分类 Prompt教程 下的文章

写邮件撰写电子邮件可能是一项耗时的任务,特别是当你需要先阅读收到的邮件时。本节将介绍从简单的告诉老板你今天生病了的邮件,到更复杂的冷邮件(Cold Emails)的各种用例。

- 阅读剩余部分 -

数据结构化LLMs具有一个简单而令人兴奋的应用,即将数据组织成表格形式。您可能希望将大量新闻或业务报告中的要点提取出来,并以表格的形式录入电子表格或数据库中。像ChatGPT这样的聊天机器人可以帮助您实现这一目标。我们可以通过在报告的末尾添加"生成包含此信息的表格:"来提取信息。

- 阅读剩余部分 -

开始你的旅程现在你已经掌握了提示工程(prompt engineering)的基础知识,你可以开始尝试自己的提示工程了。本课程的后续部分将提供更多技术和资源,但最好的学习提示工程的方法是开始使用自己的提示进行实验。本节将指导你如何开始解决一个任意的提示工程问题。

- 阅读剩余部分 -

LLM Settings引言大型语言模型(LLMs)的输出受超参数配置的影响,这些超参数可以控制模型的多个方面,例如生成结果的多样性和随机性。调整超参数可以产生更加生动、多样和有趣的输出。本章将讨论两个重要的超参数以及它们如何影响LLMs。

- 阅读剩余部分 -

聊天机器人基础最常见的一种使用提示的方法是与公开的聊天机器人(例如 ChatGPT)进行互动。请注意,ChatGPT 与 GPT-3 不同,他们之间的主要区别在于聊天机器人可以记住你的对话历史。就像 GPT-3 一样,它们也可以高水平地回答问题、提供写作摘要和分析、编写文案或代码等,这是一个令人兴奋的前景——但是聊天机器人的真正价值只有在你使用具体的提示时才能体现。在本文中,我们将探讨一些基本的方法,如使用风格指导、描述符和引导,让聊天机器人更好的发挥作用。

- 阅读剩余部分 -

规范化提示在这个教程中,我们将为您介绍解释不同类型提示的术语。尽管已经有一些方法来形式化提示工程中的术语,但是这个领域仍在不断变化,因此我们将提供更详细的信息来帮助您入门。

- 阅读剩余部分 -

组合提示正如我们在之前的教程中所了解的,面向模型的提示可以采用多种格式和不同的复杂性。这些提示可以包含上下文信息、指令式的提示语和多个输入-输出示例。然而,到目前为止,我们只研究了这些提示技巧的独立使用。将这些不同的技巧结合起来可以产生更加强大的提示。以下是一个示例,展示了如何组合上下文、指令和多个示例的提示:

- 阅读剩余部分 -