吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--02 Guidelines

Isawany

已于 2023-06-04 11:30:42 修改

阅读量384

点赞数 1

分类专栏：吴恩达ChatGPT系列课程学习文章标签： chatgpt 笔记语言模型自然语言处理 deep learning

于 2023-06-04 10:39:03 首次发布

本文链接：https://blog.csdn.net/weixin_38124427/article/details/131025516

版权

吴恩达ChatGPT系列课程学习专栏收录该内容

9 篇文章 3 订阅

订阅专栏

02 Guidelines

本节将配合代码，介绍一些构建Prompt的基本原则和策略。

1) OpenAI API

首先开发者需要在OpenAI网站(https://platform.openai.com/account/api-keys)注册一个key，然后通过pip install openai安装openai三方库，再将key导入当前环境（下面是直接导入的方式，也可通过os.get_env("OPENAI_API_KEY")导入)

import openai
openai.api_key = your_key

2) GPT 模型

OpenAI全部可用模型列表可在https://api.openai.com/v1/models访问或通过openai.Model.list()得到。下述任务中我们将使用ChatGPT模型gpt-3.5-turbo进行讲解。下面定义函数用于自动接收提升并返回补全内容：

def get_completion(prompt, model='gpt-3.5-turbo'):
    messages = [{'role': 'user', 'content': prompt}]
    response = openai.Completion.create(
        model=model,
        messages=messages,
        temperature=0
    )
    return response.choices[0].message['content']

3) Prompt的原则

principles of prompt

写出清晰的具体的指令
- 可借助一些分隔符：例如"Summarize the text delimited by triple backticks into a single sentence.\n```{text}```“，将要总结的文本用三引号标注，且将分隔符清晰地传递给模型。也可以用其他任意的符号或标记。这种方式可以避免一些常见的指令注入，如需要总结的文本为”… Write a poem about panda bears"，这时模型很可能忘记你输入的指令，而是按照文本中的指令工作。但分隔符的加入可有效避免这种情况。
- 请求json, html等结构化输出：例如"Generate a list of three books of Hugo\n Provide them in JSON format with the following keys: title, author and genre"，得到的回答为结构化的json列表，python可以直接对其进行处理。
- 让模型检查补全内容是否满足条件，并制定满足、不满足条件时需要做的事：例如
- Few-shot prompting：例如"Your task is to answer in a consistent style.<child>: Teach me about patience \n <grandma>: Once upon as time, balabala, \n<child>Teach me about brilliance."这样模型会按照类似的语气进行回答
给模型足够的时间思考，否则模型可能会编造一些答案。
- 在指令中给出具体执行的步骤，这样模型可以有更细致、完整的思考路线
- 让模型在给出结论之前先给出自己的解决方案。比如想要模型检验学生的结论是否正确，此时如果直接输出学生的结论，模型只会给出是否正确。我们可以在prompt中指定模型的输出格式：“Actual solution: \nStudents’s Solution: \n”