Prompt工程全攻略：15+Prompt框架一网打尽（BROKE、COAST、LangGPT）、学会提示词让大模型更高效

已于 2024-07-22 17:07:09 修改
阅读量4.6k 收藏 32
点赞数 15
分类专栏： LLM技术汇总 文章标签： prompt 人工智能 自然语言处理 大模型 LLM Prompt工程 提示词工程
于 2024-03-25 10:16:48 首次发布
涉及博主原创类文章，未经博主许可不允许转载
本文链接：https://blog.csdn.net/sinat_39620217/article/details/137006423
版权

Prompt工程全攻略：15+Prompt框架一网打尽（BROKE、COAST、LangGPT）、学会提示词让大模型更高效

0.相关文章推荐

更多Prompt框架技术细节和原理见相关文章

  • Prompt工程原理篇

大语言模型的预训练[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning详情

大语言模型的预训练[4]：指示学习Instruction Learning：Entailment-oriented、PLM oriented、human-oriented以及和Prompt工程区别

大语言模型的预训练[5]：语境学习、上下文学习In-Context Learning：精调LLM、Prompt设计和打

了解本专栏 订阅专栏 解锁全文
理论五、大模型-Prompt
xiaoqi270620903的专栏
03-18 2万+
当使用大型语言模型（如GPT-3）时，"prompt" 是指您向模型提供的输入文本或指令，用于引导模型生成相应的输出。
Langchain核心模块与实战[7]：专业级Prompt工程调教LLM[输入输出接口、提示词模板与例子选择器的协同工程]
丨汀、的博客
07-23 516
Langchain核心模块与实战[7]：专业级Prompt工程调教LLM[输入输出接口、提示词模板与例子选择器的协同工程]
提示词（Prompt）工程入门（非常详细），零基础入门到精通，看这一篇就够了
热门推荐
Java癫疯的博客
11-14 1万+
提示词（Prompt）工程入门（非常详细），零基础入门到精通，看这一篇就够了
一文搞懂Prompt提示工程五大框架
m0_56255097的博客
12-04 1498
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
AI大模型之Prompt工程：提示词框架简介（五）SPA、TAG、TRACE、Lang大模型
老皮的博客
08-04 1277
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频，免费分享！
大模型提示词四层框架解析：从核心层到操作层的全方位构建
最新发布
cooldream2009的博客
02-23 1382
随着人工智能技术的不断进步，大模型在自然语言处理、计算机视觉等领域中展现出强大的能力。而提示词（Prompt）作为与大模型交互的关键，起着至关重要的作用。如何设计出高效且精准的提示词，已成为AI开发人员和研究人员关注的热点。 提示词设计的复杂性不仅仅体现在内容层面，它涉及多个维度的思考和构建。为了更好地指导大模型在不同场景中的应用，许多专家提出了提示词的层次化结构，其中最常见的就是四层框架。本文将详细解析这一四层框架，从核心层、执行层、约束层、操作层四个方面深入探讨提示词的设计原则与实践意义。
探索大模型能力--prompt工程
AAI666666的博客
05-07 2433
LLM大语言模型终究也只是一个工具，我们不可能每个人都去训一个大模型，但是我们可以思考如何利用好大模型，让他提升我们的工作效率。
Prompt 工程
qzhqbb的博客
11-07 2486
从0开始，一篇速成学会prompt
prompt提示工程
dc爱傲雪和技术
04-21 3049
提示工程也叫「指令工程」。Prompt 就是你发给大模型的指令，比如「讲个笑话」、「用 Python 编个贪吃蛇游戏」、「给男/女朋友写封情书」等貌似简单，但意义非凡「Prompt」 是 AGI 时代的「编程语言」「Prompt 工程」是 AGI 时代的「软件工程」「提示工程师」是 AGI 时代的「程序员」学会提示工程，就像学用鼠标、键盘一样，是 AGI 时代的基本技能提示工程「门槛低，天花板高」，所以有人戏称 prompt 为「咒语」
全网最全大型语言模型Prompt工程指南---其一：介绍
Cosmops的博客
02-26 4571
本指南涵盖了Prompt的基础知识，提供关于如何使用提示来互动和指导大型语言模型（LLM）的粗略概念。本章节主题包括：基础Prompt；有关大型语言模型的参数设置；标准Prompt；Prompt所包含的元素
一文掌握Prompt：万能框架+优化技巧+常用指标
weixin_58753619的博客
07-31 2250
与现在越来越火热的 RAG 技术一样，我们更倾向于将知识通过外部注入的方式让模型试用，而能力则完全需要依赖预训练阶段。我们要做的是通过 Prompt 调用大模型的能力去解决问题，让这些能力表现的更精准，而并非把他当成一个知识库。如果与人做对比也一样能得到这个结论，人可以从外部收集信息，并利用自身的智能进行决策，而不是把知识都装到自己脑子里。Sam Altman 在早期采访中也提到，把大模型当成搜索引擎的应用方式是错误的，智能的体现才是大模型的关键。
NL2SQL技术方案系列(2)：全系列技术选型完整版：从通用技术选型(向量、图数据库)、大模型选择、Prompt工程、前沿技术方案展示
丨汀、的博客
04-23 2461
NL2SQL技术方案系列(2)：全系列技术选型完整版：从通用技术选型(向量、图数据库)、大模型选择、Prompt工程、前沿技术方案展示
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。
2024年Datawhale AI冬令营第二期 之prompt工程
qq_61897993的博客
12-25 872
小铃铛从第一期熬到第二期，出走半生归来仍是小白（PS：不得不说，我认为在对话应用的模型这里，比MAAS平台更换模型更方便一点，MAAS需要重新创建一个微调模型，再与一个应用捆绑）切入正题，本次分享的内容是。
【大模型提示词框架系列】 ICIP 框架：指令（Instruction）、背景信息（Context）、输入数据（Input Data）和输出指示器（Output Indicator）
AI天才研究院
09-03 1991
随着人工智能技术的快速发展，大型语言模型（Large Language Models，LLMs）如GPT-3、GPT-4、BERT等已经成为自然语言处理领域的重要工具。这些模型能够理解和生成人类语言，执行各种复杂的语言任务。然而，如何有效地与这些模型进行交互，如何精确地表达我们的需求，成为了一个关键问题。这就是提示词工程（Prompt Engineering）的由来。提示词工程是一门新兴的学科，旨在设计和优化与大型语言模型交互的提示词，以获得最佳的输出结果。
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 1968
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。
【AI大模型】Prompt Engineering
weixin_53880910的博客
05-31 2277
模型训练者并没想到过会这样，完全是大家「把 Al 当人看」玩出的一个用法实在传得太广，导致现在的大模型训练数据里充满了角色定义，所以更有效了先定义角色，其实就是在开头把问题域收窄，减少二义性。别急着上代码，先尝试用 prompt 解决，往往有四两拨千斤的效果但别迷信 prompt，合理组合传统方法提升确定性，减少幻觉想让 AI 做什么，就先给它定义一个最擅长做此事的角色用好思维链，让复杂逻辑/计算问题结果更准确防御 prompt 攻击非常重要。
提示工程 Prompt Engineering
JasonH2021的博客
07-15 3090
本文简单介绍了提示工程（Prompt Engineering）的基本概念，常用的方法，应用场景，主要课题和对抗性Prompt等。
大模型提示工程（Prompt），如何让大模型更好的为我们所用
06-27
大模型提示工程（Prompt Engineering）是一种策略，它通过精心设计和构造输入提示来优化大模型（如GPT、BERT等）的表现，使其更有效地回答用户的问题或完成指定任务。以下是几个关键步骤： 1. **理解任务**：明确你希望模型执行的具体任务，比如回答问题、生成文本、翻译等。这有助于创建针对性的提示模板。 2. **简洁明了**：提供简洁、清晰的指令，避免冗余信息。例如，对于问题回答任务，提问式提示比长篇描述更有效：“告诉我纽约的人口是多少？” 3. **参数化**：如果可能，使用参数化提示，这样模型可以根据输入的数据动态生成响应。如：“请解释一下{输入的主题}的相关概念。” 4. **测试和迭代**：尝试不同的提示并评估模型的响应。记录下来哪些提示效果好，哪些不好，不断调整优化。 5. **多样性**：训练模型处理各种变体，包括语法、风格和上下文的多样性，以提高其适应性。 6. **伦理考量**：确保提示不包含误导性信息或潜在有害的内容，尊重隐私和版权。 通过这些方法，大模型可以更好地理解和响应用户的请求，提高效率和准确性。[^4]
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

打赏作者

汀、人工智能

十分感谢您的支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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