结构化提示词是一种像写文章一样编写提示词的方法。其思想较为普遍,日常写作的文章和书籍都常使用标题、子标题、段落、句子等语法结构。
在文生图方面,调整好参数生成图片后,若质感欠佳,可添加标准化提示词,如“(杰作:1.2),最好的质量,杰作,高分辨率,原创,非常详细的壁纸,完美,照明,(非常详细的 CG:1.2),绘图,画笔”等,让画面更趋近于固定标准。
对于新手,有一套极简基础的结构化编写 Prompt 框架,例如:
1.[请列出该角色的主要目标 1] 2.[请列出该角色的主要目标 2]
[请列出该角色在互动中必须遵循的限制条件 1] [请列出该角色在互动中必须遵循的限制条件 2]
[为了在限制条件下实现目标,该角色需要拥有的技能 1] [为了在限制条件下实现目标,该角色需要拥有的技能 2]
1.[请描述该角色的工作流程的第一步] 2.[请描述该角色的工作流程的第二步]
在提高模型响应精确度方面,改进提示词格式很重要。如在问答和文本分类中,提示词可以通过指令、上下文、输入和输出指示来改进响应结果。越明确的指示,响应越好。包含相关语境和其他要素,提供更多信息和具体指令,能使响应更符合需求。
调整好参数后,我们就可以生成一幅图片了。可以看到画面内容基本和我们的描述相同,但是在质感方面还少了一些味道。这时就需要用到我们的第二类关键词:标准化提示词。它能让画面更趋近于某个固定的标准。比如我们添加如下关键词:(杰作:1.2),最好的质量,杰作,高分辨率,原创,非常详细的壁纸,完美,照明,(非常详细的CG:1.2),绘图,画笔。
作者:小七姐可以在以下地址关注她,主页内容更丰富:[小七姐的](https://t.zsxq.com/15KhQ0RE7)[Prompt](https://t.zsxq.com/15KhQ0RE7)[学习社群](https://t.zsxq.com/15KhQ0RE7)在今天的(四)中,我们主要分享:Prompt的结构化什么是结构化Prompt?结构化的思想很普遍,结构化内容也很普遍,我们⽇常写作的⽂章,看到的书籍都在使⽤标题、⼦标题、段落、句⼦等语法结构。结构化Prompt的思想通俗点来说就是像写⽂章⼀样写Prompt。结构化编写Prompt本身算是提示词编写的进阶学习内容,基于我们是面向新手的喂饭级教程,这里只列举一套(极简)基础的结构化编写Prompt的框架,我们可以看到它通过一些特定的标准,将提示词结构为一些固定范式,例如:# Role:[请填写你想定义的角色名称]# Profile:- author:作者- version:版本- language:中文- description:[请简短描述该角色的主要功能,50字以内]## Goals:1.[请列出该角色的主要目标1]2.[请列出该角色的主要目标2]## Constrains:[请列出该角色在互动中必须遵循的限制条件1][请列出该角色在互动中必须遵循的限制条件2]## Skills:[为了在限制条件下实现目标,该角色需要拥有的技能1][为了在限制条件下实现目标,该角色需要拥有的技能2]## Workflows:1.[请描述该角色的工作流程的第一步]2.[请描述该角色的工作流程的第二步]我们看到上述范例中有一些特殊写法和标识:
提高模型响应精确度的最佳方法之一是改进提示词的格式。如前所述,提示词可以通过指令、上下文、输入和输出指示以改进响应结果。虽然这些要素不是必需的,但如果您的指示越明确,响应的结果就会越好。以下示例可以说明结构化提示词的重要性。提示词输出结果语境参考至[Nature(opens in a new tab)](https://www.nature.com/articles/d41586-023-00400-x)。[heading2]文本分类[content]目前,我们已经会使用简单的指令来执行任务。作为提示工程师,您需要提供更好的指令。此外,您也会发现,对于更复杂的使用场景,仅提供指令是远远不够的。所以,您需要思考如何在提示词中包含相关语境和其他不同要素。同样,你还可以提供其他的信息,如输入数据和示例。可以通过以下示例体验文本分类:提示词输出结果我们给出了对文本进行分类的指令,语言模型做出了正确响应,判断文本类型为'Neutral'。如果我们想要语言模型以指定格式做出响应,比如,我们想要它返回neutral而不是Neutral,那我们要如何做呢?我们有多种方法可以实现这一点。此例中,我们主要是关注绝对特性,因此,我们提示词中包含的信息越多,响应结果就会越好。我们可以使用以下示例来校正响应结果:提示词输出结果完美!这次模型返回了neutral,这正是我们想要的特定标签。提示词中的示例使得模型可以给出更具体的响应。有时给出具体的指令十分重要,可以通过以下示例感受这一点:提示词输出结果这时候你知道给出具体指令的重要性了吧?