|
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin-right: auto;margin-bottom: 1em;margin-left: auto;padding-right: 1em;padding-left: 1em;border-bottom: 2px solid rgb(15, 76, 129);color: rgb(63, 63, 63);">提示词ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">提示工程学是一门相对较新的学科，用于开发和优化提示，以便高效地利用语言模型（LM）来进行各种应用和研究主题。提示工程技能有助于更好地了解大型语言模型（LLM）的能力和限制。研究人员使用提示工程来改善LLM在各种常见和复杂任务上的能力，例如问答和算术推理。开发人员使用提示工程来设计与LLM和其他工具接口的强大和有效的提示技术。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">本文主要介绍标准提示的基础知识，以提供指导如何使用提示与大语言模型（LLM）进行交互。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.1em;font-weight: bold;margin-top: 2em;margin-right: 8px;margin-bottom: 0.75em;padding-left: 8px;border-left: 3px solid rgb(15, 76, 129);color: rgb(63, 63, 63);">提示的组成要素ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">提示主要包含以下组成部分：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding-left: 1em;list-style: circle;color: rgb(63, 63, 63);" class="list-paddingleft-1"> •指令- 您想让模型执行的具体任务或指令 •上下文- 可以涉及外部信息或附加上下文，可以引导模型做出更好的响应 •输入数据- 是我们有兴趣找到响应的输入或问题 •输出指示- 表示输出的类型或格式。 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">并非所有组成部分都是提示所必需的，格式取决于手头的任务。我们将在后面发布的指南中涉及更多具体的示例。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.1em;font-weight: bold;margin-top: 2em;margin-right: 8px;margin-bottom: 0.75em;padding-left: 8px;border-left: 3px solid rgb(15, 76, 129);color: rgb(63, 63, 63);">提示词的通用设计技巧ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-weight: bold;margin: 2em 8px 0.5em;color: rgb(15, 76, 129);">指令ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">通过使用指令来指导模型进行各种简单任务的设计，例如“写入”、“分类”、“总结”、“翻译”、“排序”等。尝试使用不同的指令、关键字、上下文和数据，看看什么对您的特定用例和任务最有效。通常，上下文对于您尝试执行的任务越具体和相关，效果越好。建议将指令放在提示的开头。建议使用一些清晰的分隔符，如“###”，来分隔指令和上下文。例如： Prompt: ###指令###
将下面的文本翻译成西班牙语：
文本：“嗨！”
Output： Texto:"¡Hola!" 具体的我们输入的指示和任务上要非常具体，提示越详细，结果就越好，尤其是我们在要求大模型以特定格式或风格给我们返回内容时。需要注意的是，详细而具体的提示并不是越长越好，因为大模型的输入长度存在一定的限制，要尽量避免一些不是很重要的无用细节。 例如，让我们尝试从一段文本中提取特定信息的简单提示。 Prompt： 提取以下文本中的人物。
期望格式：
人物:{"姓名":"","性别":""}
输入：“姚明（Yao Ming），男，汉族，无党派人士，1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市，前中国职业篮球运动员，司职中锋，现任亚洲篮球联合会主席、中国篮球协会主席、中职联公司董事长兼总经理、十三届全国青联副主席，改革先锋奖章获得者，第十四届全国人大代表。”
Output: 人物:{"姓名":"姚明","性别":"男"}Few-Shot提示大语言模型经过大量的数据训练和指令微调，具备了强大的语义分析能力和推理能力。但在处理更复杂的任务时，推理能力仍然表现不足。为了改进这一点，few-shot prompt被用作一种技术，以实现上下文学习，在Prompt中提供演示，以引导模型获得更好的性能。 例如，任务是在一个句子中正确使用一个新词。 Prompt: 示例1:
生物名:翼火龙
特征:生活在火山地带，拥有火焰吐息能力，翅膀覆盖着耐高温的鳞片。
分类:火元素生物
示例2:
生物名:水灵狐
特征:居住在深林的溪流旁，能够操控水流，毛发闪耀着水珠般的光泽。
分类:水元素生物
请根据同样的模式，对以下生物进行分类：
生物名:光羽兽
特征:栖息于云之彼端，身体轻盈透明，背上生有能折射阳光形成彩虹的羽毛，以光线为食。
Output: 分类:光元素生物 我们可以清楚地观察到，模型通过仅提供一个示例（即1-shot）学会了如何执行任务。对于更困难的任务，我们可以尝试增加演示次数（例如3-shot、5-shot、10-shot等）。 CoT思维链标准的 Few-shot Promp 技术对于许多任务来说表现良好，但在处理更复杂的推理任务时仍然不够完美。当零次提示和少次提示不足时，这可能意味着模型所学到的不足以胜任任务。 所有的推理任务我们都可以给它拆分成几个步骤。换句话说，如果我们将问题分解成步骤，并向模型演示，可能会有所帮助。CoT思维链技术通过中间推理步骤实现复杂的推理能力。您可以将其与 Few-shot Prompting 结合使用，以在需要推理后响应的更复杂任务中获得更好的结果。 例如：
Prompt: 这组数中的奇数加起来是一个偶数：4、8、9、15、12、2、1。
A：将所有奇数相加（9、15、1），得到25。答案是 False。
这组数中的奇数加起来是一个偶数：15、32、5、13、82、7、1。
A:
Output: 这组数中的奇数加起来是一个偶数：15、32、5、13、82、7、1。
A：答案是 False。因为将所有奇数相加（15、5、13、7、1），得到41，是一个奇数，不是偶数。
Zero-Shot CoT最近提出的一个新思路是Zero-Shot CoT，其基本思想就是将“让我们一步步思考”添加到提示中。让我们尝试一个简单的问题，看看模型的表现如何： Prompt: 我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下多少苹果？ Output: 我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下6个苹果。 答案是不正确的！现在让我们试试特殊提示的方式。
Prompt: 我去市场买了10个苹果。我给了邻居2个苹果和给修理工2个苹果。然后我又去买了5个苹果，并吃了1个。我还剩下多少苹果？
让我们一步步思考。
Output: 好的，让我们逐步解决这个问题。
我去市场买了10个苹果。
剩余苹果数：10个。
我给了邻居2个苹果和给修理工2个苹果。
剩余苹果数：6个。
然后我又去买了5个苹果。
剩余苹果数：11个。
并吃了1个。
剩余苹果数：10个。
所以，最后我还剩下10个苹果。
实际上，这个简单的提示在这个任务上非常有效，令人印象深刻。这在您没有太多示例可用于提示的情况下特别有用。 Text2SQL提示词以Text2QSL的具体任务为例：
【系统提示词】：你是一个IT开发工程师。在这个任务中，你的目标是将自然语言问题转换为有效的SQL查询语句。请仔细分析问题，逐步推理出所需的数据库表格、列名、以及
必要的SQL操作（如SELECT, FROM, WHERE, JOIN等），并确保遵循SQL语法规范。
【COT思维链】：当你处理每个问题时，想象你在心中逐步构建SQL查询的过程。
1、首先，先确定查询的目标是什么（即SELECT部分）；
2、然后，考虑从哪个表获取这些信息（FROM部分），以及是否有任何特定条件需要过滤结果（WHERE部分）；
3、如果涉及到多个表的关联，请明确它们之间的连接条件。
【表结构信息】：{
CREATETABLEBooks(
idINTAUTO_INCREMENTPRIMARYKEYCOMMENT'主键',
titleVARCHAR(255)NOTNULLCOMMENT'图书标题',
authorVARCHAR(255)NOTNULLCOMMENT'图书作者',
isbnCHAR(13)UNIQUENOTNULLCOMMENT'图书ISBN号',
publication_dateDATENOTNULLCOMMENT'出版日期',
categoryVARCHAR(100)NOTNULLCOMMENT'图书类别'
)ENGINE=InnoDBDEFAULTCHARSET=utf8mb4COLLATE=utf8mb4_general_ciCOMMENT='图书记录';
};
【样例数据】:{
"title":"示例图书",
"author":"作者名字",
"isbn":"1234567890",
"publication_date":"2023-04-01",
"category":"小说"
};
【Few-Shot示例】：[
{
"提问":"找出所有在2023年出版的书籍。",
"响应":"SELECTtitleFROMBooksWHEREyear(publication_date)='2023'"
},
{
"提问":"找出所有在2023年出版的书籍，并按照出版日期排序。",
"响应":"SELECTtitleFROMBooksWHEREyear(publication_date)='2023'ORDERBYpublication_date"
}
]
【用户指令】：{question}
【响应格式】：请以SQL代码的形式提供您的答案，确保它直接回答了上述问题，并且遵循正确的SQL语法。
|
