类别：人工智能 / 日期：2023-05-29 / 浏览：721 / 评论：0
这是OpenAI联合吴恩达老师做的一个免费的如何写提示词的官方课程，时长大概一个半小时，在听完后我总结了笔记跟大家分享。
课程链接：点击打开
一、两种大型语言模型（LLM）
Base LLM （基础LLM）
基于大数据训练，预测下一个词
Instruction Tnued LLM（指令微调LLM）
基于指令去训练
微调可以更好的适应
通过RLHF（人类反馈强化学习），使得更好的理解人类的语言
二、编写的两个原则
明确且具体提示（明确≠简短）
使用分隔符清晰的分割提示和指令部分（避免提示注入）
要求结构化输出的格式（HTML，json）
要求模型检测条件是否符合（假设符合A条件，则执行B任务）
少样本提示（给示例，按照示例回答）
给模型留下”思考“时间
指定完成任务所需要的步骤
指示模型在给出答案之前，做充分的思考
注意模型回答的幻觉（基于文章内容回答）
三、对提示词进行迭代
迭代过程类似软件开发：
初次尝试命令
分析结果，发现不符合预期的地方
根据结果，修改提示词或者命令
四、常见应用场景
1、总结：
评价文本的感情色彩（积极，消极）
从文本中提取特定类似的词语或者内容
判断文本的内容是否满足某个条件
识别文本中的某些内容
总结文本的主题，判断主题是否满足某些词语
2、推理：
对文本按照指定条件推测是否符合结果
关注某一个细节进行推理
提取具体方面的信息
对成百上千的评论进行总结，并在仪表盘山展示
3、转换：
翻译成不同国家的语言
判断输入的那种国家的语言
翻译的时候可以指定不同的场合（正式，非正式）
可以转换不同的语气
不同格式数据之间的转换（html→json）
检查语法错误
显示原始文本和经过修改后的文本的不同
4、扩展：
根据文本的感情内容去生成对应的回复
参数temperature：
高的temperature可以增加回复的随机度：
五、聊天机器人
可以看下我上篇文章写的如何在Django下做一个简单的AI聊天机器人：链接
发表评论 /