自 OpenAI 的 ChatGPT 横空出世至今,各种 AI 大模型百花齐放、百家争鸣。按照用途可以分为两类:
- 对话类:即通过文字、语音、图片或者视频输入来给模型下达指令,然后模型按照指令以文字的形式将回答输出给用户;
- 生成类:目前 AI 界已经实现语音、图片和视频的生成式 AI,输入方式不变,输出方式以这些类型为主体。
AI 的诞生为人们的工作生活都提供了极大的便利。在工作中,即使不会编程,也可以通过 AI 来生成一些可以提高工作效率的脚本,比如:
- 整理 Excel 数据
- 进行数据分析
- 根据预设条件进行简历筛选
- ……
但是大多数情况下,人们发现 AI 返回的结果并没有达到预期,甚至会出现严重的幻觉(也就是瞎编乱造)。这种问题通常是因为人们在给大模型发送提示词时,输入的内容往往会过于泛化或者没有问到点子上,举两个例子:
- 本来想结合实际业务写一个可维护性好、可读性强的自定义 Hook,但是因为还没有使用过自定义 Hook,所以直接提问「自定义 React Hook 怎么写?」,从而只得到一个入门级别的 demo
- 有两个抽屉,其中一个侧滑框 A 要展示在侧滑框 B 的上面,但是现在 A 设置了
z-index:9999
却没有效果,本来想问为什么及如何解决,但是最终千言万语汇成了一句「CSS 中如何将一个弹窗设置在顶层?」
那对于这两个被“精简”了的问题来说,Gemini 是这样回答的:
反面示范
可以看到 Gemini 给我们讲解了自定义 Hook 的基础用法,但是实际上我们这里可能是想再问得具体一点,比如:「自定义 React Hook 怎么写?以及如何做到让该 Hook 的可维护性好、可读性强并且返回的值符合当前的业务场景?」
为什么会写这个问题,是因为一些新手在看完文档或者相关入门资料以后,第一反应是按照这些资料中写的 demo 原模原样写的抄一遍,这就导致写得业务大概率和实际场景不符,demo 中返回了一个函数,他也跟着返回一个函数,但实际上直接返回值更合理。
看看,是不是比之前好很多了,这就是提问的智慧!
OpenAI 官方提供的 Prompt 编写文档!
为了能让我们写出有效的、能让大模型理解的提示词,OpenAI 官方也推出了「提示词工程」说明书,也算是为使用 ChatGPT 出了一个提示词标准。
[访问地址
可以看到官方为我们提供了6个标准:
-
Write clear instructions 写下清晰的提示
- 问题要携带关键信息
- 要定义好背景角色
- 对于问题的不同部分,可以使用分隔符进行区分
- 有条理、有次序的指定完成任务所需要的步骤
- 提供例子,让大模型有参考对象
- 指定回答的长度,也就是字数
-
Provide reference text 提供参考文字
- 让模型使用指定的文本进行回答。说简单点,就是类似于让 Kimi Chat 帮你读一本书,你喂它一本书,它将书中的内容给你概括起来
- 让模型在回答时可以引用问题中的内容。
-
Split complex tasks into simpler subtasks 将复杂的任务拆分为更简单的子任务
- 使用意图分类来识别与用户查询最相关的指令
- 对于需要很长对话的内容,总结或者过滤以前的对话(更合理的方式看下一条)
- 分段总结长文档并递归构建完整摘要(个人理解也适用于上一条)
-
Give the model time to “think” 给模型时间“思考”
- 在做一些判断性问题时,可以让模型先在给出结论之前制定自己的解决方案
- 有一些引导性场景下,模型回答问题时的推导过程可能不适合与用户分享。这个时候可以使用内心独白或者一系列查询的方式来隐藏模型的推理过程
- 在询问模型时检查是否有遗漏什么内容。也就是说,对于一些长文本的内容,大多数情况下需要我们多次提问才可以得到最准确最完整的答案
-
Use external tools 使用外部工具
- 使用基于嵌入的搜索实现高效的知识检索
- 使用代码执行来执行更准确的计算或调用外部API
- 授予模型访问特定功能的权限
-
Test changes systematically 系统地测试及变更优化
- 官方这里提供了一个:参考黄金标准答案评估模型输出
我们可以根据文档中提出的这6个原则写一个自动生成 prompt 的 AI 应用,这样也可以轻松搞定提示词了。
写在最后
提示词的编写套路其实大同小异,掌握好主要的几个关键点就可以写得大差不差。而最便捷的方式就是花点时间用这些方法去定制化一个自动生成 prompt 的 AI 应用,之后的工作就是润润提示词就可以了。
附思维导图:
如何学习AI大模型?
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。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓