提示词工程100问:chatGPT提示词框架最全总结(1)

来源:穆宁爱喝vodka

提示词,又称为指令,prompt。是发送到ChatGPT 等大模型应用的输入内容。

它可以理解为是一个你需要传达的问题或指令,由AI响应并提供一个答案。

提示的质量和准确性对ChatGPT等AI应用 输出的有用性和相关性有很大影响。

对个人而言,如何针对个人的具体需求,通过大模型应用快速获取到高质量的输出内容,提示词是一门大学问。

对企业而言,如何针对业务诉求,快速低成本实现 prompt 提示词的标准化生产,以及模板化,流程化的设计,正受到越来越大的重视。

一些互联网大厂和独角兽公司,也开始招募 prompt 设计领域的专家。

提示词工程100问:chatGPT提示词框架最全总结(1)

基于以上背景,我推出了提示词工程师 100 问系列内容。

旨在帮助大家建立提示词工程(prompt engineering)的基础认知和学习体系。

能够将所学内容应用到日常生活,工作中,找到一份提示词工程师有关的工作。

100 个问题尽量短小精悍,把问题解决的同时,建立知识框架,好读不烧脑。

今天带来第一个问题:

Q1:什么是提示词框架?

提示词框架(prompt framework)是一种用于生成自然语言文本的技术,它基于预定义的模板和规则,可以帮助生成特定领域或任务的文本。

这些模板和规则可以包括语法结构、语义规则、上下文信息等,以生成符合特定要求的文本。

提示词框架有一套标准的元结构,大部分的提示词具有类似结构:

首先,ChatGPT收到一条提示,告知Al应该扮演什么角色。

然后,提示会告诉Al用户提供了什么信息。

接下来,告诉Al应该如何处理这些信息,包括对方向的粗略建议。

但这种框架太简单太抽象,无法通过标准化的方式复制。

于是,开始诞生了各个不同的提示词框架体系或者学派。

一、Elavis Saravia的 ICIO 框架

ICIO框架是Elavis Saravia总结的一套框架,他认为一个prompt里需包含以下四个部分:

Instruction (必须): 指令, 即你希望模型执行的具体任务

Context (选填): 背景信息, 或者说是上下文信息, 这可以引导模型做出更好的反应

Input Data (选填): 输入数据, 告知模型需要处理的数据

Output Indicator (选填): 输出指示器, 告知模型我们要输出的类型或格式。

使用案例:

Instruction (必须): 生成一段关于互联网历史的文本。

Context (选填): 背景:互联网是一个全球互联的计算机网络系统,使用标准互联网协议套件(TCP/IP)为全球数十亿用户提供服务。

它是一个由数以百万计的网络组成的网络,其中包括从本地到全球的私有、公共、学术、商业和政府网络,这些网络通过各种电子、无线和光纤网络技术连接。Internet承载着大量的信息资源和服务,例如相互链接的超文本文档和万维网(WWW)应用程序、电子邮件、电话和文件共享。

输入数据(Input Data) :无。

产出指标(Output Indicator):案文段落。

二、Matt Nigh的 CRISPE 框架

CRISPE框架是Matt Nigh提出的一个用于编写prompt输出复杂内容的框架,它是首字母的缩写,分别代表以下含义:

CR:Capacity and Role(能力与角色):你希望 ChatGPT 扮演怎样的角色。

I:Insight(洞察):背景信息和上下文。

S:Statement(陈述):你希望 ChatGPT 做什么。

P:Personality(个性):你希望 ChatGPT 以什么风格或方式回答你。

E:Experiment(实验):要求 ChatGPT 为你提供多个答案。

使用案例:

能力和角色:作为机器学习框架主题的软件开发专家和博客撰写专家。

见解:本博客的读者是对机器学习领域的最新进展感兴趣的技术专业人士。

陈述:全面概述最流行的机器学习框架,包括其优势和劣势。包括现实生活中的示例和案例研究,以说明这些框架如何成功应用于各个行业。

个性:回答时,混合使用Andrej Karpathes、Francois Chollet、Jeremy Howard和Yann LeCun的写作风格。

实验:“给我多个不同的例子”。

三、“陈财猫”的 BORE 框架

BORE 框架是陈财猫设计的一套ChatGPT提示设计流程,提高 ChatGPT 的工作效率和质量。

BORE 是 Background, Objectives, Results, Experiment 的缩写,它包括四个部分:

Background: 阐述背景,为 ChatGPT 提供充足信息。

Objectives: 定义任务目标,告诉 ChatGPT 我们希望实现什么。

Results: 定义关键结果,让 ChatGPT 知道实现目标所需要达成的具体、可衡量的结果。

Experiment: 试验并调整,通过试验来检验结果,并根据需要进行调整。

提示词工程100问:chatGPT提示词框架最全总结(1)

使用案例:

提示词工程100问:chatGPT提示词框架最全总结(1)

 

四、Szhans的提示词框架

即刻大佬Szhans提出的一个新的提示词框架,可以让ChatGPT们成为你更好私人顾问

图中结构很简洁:

表达目标:(你想做什么?)

提供框架:(给出示例)

目标受众:(什么类型的人会去读)

语气风格:(比如幽默、严肃、正式…)

参考的作者/电影/书籍/其他的风格:(比如斯蒂芬金)

不要触及的部分:(比如政治)

提示词工程100问:chatGPT提示词框架最全总结(1)

Szhans指出,稍微细致思考这个结构的合理性(或改进之处),变成一次产品经理式探索模式,你会发现有这些特点:

无非是系统思维、换位思考、建立框架的习惯以及写作能力。

(Prompt Engineering ),还是有关提问的艺术,是思维能力的综合表现:去挖掘本质,对表象和噪声「断舍离」。

五、这几个提示词框架有何不同?

其实市面上还有非常多的提示词框架,在此就不一一介绍了,仅介绍一些主流框架和我个人比较认可的框架。

Elavis Saravia 框架和 CRISPE 框架是两种优化提示结果的流行工具,帮助确保提示清晰、信息丰富、有效,并提供个性化的回答。

其中,Elavis Saravia 框架强调上下文、具体性和全面的指导,释放人工智能模型的全部潜力。

CRISPE 框架则注重上下文、相关性、信息丰富性、具体性和问题导向。

使用 BORE 框架可以帮助用户更好地与 ChatGPT 交互,提高 ChatGPT 的工作效率和质量,不过有一定的使用门槛和学习成本。

这几个框架都可以帮助我们更好地使用 ChatGPT,但它们在细节上有所不同,可以根据需求选择适合我们自己的框架。

© 版权声明
THE END
喜欢就支持一下吧
点赞89 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片