人工智能技术应用笔记(九):大道至简!提示词学习入门,看这一篇就够了!

本文主要是介绍人工智能技术应用笔记(九):大道至简!提示词学习入门,看这一篇就够了!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本篇为《人工智能技术应用》专栏的第九篇。希望以学习笔记的形式和大家一起了解和探索人工智能技术的实际应用。

现在关于提示词的武功秘笈已经多如牛毛,但是我相信这个就像练功一样,练到最后总是化繁为简,一招制胜!

今天想说的这一招就是:官方文档

没错,很多网站的官方文档都价值含量极高,但是很多人宁愿去搜集那些已经流传了7、8手的信息,也不愿意去信息的源头看看。学习提示词也是,OpenAI和Claude都给出了很细致的入门文档,非常适合新手阅读。

https://platform.openai.com/docs/guides/prompt-engineering

​​

今天我就来分享下我自己在看这个文档时的一些思考和收获。​

提示词要入门的最重要的一件事,就是要让你的提示清晰明了。​

给出清晰的提示非常重要,我们总说在和AI交互的时候,提出好的问题很重要,一个好问题的基础就是这个问题是清晰的,你至少得说清楚你究竟想问啥吧?只有把问题澄清了,才有可能进一步优化问题。​

关于如何给出清晰的指令,OpenAI的官方文档中给出了6个建议。可以说掌握了这6点,要写作一个清晰有效的提示词是不在话下的。​

这六个建议几乎是构建一个优质提示词的基石。下面就分别来说说:​

1、提供重要的细节以及上下文​

我们要明白,AI虽然聪明,但它不是全知全能的。这就要求我们在给出指令时,需要提供足够的细节和上下文。​

就好比你要让一个外地朋友帮你买本地的特产,如果只告诉他“买特产”而不说是哪里的、什么特产,那他怎么帮你买呢?​

再来举一个写作相关的例子:​

比如你想写一篇关于如何利用业余时间开展副业的文章,你最好能够提供这些信息:​

这篇文章的目标读者(比如全职工作的人士),你关注的焦点(比如低成本启动的副业),以及任何特定的要求或偏好(如实例驱动,提供实际操作建议)。​

提示词:

为全职工作者写一篇文章,介绍五个低成本启动的副业项目,要求用实例驱动,提供具体操作步骤。​​

​​

2、要求模型扮演角色​

这是一个非常常见的提示词技巧。​

要求模型扮演角色可以提高沟通的效率和精准度。​

比如,你需要写一篇文章,你可以指定AI扮演一个资深自媒体写手的角色,这样AI就会根据这个角色的特点来调整其回应的风格和内容。​

或者​

如果你需要分析财务数据,你可以指定AI扮演一个专业的财务专家。​

或者​

如果你需要心理咨询,你可以指定AI扮演一个专业的心理咨询师。​

3、使用分隔符清晰标识不同部分​

在提供信息时,如果能够使用分隔符(如逗号、分号、换行等)清晰地标识出不同的部分,将大大提高AI理解指令的准确度。​

就像我们写作文一样,合理的段落划分和标点使用,可以让读者更容易理解文章的意思。对AI来说也是一样的,清晰的结构会让它更容易“理解”你的需求。​

比如下面这个提示词例子:​

​​

这个例子中,为了防止模型搞混淆前面的“指令”和后面的“文档”。​

所以我用“###”把文档内容圈了出来。​

当然对于这种简单的任务,不用圈GPT4这种模型也能识别出来,但是如果你的人物比较复杂,提示词比较长的时候,这个技巧就很重要。这个我们后面进阶的内容再细说。​

4、指定完成任务所需的步骤​

如果你有一个比较复杂的需求,那就需要将任务分解成几个步骤,并且明确告诉AI每个步骤需要完成什么。​

比如,在写作时,将写作任务分解成几个明确的步骤,告诉AI每一步骤的目标,能够帮助它更有条理化地安排内容。​

提示词:

按照以下步骤,写一篇关于副业重要性的文章​

1. 开头阐述现代人寻找副业的普遍原因;​

​2. 中间部分详细讲解如何利用个人兴趣(如写作)作为副业;​

3. 结尾给出具体操作步骤和建议。​​

5、提供样例(few-shot)​

在某些情况下,给AI看几个例子会比纯粹用文字描述更有效。​

这种方法叫做few-shot learning。​

通过提供几个相关的例子,AI可以更快地抓住你的需求点,更精准地给出回应。​

看下面这个例子:​​

6、将复杂任务分解为简单子任务​

对于比较复杂的任务,提示词往往不能一次性通过达到效果。最有效的办法就是将复杂任务进行拆分,让AI集中火力输出。​

复杂任务的拆分,一般有两种常见情况:​

第一种,并行。比如在写作中,常使用的方法就是先给出一篇文章的大纲,然后根据大纲一步步分段输出内容,最后再将所有内容进行组合。​

第二种,串行。就是将复杂的任务重新定义为一系列较简单任务,并且形成工作流,其中早期任务的输出用于构建后续任务的输入,最终从最后一个任务得到最终的输出结果。​

以上就是可以化繁为简的提示词武功心法,能够熟练掌握并运用,则可以笑傲江湖了。​

但是想要在AI江湖上立于不败之地,还需要再学习一套拳法,它可以帮助你稳定输出,这个我后面会再写一篇《AI提示词进阶》来进行说明。

——————————————————————————————————————

关注微信公众号【数字众生】即刻获取干货满满的 “AI学习大礼包” 和 “AI副业变现指南”

这篇关于人工智能技术应用笔记(九):大道至简!提示词学习入门,看这一篇就够了!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/827919

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G