如果你不幸进来了,这恰恰是提示词的功效,因为标题就是提示词给出的。
提示词工程,又叫Prompt Engineering,是一种专门针对语言模型进行优化的方法。它的目标是通过设计和调整输入的提示词(prompt),来引导这些模型生成更准确、更有针对性的输出文本。
在与大型预训练语言模型交互时,无论是智谱清言、deepseek、豆包还是ChatGPT,给定的提示词会极大地影响模型的响应内容和质量。提示词工程关注于如何创建最有效的提示词,以便让模型能够理解和满足用户的需求。这可能涉及到对不同场景的理解、使用正确的词汇和语法结构,以及尝试不同的提示策略以观察哪种效果最佳。
就个人而言使用而言,提示词要编写清晰、具体的指令,目标明确、任务细致、背景材料丰富,即使写的有问题,大语言模型是可以做上下文识别的,我们可以逐步进行完善丰富;如果一个大语言模型不行,我们可以切换到不同大模型下生成+组合。。
举例一:本文的标题就是基于 “给 一文读懂大语言模型提示词 生成10个爆款标题”生成的。
可以看到大语言模型给了四类十一个标题名称。
图片
举例二::让大语言模型写一个武侠小说
以 “安史之乱” 为背景,虚拟一个主人公,背景人物包括李白、杜甫、张巡、南霁云、郭子仪、颜真卿,创作一篇金庸武侠风格小说目录,全文共50个章节,每个章节目录取名要兼具文言风格,同时用200字写该章节的简要内容,风格要大气磅礴,通过江湖纷争民族矛盾来达到侠之大者。
写的挺好的,还可以继续扩写。
图片
图片
举例三:让大语言模型写代码
1、帮我写一段python代码,对气象的最高温度、最低温度进行预测
结果用了Sklearn做了回归分析,不是我们想要的
图片
2、帮我写一段python代码,用深度学习方法,对气象的最高温度、最低温度进行预测
结果用了tensorflow来写,也不是我们想要的
图片
3、帮我写一段python代码,用pytorch和LSTM,对气象的最高温度、最低温度进行预测
这段没问题,用CPU训练,但是我想用GPU
图片
4、帮我写一段python代码,基于GPU,用pytorch和LSTM,对气象的最高温度、最低温度进行预测
这段没问题,但我想预测的是未来七天的天气
图片
5、帮我写一段python代码,基于GPU,用pytorch和LSTM,对未来七天的气象的最高温度、最低温度进行预测
这段没问题,但数据是随机生成的,我想预测meteostat的自动数据
图片
6、帮我写一段python代码,基于GPU,用pytorch和LSTM,通过meteostat获取历史天气数据,对未来七天的气象的最高温度、最低温度进行预测
这段没问题,但代码数据缺少封装,我想用dataset和dataloader
图片
7、帮我写一段python代码,基于GPU,用pytorch和LSTM,通过meteostat获取历史天气数据,pytorch的dataset和dataloader封装数据,对未来七天的气象的最高温度、最低温度进行预测
这段没问题,但代码比较臃肿,不符合编程规范要求
图片
8、帮我写一段python代码,基于GPU,用pytorch和LSTM,通过meteostat获取历史天气数据,pytorch的dataset和dataloader封装数据,并对训练过程和预测过程进行函数封装,对未来七天的气象的最高温度、最低温度进行预测
最后,我们可以一边调试,一边享受结果了。
图片
https://api-docs.deepseek.com/zh-cn/prompt-library/
图片
其他网上的提示词,在这里就不做复读机了,一方面是怕侵权,一方面毫无意义。