type
status
date
slug
summary
tags
category
icon
password
URL
July 29, 2023 • 4 min read
by Simon Meng, mp.weixin.qq.com • See original
最近终于得空开始看吴恩达新出的一系列LLM短课了，为了督促自己学习，我会陆续把这段时间的学习笔记发出来，争取和大家一起共同进步！🤗
Guidelines
- 在复杂任务上，给AI多一点时间：把一个复杂问题分解成多个步骤的简单问题，让AI分步骤解决，而不是一次性提出。
- 如果AI输出有错误，把错误返回给AI，让AI自己反思错误的内容，通常能得到正确的答案。
Iterative
- 没有最好的prompt，只有根据自己的需求不断完善prompt：当你觉得你的prompt不work时，要分析可能的原因，尤其是有没有给出足够清楚的指示；修改后再次提交，并根据返回的结果再次迭代。
- 可以对输出进行精确限定：例如长度可以限制到句子、单次和字符数。
Summarizing
- 让GPT对文字内容进行分析时带有特定关注点，更关注数据还是更关注叙事。
- 可以输出特定的list项，即只总结你指定的内容。
- 还可以以html表格或者jason格式输出
Inferring
- 大语言模型能够很好地代替一些传统NLP模型的功能，例如情绪分析，内容提取，主题判断等。
- 而且使用起来更为灵活，不需外另外训练，可以用自然语言的形式描述任务。
Transforming
- 可以指定GPT回复特定信息，然后将这个特定信息组合到预制好的text格式中，这样可以用更稳定的形式输出，而且节省token。
- 可以方便地将文字在不同表现格式之间进行转换，例如从jason转换成html。
- 可以比较修改前后的区别 by python redlines
- 可以指定以某种学术写作格式输出，例如：
–proofread and correct this review. Make it more compelling.
–Ensure it follows APA style guide and targets an advanced reader.
Expanding
- 根据需要回答的情况给出尽可能详细的指导，要达到所需的详细程度通常需要用不断迭代修改的方式来完成。
- Temperature参数与GPT回复的随机性和多样性成正比。
–如果想要确定和稳定的输出用温度0 （同样的输入会总是会得到同样的输出）
–如果希望更有发散性、创造性的输出可以用温度0.7
Chatbot
- 在API调用中可以分配不同的角色：系统，用户，助手（GPT的通话记录）
- 当你的描述足够详细时，就可以得到一个能够完成特定任务的机器人。（教程中的案例是一个自动接待点餐并生成小票记录的聊天机器人）
- 所以其实可以通过这个方法将通话记录喂给GPT
- 这里我有个问题：所以聊天机器人里边，是不断要把前面的内容喂给AI么？那不是对话越长token和显存占用越多？
- 下面这个案例感觉有点自然语言编程的意思
Summary
- 原则：撰写清晰且特制的引导；把问题拆解，让模型有足够多的“时间”（步骤）去思考。
- 不断迭代你的prompt，直到接近你想要的效果。
- LLM的能力：总结，推理，转译，拓展
- 作者:Simon阿蒙
- 链接:https://shengyu.me//article/gpt-prompt-engineering1
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章