大模型prompt提示工程案例

一、明确目标和任务

在设计 Prompt 之前，首先要明确你的目标是什么，是文本生成、信息提取、问答、翻译，还是其他任务。例如，如果是文本生成任务，要确定生成的文本类型，如故事、新闻报道、产品描述等。

二、Prompt 的基本结构

• 指令部分：清晰明确地说明你希望大模型执行的任务。
• 输入部分：提供必要的输入信息，以便大模型理解上下文。
• 约束部分（可选）：为大模型的输出设定限制，如字数、格式、语言等。

三、设计原则

• 清晰明确：避免模糊和歧义，使用简单、直接的语言，确保大模型能够理解你的需求。
• 提供足够信息：给出必要的背景和细节，让大模型有足够的信息来完成任务。
• 尝试不同表述：如果结果不满意，可以尝试使用不同的词汇和表达方式来优化 Prompt。

四、具体实现案例

案例一：文本生成

任务：生成一篇关于未来科技的科幻小说，字数在 300 字左右。

Prompt 设计：

请为我创作一篇关于未来科技的科幻小说，字数在300字左右。故事应包含对未来科技的创新和对人类生活的影响，以及可能出现的挑战和机遇。

代码实现（使用 OpenAI 的 ChatGPT API 为例）：

import openai


openai.api_key = "YOUR_API_KEY"


def generate_text(prompt):
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=prompt,
        temperature=0.7,
        max_tokens=300
    )
    return response.choices[0].text.strip()


prompt = "请为我创作一篇关于未来科技的科幻小说，字数在300字左右。故事应包含对未来科技的创新和对人类生活的影响，以及可能出现的挑战和机遇。"
generated_text = generate_text(prompt)
print(generated_text)

案例二：信息提取

任务：从一段新闻报道中提取出主要事件、发生时间和地点。

Prompt 设计：

请从以下新闻报道中提取主要事件、发生时间和地点。新闻报道如下：
[在此插入新闻报道内容]
将提取的信息按照以下格式输出：
主要事件：[事件内容]
发生时间：[具体时间]
发生地点：[具体地点]

代码实现：

import openai


openai.api_key = "YOUR_API_KEY"


def extract_info(prompt):
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=prompt,
        temperature=0.0,
        max_tokens=200
    )
    return response.choices[0].text.strip()


news_report = "北京时间2024年1月14日，在上海举办的科技博览会上，一款全新的人工智能助手亮相。该助手具备强大的语言处理能力，引发了广泛关注。"


prompt = f"""请从以下新闻报道中提取主要事件、发生时间和地点。新闻报道如下：
{news_report}
将提取的信息按照以下格式输出：
主要事件：[事件内容]
发生时间：[具体时间]
发生地点：[具体地点]"""


extracted_info = extract_info(prompt)
print(extracted_info)

案例三：问答系统

任务：回答关于历史事件的问题。

Prompt 设计：

请回答以下关于历史事件的问题：[具体问题]，并确保答案准确、详细，包含相关的重要信息。

代码实现：

import openai


openai.api_key = "YOUR_API_KEY"


def answer_question(prompt):
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=prompt,
        temperature=0.3,
        max_tokens=300
    )
    return response.choices[0].text.strip()


question = "请回答以下关于历史事件的问题：第一次工业革命的主要标志是什么？并确保答案准确、详细，包含相关的重要信息。"


answer = answer_question(question)
print(answer)

案例四：文本翻译

任务：将一段英文文本翻译成中文。

Prompt 设计：

请将以下英文文本翻译成中文：[英文文本]

代码实现：

import openai


openai.api_key = "YOUR_API_KEY"


def translate_text(prompt):
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=prompt,
        temperature=0.0,
        max_tokens=500
    )
    return response.choices[0].text.strip()


english_text = "The quick brown fox jumps over the lazy dog."


prompt = f"请将以下英文文本翻译成中文：{english_text}"


chinese_translation = translate_text(prompt)
print(chinese_translation)

五、优化技巧

• 调整温度参数：temperature 参数可以控制生成结果的随机性，较低的温度会使结果更具确定性，较高的温度会使结果更具创造性。
• 增加示例：对于复杂任务，可以在 Prompt 中加入示例，让大模型更好地理解任务要求。

六、测试和迭代

不断测试不同的 Prompt 并根据结果进行优化，通过迭代的方式来提高大模型的输出质量，以达到更好的性能和更符合需求的结果。

七、注意事项

• 保护好 API 密钥，避免泄露。
• 遵守大模型服务提供商的使用条款和服务协议。

以上是一个关于大模型 Prompt 提示工程的基本设计方法和具体实现案例，你可以根据具体的应用场景和任务需求，灵活运用这些原则和技巧进行 Prompt 的设计和优化。不同的大模型可能对相同 Prompt 的反应有所不同，因此在实际使用中需要进行适当的调整和试验。