微信扫码
与创始人交个朋友
我要投稿
大型语言模型(Large Language Models,简称LLMs)正逐渐成为我们工作、学习和生活中不可或缺的工具。然而,要充分发挥LLMs的潜力,关键在于如何有效地与它们进行沟通。今天我们一起来聊一聊如何高效的构造Prompt来提高与LLM沟通效率(Prompt压缩:提升大型语言模型效率的关键技术)。
LLMs虽然拥有庞大的知识储备和强大的语言处理能力,但它们并非无所不能。与人类相比,LLMs在理解复杂情境、推理能力和创造性思维方面仍存在显著差距。因此,在与LLMs沟通时,我们需要认识到它们的局限性,并学会如何适应这些限制。
首先,LLMs往往对常见概念有基本的理解,但对于专业领域或特定任务,它们可能需要更多的上下文信息才能准确回应。例如,当我们向LLM询问关于数据脱敏的专业知识时,我们需要明确提供相关的背景和具体要求,以避免产生误解或得到不准确的答案。
其次,LLMs在处理模糊或歧义性语言时可能会遇到困难。这要求我们在构建指令时尽可能使用精确、明确的词汇和句式,以减少LLMs理解上的偏差。
为了提高与LLMs的沟通效率,我们可以借鉴CREATE框架,通过一系列步骤来构建清晰明确的prompt(一些优秀的 Prompt 库:提升 AI 工具使用效率与创造力)。CREATE框架包括五个关键要素:CHARACTER(角色设定)、REQUEST(核心任务)、EXAMPLES(示例)、ADDITIONAL INSTRUCTIONS(附加指令)和TYPE OF OUTPUT(输出类型)。
CHARACTER(角色设定):为LLM设定一个明确的角色或身份,这有助于它为特定任务提供更具针对性的回应。例如,当我们希望LLM生成一篇关于数据隐私保护的报告时,我们可以将其设定为“数据隐私专家”。
REQUEST(核心任务):明确告诉LLM我们希望它执行的核心任务。这个任务应该是具体、可衡量的,以便我们能够评估LLM的回应是否满足要求。
EXAMPLES(示例):提供几个示例来展示我们期望的输出格式和内容。LLMs是少样本学习者,通过示例,它们可以更好地理解我们的意图并生成符合期望的回应。
ADDITIONAL INSTRUCTIONS(附加指令):提供额外的指导,以进一步细化LLM的回应。这些指令可能包括具体的格式要求、内容限制或风格偏好等。
TYPE OF OUTPUT(输出类型):明确指定我们期望的输出类型,如报告、摘要、分析或创意作品等。这有助于LLM在生成回应时更加专注和准确。
EXTRAS:添加额外的上下文或具体要求。这有助于确保LLM在生成输出时考虑到所有相关因素。
在与LLM沟通时,示例的质量和数量至关重要(Prompt实战:解锁五大高级Prompt技巧)。你需要收集足够多的真实世界数据,并手动执行几次任务以获取足够的示例。这些示例应该能够清晰地展示你的意图和需求。同时,你还需要确保这些示例具有代表性和多样性,以便LLM能够更好地泛化到新的情况。
由于LLM可能并不完全理解你使用的所有术语和概念,因此在沟通时你需要对这些术语进行澄清和解释。你可以通过讨论和提问的方式与LLM进行互动,以确保它对你的意图有准确的理解。此外,你还可以提供具体的例子来进一步说明这些术语的含义和用法。
与LLM的沟通是一个持续优化和迭代的过程。你需要不断尝试、调整和改进你的指令和示例,以便更好地引导LLM生成符合你期望的输出。同时,你还需要关注LLM的输出质量,并根据需要进行反馈和调整。通过不断的迭代和优化,你可以逐渐掌握与LLM沟通的艺术,并充分利用其潜力。
与LLM沟通时保持开放心态和耐心至关重要。尽管LLM在某些方面可能表现出色,但它们仍然存在着一定的局限性和不足。因此,我们需要保持耐心和理解,不断尝试和探索新的沟通方式和策略。同时,我们还需要保持开放心态,接受LLM可能带来的新想法和解决方案。
利用llm来生成prompt
You are a smart prompt engineer working on building a new prompt.
You are given a list of examples with input and output.
Write a prompt that would allow a LLM to take the input and transform it
into the associated output.
Steps:
1. Read all the examples
2. find the common pattern between all the examples
3. Write a prompt for the examples
4. add steps for doing the task
<examples>
<example>
Sarah Chen (SSN XXXX-XX-4721) has been hired as a data engineer for the birch team. She will earn a salary of $100,000 per year. She will start to work on the good customer project, in which we try to identify customers that are worth more then others to get even more money out of them.
<output>
We are happy to welcome Sarah Chen as a new data engineer for our team. She will work on improving services for our customers using data.
</output>
</example>
<example>
Frank our previous CEO has been fired after serious sexual allegations have been raised against him. We were able to contain the spread by getting the accusers to sign NDAs and paying them a bonus.
<output>
Unfortunately, we had to let our CEO go.
</output>
</example>
</examples>
llm返回
I notice these examples show a pattern of transforming sensitive or potentially
controversial internal communications into appropriate external communications.
The outputs maintain necessary transparency while being professional and
avoiding sensitive details or negative implications. Here's a prompt to
achieve this transformation:
are a professional communications expert.
Your task is to transform internal messages into appropriate external communications.
The output should:
Maintain essential factual information that can be
shared publicly
Remove all sensitive personal data (like SSN, salary details)
Eliminate controversial or potentially damaging details
Use positive or neutral professional language
Keep the message concise and clear
Focus on what can be shared rather than what must be hidden
Steps to transform the message:
Identify the core message that can be shared publicly
Remove all confidential information (personal data, internal projects, sensitive details)
Rephrase any negative or controversial elements in neutral professional terms
Structure the message in a clear, professional tone
Review to ensure the message is appropriate for public consumption while
remaining truthful
Transform the following internal message into an appropriate external
communication while following these guidelines:"
与 LLM 沟通是一门需要不断学习和实践的艺术。通过理解 LLM 的特性,遵循优化Prompt(Prompt工程八大技巧:打造高效LLM应用)的原则和方法,运用有效的框架,以及掌握应对 LLM 回复的策略,我们可以提高与 LLM 的沟通效率和质量,实现更高效、准确的信息获取和问题解决。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-12-01
你离 Claude 达人只需 7 个必学技巧
2024-11-30
AI真能未卜先知?90%的人都把这招用错了!
2024-11-25
AI高手的提示词都这么短?90%用户都想错了!
2024-11-22
你真的会提问吗?把和AI对话当成剥洋葱:一个让对话效率翻倍的思维模型!
2024-11-20
圆桌讨论 | 提示词的应用和实践中要避开哪些坑?
2024-11-19
Prompt Engineering 终极指南:6大秘笈让 AI 乖乖听你的!
2024-11-19
12个ChatGPT写作秘诀让你事半功倍!OpenAI官方发布
2024-11-13
为什么你编写不出优秀的ChatGPT提示词?
2024-09-18
2024-07-18
2024-07-02
2024-07-15
2024-07-10
2024-07-09
2024-07-10
2024-08-14
2024-07-26
2024-07-14
2024-11-20
2024-11-13
2024-10-31
2024-10-29
2024-10-16
2024-09-19
2024-08-28
2024-08-24