【大模型】prompt实践总结
文章目录
- 怎么才算是好的prompt
- 设计准则
-
- 基本原则
- 精炼原则（奥卡姆剃刀准则）
- 具体原则
- 真实操作技巧
-
- 指定角色
- 增加fewshots
- 列表化
- 代码化
- 强调需求
- 真实迭代
- 大模型优化
-
- 情形
-
- 任务的定义和评估标准似乎可以再明确一下
- 出现了一些之前没有考虑过的特殊情况，可以重新组织语言优化Prompt来处理这些特殊情况
- 大模型prompt引理 一对一效应
-
- 编写prompt的万能模板
- 任务
- 要求
- 知识
-
-
- langgpt
- 四步走
-
- 百度总结： prompt 编写技巧
怎么才算是好的prompt
自己读起来顺口
设计准则
基本原则
Prompt应当和大模型的高质量训练数据分布尽可能一致
精炼原则（奥卡姆剃刀准则）
如无必要，勿增实体。指令约束应该逐步添加到Prompt中，保证每一条约束都与任务需求本身息息相关，
每一条约束的加入都会对生成的结果产生显著的影响，避免任何冗余的指令约束。
当Prompt内容过于丰富时，模型并不一定会完全遵循每一条指令约束，因此每一条指令的表述应当越精炼越好
具体原则
形容词尽可能描述准确某个名词。例如，
(bad case)你是一个人工智能助手
(good case)你是一个医疗领域的人工智能助手
真实操作技巧
指定角色
指定模型扮演的角色/身份可以帮助模型更好地定位答复的内容与风格，虽然让模型扮演指定的角色并非是一个总是有效的trick，
但在某些任务需求难以准确描述的任务上，有可能会取得意想不到的效果。