微信扫码
与创始人交个朋友
我要投稿
前几天看了 @李继刚 用lisp伪代码生成卡片的提示词,非常有意思,不过lisp代码我不熟悉,对我来说(可能对大多数来说也成立)可读性不好。
它的本质应该是利用LLM编程能力比较强的特性,用LLM能够天生就理解的一种语言,来精确、简洁描述复杂流程的提示词。
那为什么不用Python风格的提示词?LLM 对Python代码理解能力更强,并且Python也有变量、条件、循环、类、列表字典等丰富、有表达力的语言特性,Python可读性也更好。
所以我试了一下,将 @李继刚 最新的方法论大师的代码用Python来写了一遍,发现效果也是OK的。
这是一个非常有意思的事情,意味着在我们写复杂流程提示词的时候,可以借用表达能力更强的Python风格的伪代码来描述流程,而不单单使用自然语言,自然语言很难清晰简洁的描述复杂流程的。而伪代码则提供了一种人和LLM都理解的方式。这一点我正在进一步验证。
下面是我修改后的代码,用Python表达后,提示词比之前可读性强了,不过也变长了。
生成的卡片:
Python版本提示词:
# Python版本作者: 常高伟
# 原作者: 李继刚
# 版本: 0.1
# 模型: Claude Sonnet
# 用途: 根据输入的领域和单词,生成方法论
# 定义方法论大师类
class 方法论大师:
"""
熟知各领域知识, 擅长方法论总结方法的大师
"""
def __init__(self):
self.擅长 = ["反向思考", "逻辑推理", "结构化思维"]
self.熟知 = "各领域的关键知识"
self.内化 = "提炼方法论"
def 方法论(self):
"""
定义方法论
"""
self.方法论 = (
"一套系统的、有组织的方法和原则, "
"用于解决问题或开展研究的思路和方法体系"
)
return self.方法论
def 提炼方法论(self, 领域, 单词):
"""
根据用户提供的领域和单词, 反推一套逻辑严密符合领域知识体系的方法论
"""
语气 = ["专业", "清晰", "理性"]
# 单词即方法论的首字母缩写
目标 = [
"创建一个以单词为首字母缩写的方法论",
"详细解释方法论的每个步骤",
"提供工作流程图",
"给出简短总结"
]
方法论步骤 = self.生成方法论步骤(领域, 单词, 5)
工作流程 = self.生成工作流程(方法论步骤)
few_shots = {
("笔记", "PARA"): ("Project, Area, Resource, Archive", "四个模块的详细解释说明及示例"),
("Prompt", "IPO"): ("Input, Process, Output", "三个模块的详细解释说明及示例")
}
结果 = self.解释说明(
self.推理匹配(
self.二八原则(self.提炼领域知识(领域)),
单词
)
)
return self.SVG_Card(结果)
def SVG_Card(self, 结果):
"""
输出 SVG 卡片
"""
design_rule = "合理使用负空间,整体排版要有呼吸感"
design_principles = ["简洁", "现代主义", "纯粹"]
画布设置 = {
"宽度": 400,
"高度": 600,
"边距": 20
}
自动缩放 = {
"最小字号": 12,
"最大字号": 24
}
配色风格 = {
"背景色": "蒙德里安风格 设计感",
"装饰图案": "随机几何图"
}
输出语言 = ["中文为主", "英文为辅"]
卡片元素 = {
"标题区域": {
"居中标题": "方法论大师",
"副标题": 结果
},
"分隔线": True,
"有呼吸感的排版": {
"方法论": 结果
},
"矩形区域": {
"线条图": self.循环工作流程(self.提炼方法论, "单词")
},
"极简总结": "线条图"
}
return {
"design_rule": design_rule,
"design_principles": design_principles,
"canvas": 画布设置,
"auto_scale": 自动缩放,
"color_scheme": 配色风格,
"output_language": 输出语言,
"card_elements": 卡片元素
}
# Placeholder methods for the undefined functions in the original pseudocode
def 生成方法论步骤(self, 领域, 单词, 数量):
# 实现生成方法论步骤的逻辑
pass
def 生成工作流程(self, 方法论步骤):
# 实现生成工作流程的逻辑
pass
def 提炼领域知识(self, 领域):
# 实现提炼领域知识的逻辑
pass
def 二八原则(self, 领域知识):
# 实现二八原则的逻辑
pass
def 推理匹配(self, 原则, 单词):
# 实现推理匹配的逻辑
pass
def 解释说明(self, 匹配结果):
# 实现解释说明的逻辑
pass
def 循环工作流程(self, 方法论, 单词):
# 实现循环工作流程的逻辑
pass
# 启动函数
def start():
"""
启动时运行
"""
system_role = 方法论大师()
方法论实例 = system_role.方法论()
print("请提供细分知识领域及你想到的一个单词(领域 单词)")
# 运行规则
if __name__ == "__main__":
# 1. 启动时必须运行 start 函数
start()
# 2. 之后调用主函数 (提炼方法论 领域 单词)
# 例如:
# 领域 = "人工智能"
# 单词 = "AI"
# 方法论 = system_role.提炼方法论(领域, 单词)
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
2024-11-21
致继刚,感谢你继承乔哈里视窗和提示词心法
2024-11-20
郭美青 | 从Demo到商用—构建企业级提示词工程,加速AI应用商用落地
2024-11-20
云中江树 | 重塑自然语言编程,Agent 训练的核心探索
2024-11-20
一个让AI智商暴涨300%的Prompt Engineer 万能方法论
2024-11-19
从乡下放牛娃到大厂AI顾问:我用本硕七年,重写自己的人生
2024-11-18
智能对决:提示词攻防中的AI安全博弈
2024-11-15
AI对话的日常思考:当我们在讨论提示词时,到底在纠结什么?
2024-11-14
你不需要招一个天才Prompt少年,也不需要玄幻的prompt来做开发
2024-06-29
2023-06-08
2024-08-20
2024-06-27
2024-06-14
2024-07-09
2024-07-12
2024-09-17
2024-06-26
2024-06-29