提示词(prompt)工程指南(四):提示应用

在本指南中,我们将介绍一些高级和有趣的方式,利用提示工程来执行更有用和更高级的任务。

完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中,自动持续翻译更新:
关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全

  • https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
  • https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN

目录:

  • 提示词(prompt)工程指南(四):提示应用
    • 生成数据
    • PAL(程序辅助语言模型)
    • Python笔记本

生成数据

LLMs有强大的文本生成能力。使用有效的提示策略可以引导模型产生更好、更一致和更准确的回复。LLMs还可以特别有用于生成有用于运行各种实验数据。例如,我们可以使用它生成快速样本以用于情感分类器,就像这样:

提示:

生成10个情感分析例子。将示例归类为积极或消极。生成2个消极的示例和8个积极的示例。使用以下格式进行示例:
问: <句子>
答: <情感>

输出:

问: 我刚刚得到了最好的消息!
答: 积极

问: 我们在工作中得到了加薪!
答: 积极

问: 我为今天所取得的成就感到自豪。
答: 积极

问: 我有史以来过得最好的一天!
答: 积极

问: 我真的很期待周末。
答: 积极

问: 我刚收到了最好的礼物!
答: 积极

问: 我现在非常开心。
答: 积极

问: 我非常幸运能有这样一个神奇的家人。
答: 积极

问: 外面的天气真的很阴暗。
答: 消极

问: 我刚得到了一些可怕的消息。
答: 消极

这非常有用。我们在指南的另一部分中使用这个示例进行不同的测试。


PAL(程序辅助语言模型)

Gao等,(2022)提出了一种使用LLMs阅读自然语言问题并生成程序作为中间推理步骤的方法。被称为“程序辅助语言模型(PAL)”,与思维链提示不同的是,它不是使用自由格式文本来获得解决方案,而是将解决步骤卸载到编程运行时,如Python解释器。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3iJL7m5L-1680086168248)(…/img/pal.png)]

让我们看一个使用LangChain和OpenAI GPT-3的示例。我们有兴趣开发一个简单的应用程序,能够解释问题并利用Python解释器提供答案。

具体来说,我们有兴趣创建一个函数,允许使用LLM回答需要日期理解的问题。我们将向LLM提供一个提示,其中包括从这里采用的一些示例。

这些是我们需要的导入:

import openai
from datetime import datetime
from dateutil.relativedelta import relativedelta
import os
from langchain.llms import OpenAI
from dotenv import load_dotenv

让我们先配置一些东西:

load_dotenv()

# API configuration
openai.api_key = os.getenv("OPENAI_API_KEY")

# for LangChain
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")

设置模型实例:

llm = OpenAI(model_name='text-davinci-003', temperature=0)

设置提示+问题:

question = "Today is 27 February 2023. I was born exactly 25 years ago. What is the date I was born in MM/DD/YYYY?"

DATE_UNDERSTANDING_PROMPT = """
# Q:2015还有36小时就要到了。从今天算起一周后的日期是什么(以MM/DD/YYYY的格式呈现)?
# 如果2015年还有36小时就要到了,那么今天就是36小时前。
today = datetime(2015, 1, 1) - relativedelta(hours=36)
# 从今天算起一周后,
one_week_from_today = today + relativedelta(weeks=1)
# 用%m/%d/%Y格式呈现的答案是
one_week_from_today.strftime('%m /% d /%Y')。
"""

格式:

格式:仅返回已翻译的内容,不包括原始文本。

Q:2019年的第一天是星期二,今天是2019年的第一个星期一。今天的日期是什么?格式为MM/DD/YYYY。

如果2019年的第一天是星期二,而今天是2019年的第一个星期一,那么今天晚了6天。

today = datetime(2019, 1, 1) + relativedelta(days=6)

答案的格式为%m/%d/%Y

today.strftime('%m/%d/%Y')

Q:音乐会原定于1943年6月1日举行,但因一天而延迟到今天。10天前的日期是什么?格式为MM/DD/YYYY。

如果音乐会原定于1943年6月1日举行,但因一天而延迟到今天,那么今天晚了一天。

today = datetime(1943, 6, 1) + relativedelta(days=1)

10天前的日期是

ten_days_ago = today - relativedelta(days=10)

答案的格式为%m/%d/%Y

ten_days_ago.strftime('%m/%d/%Y')

Q:今天是1969年4月19日。24小时后的日期是什么?格式为MM/DD/YYYY。

今天是1969年4月19日。

today = datetime(1969, 4, 19)

24小时后的日期是

later = today + relativedelta(hours=24)

答案的格式为%m/%d/%Y

later.strftime('%m/%d/%Y')

Q:珍妮以为今天是2002年3月11日,但实际上今天是3月12日,晚了1天。24小时后的日期是什么?格式为MM/DD/YYYY。

如果珍妮以为今天是2002年3月11日,但实际上今天是3月12日,则今天日期为3/1/2002。

today = datetime(2002, 3, 12)

24小时后的日期是

later = today + relativedelta(hours=24)

答案的格式为%m/%d/%Y

later.strftime('%m/%d/%Y')

Q:珍妮出生于2001年2月的最后一天。今天是她16岁的生日。昨天的日期是什么?格式为MM/DD/YYYY。

如果珍妮出生于2001年2月的最后一天,而今天是她16岁的生日,则今天是晚了16年。

today = datetime(2001, 2, 28) + relativedelta(years=16)
昨天的日期是

yesterday = today - relativedelta(days=1)
答案的格式为%m/%d/%Y

yesterday.strftime('%m/%d/%Y')

Q:{question}这将输出以下内容: `02/27/1998`

Python笔记本

描述 笔记本
学习如何将Python解释器与语言模型结合使用以解决任务。 程序辅助语言模型

更多示例即将推出!

上一节(高级提示)

下一节(ChatGPT)

开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问:

关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全(自动持续更新):

  • https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
  • https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN

关于 GPT-4 语言模型的提示(prompt)、工具和资源的中文精选列表(自动持续更新)

  • https://github.com/yunwei37/awesome-gpt4-zh-CN
  • https://gitee.com/yunwei37/awesome-gpt4-zh-CN

使用 OpenAI API 的例子和中文指南(自动持续翻译更新 OpenAI 官方文档)

  • https://github.com/yunwei37/openai-cookbook-zh-cn
  • https://gitee.com/yunwei37/openai-cookbook-zh-cn

这个资源库包含了为 Prompt 工程手工整理的资源中文清单,重点是生成性预训练变换器(GPT)、ChatGPT、PaLM 等(自动持续更新)

  • https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
  • https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
    openai-cookbook-zh-cn

这个资源库包含了为 Prompt 工程手工整理的资源中文清单,重点是生成性预训练变换器(GPT)、ChatGPT、PaLM 等(自动持续更新)

  • https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
  • https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN

你可能感兴趣的:(python,开发语言,人工智能,自然语言处理,nlp)