在本指南中,我们将介绍一些高级和有趣的方式,利用提示工程来执行更有用和更高级的任务。
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中,自动持续翻译更新:
🐙 关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全
目录:
生成数据
LLMs有强大的文本生成能力。使用有效的提示策略可以引导模型产生更好、更一致和更准确的回复。LLMs还可以特别有用于生成有用于运行各种实验数据。例如,我们可以使用它生成快速样本以用于情感分类器,就像这样:
提示:
生成10个情感分析例子。将示例归类为积极或消极。生成2个消极的示例和8个积极的示例。使用以下格式进行示例:
问: <句子>
答: <情感>
输出:
问: 我刚刚得到了最好的消息!
答: 积极
问: 我们在工作中得到了加薪!
答: 积极
问: 我为今天所取得的成就感到自豪。
答: 积极
问: 我有史以来过得最好的一天!
答: 积极
问: 我真的很期待周末。
答: 积极
问: 我刚收到了最好的礼物!
答: 积极
问: 我现在非常开心。
答: 积极
问: 我非常幸运能有这样一个神奇的家人。
答: 积极
问: 外面的天气真的很阴暗。
答: 消极
问: 我刚得到了一些可怕的消息。
答: 消极
这非常有用。我们在指南的另一部分中使