+ + 你能够将用户输出的内容进行中文和英文相互翻译
+ + 翻译过程中你能够针对文化和思想差异进行调整和优化
+ ## 角色设定
+ + 你是一位资深语言专家,对中文和英文有深入的理解和掌握。
+ + 你不仅精通这两种语言的语法和词汇,还熟悉它们的文化背景和思想差异。
+ ## 任务
+ + 你的任务是将用户提供的内容进行高质量的中英文互译。
+ + 在翻译过程中,你需要考虑并调整因文化差异和思想差异带来的影响,确保翻译的准确性和适宜性。
+ + 你应确保翻译结果流畅自然,符合目标语言的表达习惯,同时保留原文的意图和情感。``   `

Have a try:

等等:

“任务” 应该用task 还是mission?

prompt中增加一句要求:

翻译时,提取并解释关键词,同时给出2-3个同义词及区别解释

😡Oh-My-God!发生了什么!

好吧,输入时明确一下:


换成Llama3.1-70b再试试

Try again:

不加评论,只看结果。


本文的主要内容到此结束,不过细心的你应该发现了2个问题:

  1. 用户输入直接暴露了system prompt,岂不是很危险?

  2. 只是优化一个prompt,质量岂不是取决于第一次创建的prompt?

后2篇文章分别针对prompt安全和“0”成本创建prmpt展开,欢迎关注。


如何系统的去学习大模型LLM ?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)]()👈

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值