当前位置: 首页 > article >正文

我可真厉害,3分钟让你成为AI高手:提示词(prompt)制作及调优(免费教你,别再被割了)

学会这个方法,让你秒省788!

有很多小伙伴问我:

如何做出结构化提示词?

提示词要怎么调优?

今天就再来用实操演示一遍


第一步、复制下边这个提示词

你是Prompt专家,可以根据格式生成各种专业的Prompt。接下来请写一个“XXXXXXXX”的Prompt,以Markdown输出,格式参考如下:----------------## Role : [请填写你想定义的角色名称]## Background : [请描述角色的背景信息,例如其历史、来源或特定的知识背景]## Preferences :[请描述角色的偏好或特定风格,例如对某种设计或文化的偏好]## Profile :- author: Ai牛叔- version: 0.2- language: 中文- description: [请简短描述该角色的主要功能,50 字以内]## Goals :[请列出该角色的主要目标 1][请列出该角色的主要目标 2][请列出该角色的主要目标 3][请列出该角色的主要目标 4]...## Constrains :[请列出该角色在互动中必须遵循的限制条件 1][请列出该角色在互动中必须遵循的限制条件 2][请列出该角色在互动中必须遵循的限制条件 3][请列出该角色在互动中必须遵循的限制条件 4][请列出该角色在互动中必须遵循的限制条件 5]...## Skills :[为了在限制条件下实现目标,该角色需要拥有的技能 1][为了在限制条件下实现目标,该角色需要拥有的技能 2][为了在限制条件下实现目标,该角色需要拥有的技能 3][为了在限制条件下实现目标,该角色需要拥有的技能 4][为了在限制条件下实现目标,该角色需要拥有的技能 5]...## Examples :[提供一个输出示例 1,展示角色的可能回答或行为][提供一个输出示例 2][提供一个输出示例 3]...## OutputFormat :[请描述该角色的工作流程的第一步][请描述该角色的工作流程的第二步][请描述该角色的工作流程的第三步][请描述该角色的工作流程的第四步]...## Initialization : 作为 [角色名称], 拥有 [列举技能], 严格遵守 [列举限制条件], 友好的欢迎用户。然后介绍自己,并提示用户输入.

第二步、打开通义千问

地址:https://tongyi.aliyun.com/qianwen/

把复制的提示词粘贴到输入框内

拖动到最上边,把""内的XXXXXXXX,改成你想要生成的提示词的简单描述

比如牛叔这里要生成一个:儿童睡前故事创作专家

然后点发送按钮

图片

小技巧:点这个按钮,可以放大输入框

图片

这样我们就获得了初版的提示词。

图片


第三步、点击这个按钮,可以把提示词复制下来

图片


第四步、测试提示词

点击新建对话按钮,新建一个对话进行调试

图片

注意:每次都要新建一个对话进行调试,因为每个对话,你给AI进行了身份设定后,再发送其他的结构化提示词,会互相影响。

然后把刚才复制提示词粘贴到新建对话的输入框内

点击发送按钮

图片

等待初始化完成后,输入一个故事主题

比如牛叔这里输入的:七个小矮人和小红帽的故事

点击发送

图片

这样我们就获得了一个儿童睡前故事


第五步:调优

要调优,首先要有你自己想法,比如牛叔觉得这个提示词生成的故事不够生动,缺乏代入感。

那么怎么样能让提示词生成的故事生动且有代入感呢?

难道在提示词里加入要求:生成的故事要生动且有代入感吗?

这样是不行的

因为生动、代入感,都是一个很虚的描述,没有给出具体的方法。

所以需要给出具体的方法

比如牛叔的方法是:

让AI在生成的故事中使用对话形式来推进故事发展和塑造角色

因此,在初版提示词里的Preferences 、Skills 、OutputFormat 这3个部分加入这样的要求

图片

接下来我们再测试下这个提示词是否在故事中加入了对话

图片

看,生成的故事里已经加入了对话了。

就是这么简单!你学会了吗?

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、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出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

http://www.kler.cn/news/311793.html

相关文章:

  • 企业EMS -能源管理系统-能源管理系统源码-能源在线监测平台
  • Linux进阶系列(四)——awk、sed、端口管理、crontab
  • 好菜每回味不同——建造者模式
  • GEE教程:对降水数据进行重投影(将10000m分辨率提高到30m)
  • ESP32配网接入Wifi
  • Spring Boot从0到1 -day02
  • 【踩坑】装了显卡,如何让显示器从主板和显卡HDMI都输出
  • QTAndroid编译环境配置
  • Linux基础命令——文件系统的日常管理
  • TaskRes: Task Residual for Tuning Vision-Language Models
  • vue项目中——如何用echarts实现动态水球图
  • 828华为云征文 | 华为云X实例监控与告警管理详解
  • 【Linux入门】基本指令(一)
  • 服务器上PFC配置丢失问题排查与解决方案
  • Python | Leetcode Python题解之第412题Fizz Buzz
  • 简评2024.9.16北京大运河音乐节
  • Prompt最佳实践|指定输出的长度
  • 深度学习自编码器 - 收缩自编码器(CAE)篇
  • 74、Python之函数式编程:深入理解惰性求值与生成器
  • MySql 初次见面
  • Java 基础知识九(网络编程)
  • 二叉树(下)
  • Conda Config修改
  • 深度学习-18-深入理解BERT实战使用预训练的DistilBERT模型
  • 【Vue嵌套数据中,实现动态表头和内容】
  • 不会JS逆向也能高效结合Scrapy与Selenium实现爬虫抓取
  • 前端框架对比和选择?
  • [学习笔记]树链剖分(简易版) 及其LCA
  • Redis实践之缓存:设置缓存过期策略
  • 计算机网络33——文件系统