chatGPT 两个超级经典的prompt框架

最新推荐文章于 2024-11-24 21:09:13 发布
最新推荐文章于 2024-11-24 21:09:13 发布
阅读量1.3k 收藏 4
点赞数 2
分类专栏： 人工智能 文章标签： chatgpt prompt 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41899773/article/details/131559011
版权
文章介绍了两个用于优化与ChatGPT交互的提示框架——ElavisSaravia和CRISPE。ElavisSaravia包含说明、上下文、输入数据和输出指示器四部分，而CRISPE涉及能力与角色、洞察力、陈述、个性和实验五要素。这两个框架旨在帮助用户更有效地提出问题，确保AI模型理解并提供相关答案，尤其适用于技术领域的交流，如机器学习框架的分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ChatGPT 提示框架

当我们掌握了一些常用的prompt的技巧后，有两个经典的prompt框架，可以大大提升我们的提问效率，分别是Elavis Saravia 框架 跟 CRISPE框架。

Elavis Saravia 框架

Elavis Saravia 框架是一个简单且易于遵循的用于编写提示的框架。它由四个要素组成：

  • **说明（Instruction:）：**这是您希望模型执行的特定任务。例如，您可能希望模型生成文本、翻译语言或编写不同类型的创意内容。
  • **上下文（Context）：**这是模型理解您的请求所需的背景信息。例如，如果您要求模型生成有关特定主题的文本，则需要向模型提供有关该主题的信息。
  • **输入数据（Input data）：**这是模型需要处理的数据。例如，如果您要求模型将句子从英语翻译成法语，则需要向模型提供英语句子。
  • **输出指示器（Output indicator）：**这是向模型发出的有关您期望的输出类型或格式的信号。例如，如果您要求模型生成文本，您可以指定希望输出是文本段落。 以下是使用 ：

示例

  • **说明：**生成一段有关互联网历史的文本。
  • **背景：**互联网是一个由互连计算机网络组成的全球系统，使用标准互联网协议簇 (TCP/IP) 为全球数十亿用户提供服务。它是一个由数百万个本地到全球范围的私人、公共、学术、商业和政府网络组成的网络，这些网络通过广泛的电子、无线和光纤网络技术连接起来。互联网承载着广泛的
最低0.47元/天 解锁文章
【ChatGPT】实用 Prompt 指令大全 —— 一文教你如何更好地挖掘 GPT 的价值
AI天才研究院
04-15 2万+
ChatGPT 是由 OpenAI 开发的一种先进的大型语言生成模型，能够理解和生成准确、自然且连贯的文本。文本生成数据分析内容审核语义理解自然语言推理以及其他众多任务ChatGPT是一种基于GPT-3.5架构的大型语言模型，由OpenAI公司开发。该模型在自然语言处理领域有着广泛的应用，可以用于文本生成、文本分类、情感分析、问答系统等任务。本文将从模型的架构、训练方式、优缺点等方面对ChatGPT进行详细介绍。一、模型架构。
ChatGPT Prompt（提示词）使用技巧
小宝哥Code的专栏
01-20 791
无论是在产品开发、市场策略、团队协作、技术实现，还是在学习成长、风险管理等方面，精细化的提示词能够帮助你从各个角度更全面地思考问题，并为你提供高质量的支持。良好的提示词不仅可以节省你的时间，还能帮助你获得更高质量的输出。通过精细化的策略设计，ChatGPT能够为你的个人和组织发展提供系统化的支持，提升工作效率和决策质量，并推动企业实现长远的成功。通过这些进一步精细化的提示词技巧，你可以在多个领域和场景中充分发挥ChatGPT的能力，不仅获得实用且创新的解决方案，还能应对复杂的挑战和决策。
ChatGPT的顶级Prompts指令
Retractable charging cables factory
06-26 2471
只需简单地使用这11个顶级的ChatGPT AI指令(Prompts)，ChatGPT立刻就是你的私人教练，可千万别错过，收藏起来。 英文版: 1、Use mind mapping to organize and retain information Prompt: "Explain how to create a mind map for (x topic) to visually structure and organize the key concepts, facilitating better
超级Prompt!
09-18 1241
最近，一个名为SuperPrompt的GitHub项目在AI圈引起了轰动。这个项目仅仅只有5个Markdown文件，却一下子收获了4000多个星星。那么，这个神奇的提示词究竟有什么魔力，能让AI模型拥有科学思维呢？据了解，这个SuperPrompt来自Twitter(X)上的一位自称提示词之神的用户@BLUECOW009。他表示，这个prompt是他用了几个月时间设计出来的，目的是帮助研究复杂的科...
一个让LLM更具创造力的“超级提示词“
zhishi0000的博客
09-10 1471
Github 上最近开源了一个名为 “
Prompt工程的通用框架以及案例解析：模型本身智能才是关键，Prompt仅用做锦上添花
AI大模型的博客
05-23 1203
如果你还不知道怎么入门大模型，那我建议听听汇视威开展的AI大模型公开课，课程会带你学习大模型背后的技术原理，LangChain、Fine-tune技术，从理论实践，到深度讲解，带你全程体验微调过程，定制属于自己的大模型。而GPT4就不一样了，你可以看到它给出的回答是言之有物的，你可以根据它的回答进行比较细化的查找，而不是全都是泛泛而谈，说了跟没说一样。这里就是我想说的，与其去琢磨各种各样的Prompt技巧，不如先用最强的大模型，因为大模型的智能程度才是决定回答质量的主要因素。例如：“在一个干旱的城市里”。
提示词框架：ICIO
baidu_34494541的博客
09-20 940
此架构包括4方面的内容： Instruction(必须)：指令，即你希望模型执行的具体任务 Context(选填)：背景信息，或者说是上下文信息，这可以引导模型做出更好的反应 Input Data(选填)：输入数据，告知模型需要处理的数据 Output Indicator(选填)：输出指示器，告知模型我们要输出的类型或格式。明确性：通过“Instruction(指令)”部分，用户可以明确告诉模型他们希望执行的具体任务，这可以减少误解和错误。上下文敏感性。
Prompt提示词——常见的Prompt框架
pumpkin84514的博客
04-07 1万+
这些框架各有特点，适用于不同的场景和需求。在实际应用中，可以根据。
1个Prompt框架+4个公式，讲清产品经理如何用ChatGPT让工作效率翻倍
a1014981613的博客
04-12 832
ChatGPT的出现，有些人感觉害怕，觉得科技会代替人力；而有些人觉得兴奋，想要AI帮助提升人类的工作效率。作为产品经理，ChatGPT能够帮助我们做什么？本文作者用1个Prompt框架和4个公式，讲述ChatGPT是如何帮助产品经理提高工作效率的。
99% 的人都不知道的 4 个 AI 提示词框架
伍六七的博客
11-24 1445
和日常工作、生活一样，如果和你沟通的人是你的隔级领导，对你日常工作并不清楚，当你想向他咨询一个问题的时候，你应该介绍事情的前因后果和需要他解决的具体问题。请编写一个 Python 函数，该函数能够接受一个字符串列表作为输入，并返回一个新的列表，其中包含所有字符串长度大于5的元素。看到这里我们发现，其实所有的提示词框架都要求你把背景信息补充好，明确任务目标，不要让 AI 来猜你想干嘛，它不是你的男朋友。这个函数将由项目团队中的其他开发人员使用，他们具有不同的技术背景，因此需要确保代码易于理解和维护。
Prompt Learning：【文心一言】提示词功能系统学习，
丨汀、的博客
04-18 8980
解释这个词之前，首先需要解释 prompt 这个词。简单的理解它是给 AI 模型的指令。它可以是一个问题、一段文字描述，甚至可以是带有一堆参数的文字描述。AI 模型会基于 prompt 所提供的信息，生成对应的文本，亦或者图片。比如我在文心一言里输入 ，这个问题就是Prompt。
获知ChatGPT优质信息，分享3个我特别关注的推特账号
ChatGPT写论文，助力大学生轻松脱离论文苦海
05-09 659
Sam将OpenAl的内部氛围组织得很好，有位前员工说，当2018年GPT-2的论文被驳回时，Sam 在团队周会上将拒信的内容朗读给所有员工，并告诉大家在通往成功的路上总会有阻碍，但是大家一定要有信念。是一位数一数二的工程天才，Greg 本人有80%的时间在写代码，OpenAl内部模型训练的infra架构基本都由Greg一个人完成，包括了GPT-4的Infra。一位独立的机器学习和NLP研究人员，前Meta工程师，专注于大语言模型、信息检索和生成式AI，写了一个开源的《提示工程指南》。
12个精选Prompt框架，快速提升你写Prompt的能力，内附实例（上篇）
python12345_的博客
06-11 2033
想要熟练驾驭大模型，除了掌握Prompt的原则和技巧外，我们还可以参考一些成熟的Prompt框架，这样能快速提升我们写Prompt的能力，我从网上搜集到了12个精选Prompt框架，并为每一个框架附上一个实际的例子，一方面是自我学习的一个过程，另外一方面也分享给大家，共同提高写Prompt的能力，希望大家阅读后能有所收获。
结构化Prompt撰写方法大全
superheromen的博客
04-08 3405
基本符合预期。
SuperPrompt 超级提示词
weixin_51674085的博客
09-03 688
作者表示最初是为 Claude 设计的帮助研究复杂的科学问题和定理的提示词，它在简单代码方面并没有更快或更好，但是它能处理复杂的数学和算法任务。它还具备模块化设计、自动纠错和可扩展性等特性，这意味着它可以根据任务的需求进行调整，并在遇到问题时进行自我修正。通过引入一些像熵控制和跨维度思维这样的高级概念，这个提示词可以让 AI 更深入地解决问题，想出更有创意的方案。这个提示词能让大语言模型不仅仅停留在完成简单任务的层面，而是能够进行更复杂的思考和推理。
vue框架简介
热门推荐
huangjianfeng21的博客
06-15 21万+
MVVM框架概述 什么是vue 是一套构建用户界面的渐进式（用到哪一块就用哪一块，不需要全部用上）前端框架，Vue的核心库只关注视图层 vue的兼容性 Vue.js不支持IE8及其以下版本，因为Vue.js使用了IE8不能模拟的ECMAScript 5特性。Vue.js支持所有兼容ECMAScript 5的浏览器。 ...
via自定义搜索引擎代码_Unity 游戏框架搭建 2019 (二十七) 弃用的代码警告解决
weixin_30744613的博客
12-22 429
在前两篇，我们把所有的示例重头到尾整理了一遍。当前的状态如下: 1. 要做的事情: * (完成) 备份:导出文件，并取一个合理的名字。 2. 遗留问题: * (完成) 第八个示例与之前的示例代码重复，功能重复。 * (完成) 方法所在类的命名有问题。 * 菜单栏显示顺序问题。 * 弃用的代码警告 3. 约定和规则: * 每个示例在 QFramewor...
Intel, AMD及VIA CPU的微架构（9）
wuhui_gdnt的专栏
11-16 587
4.      Pentium 1与PentiumMMX流水线 P1与PMMX处理器不能乱序处理。但通过下面描述的指令成对机制，它们可以同时执行两条相邻的指令。 4.1.      整数指令成对 预取成对 P1与PMMX有两条流水线用于指令执行，称为U-管道及V-管道。在某些情形下，同时执行两条指令是可能的。一个在U-管道，一个在V-管道。这几乎可以使深度加倍。因此，重排指令使它们成对是有
《CLR via C#：框架设计》读书笔记 - CLR
小贱
04-21 1081
《CLR via C#：框架设计》读书笔记 - CLR
deepseek chatgpt
最新发布
02-04
### 比较DeepSeek与ChatGPT的功能差异 #### 功能特性对比 DeepSeek 和 ChatGPT 是两个不同的多模态对话模型，各自具备独特的功能和技术特点。 对于 DeepSeek 而言，该模型强调了其在处理复杂文本推理方面的能力。具体来说，采用多跳图卷积网络以及高阶切比雪夫近似技术来增强对文本的理解能力[^1]。这种架构使得 DeepSeek 特别擅长于捕捉文档内部结构化信息之间的关系，并能够更深入地理解语义层次上的联系。 相比之下，ChatGPT 的设计则更加注重通过精心构建提示词（prompt）来进行交互优化[^3]。有效的提示工程可以显著提高模型的表现力，确保生成的回答不仅连贯而且紧密贴合上下文环境；同时还能引导系统按照预期目标进行回应。此外，ChatGPT 还展示了强大的跨领域适应性和灵活性，在多种不同类型的任务中均能取得良好效果[^2]。 #### 技术实现方式 - **DeepSeek**: 利用了先进的图形神经网络框架，特别是针对自然语言处理任务进行了专门定制化的改进。这种方法有助于更好地建模实体间的关系并挖掘潜在模式。 ```python import torch class MultiHopGCN(torch.nn.Module): def __init__(self, input_dim, hidden_dims, num_hops=2): super(MultiHopGCN, self).__init__() layers = [] current_dim = input_dim for i in range(num_hops): layer = GCNLayer(current_dim, hidden_dims[i]) layers.append(layer) current_dim = hidden_dims[i] self.layers = torch.nn.Sequential(*layers) def forward(self, x, adj_matrix): h = x for layer in self.layers: h = layer(h, adj_matrix) return h ``` - **ChatGPT**: 主要依赖大规模预训练加微调策略，利用大量无标注数据作为基础资源完成初步学习过程之后再基于特定应用场景下的少量有标签样本进一步调整参数配置以达到更好的泛化能力和针对性表现。 #### 应用场景适用性 由于两者的技术路线存在明显区别，因此它们分别适用于不同类型的业务需求： - 当面对涉及深层次逻辑关联分析的需求时，比如法律文件解析、科研论文综述撰写等场合下，DeepSeek 可能会提供更为精准的支持； - 如果项目侧重于广泛话题交流互动或是创意内容创作，则 ChatGPT 凭借其出色的通用性和易用性的优势或许更能满足实际要求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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