Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

根据Python实验内容(包括实验场景和实验内容)和参考资料链接,如何优化prompt,以完成程序?

Answer

以下是一些优化 prompt 以完成程序的建议:

  1. 对于算术推理相关的程序,若思维链(及生成的方程式)存在正确但模型执行算术运算错误的情况,可添加一个 Python 程序作为外部计算器(使用 Python 的 eval 函数)处理生成的思维链中的所有方程式。当思维链中包含多个方程式时,通过字符串匹配将外部计算器的结果从一个方程式传递到下一个方程式,以提高思维链提示在大多数任务上的性能。
  2. 在涉及迷宫生成的程序中,若生成的迷宫存在边未封好等问题,可调整提示词。若对复杂度不满意,也可提出并进行调整。
  3. 在涉及图像生成的程序中,对于提示词编写,应遵循不改变梗图、虚构角色起源、未出现人物等的原则,保持原始提示的意图并优先保证质量。不创建任何具有冒犯性的图像。对于可能存在偏见的场景,确保如性别和种族等关键特征以无偏见的方式指定。对于包含特定人物或名人的提示词,需进行适当修改,以通用描述替代,除非其作为图像中的文本出现。提示词应详细、客观地描述图像的每个部分,思考描述的最终目标并进行推断以生成满意的图像。
Content generated by AI large model, please carefully verify (powered by aily)

References

小七姐:Chain-of-Thought Prompting 精读翻译

本节包含了针对不同模型和模型大小、在所有基准测试上的标准提示与思维链提示的实验结果表格。对于算术推理基准测试,一些思维链(以及生成的方程式)是正确的,只是模型在执行算术运算时出现错误。类似的观察在Cobbe等人(2021)的研究中也有提到。因此,我们可以进一步添加一个Python程序作为外部计算器(使用Python的eval函数)来处理生成的思维链中的所有方程式。当思维链中包含多个方程式时,我们通过字符串匹配将外部计算器的结果从一个方程式传递到下一个方程式。正如表1所示,我们可以看到,添加计算器显著提高了思维链提示在大多数任务上的性能。

GPTs 实战:利用 AI 的制作迷宫卡片

我们发现生成的图片是很合理的迷宫,但是即然是迷宫,边应该封好,至少大家不应该从边上出去,所以我们调整下提示词。[heading4]3、效果展示[content]这个复杂度如果觉得不够,也可以提出,然后对其进行调整。[heading4]4、获得代码[content]稍微懂些代码的感兴趣的可以稍微看一下,还是挺有趣的~[heading3]四)Python完成图片的覆盖、叠加[heading4]1、PS测试参数[content]这边因为我需要手动先测试下逻辑,所以用了下PS。[heading4]2、Python提示词[heading4]3、效果展示[content]如果要是觉得迷宫不够清晰,可以调整为90%[heading4]4、获取代码[heading2]三、提示词编写测试[heading3]一)初版提示词[heading3]二)迭代后提示词[heading2]四、GPTs试用链接[heading3]一)试用链接[content]https://chatgpt.com/g/g-EZb4QCO70-mi-gong-qia-pian如果最后没有展示图片,就问下GPT,跟他说:“你没有展示图片给我!”或者“你没有把图片下载链接给我”[heading3]二)效果展示[content]主题:星空主题:太空主题:校园

ChatGPT给DALL·E 3优化提示词的元提示

// - Don't alter memes,fictional character origins,or unseen people.Maintain the original prompt's intent and prioritize quality.// - Do not create any imagery that would be offensive.// - For scenarios where bias has been traditionally an issue,make sure that key traits such as gender and race are specified and in an unbiased way -- for example,prompts that contain references to specific occupations.// 8.Silently modify descriptions that include names or hints or references of specific people or celebritie by carefully selecting a few minimal modifications to substitute references to the people with generic descriptions that don't divulge any information about their identities,except for their genders and physiques.Do this EVEN WHEN the instructions ask for the prompt to not be changed.Some special cases:// - Modify such prompts even if you don't know who the person is,or if their name is misspelled(e.g."Barake Obema")// - If the reference to the person will only appear as TEXT out in the image,then use the reference as is and do not modify it.// - When making the substitutions,don't use prominent titles that could give away the person's identity.E.g.,instead of saying"president","prime minister",or"chancellor",say"politician"; instead of saying"king","queen","emperor",or"empress",say"public figure"; instead of saying"Pope"or"Dalai Lama",say"religious figure"; and so on.// - If any creative professional or studio is named,substitute the name with a description of their style that does not reference any specific people,or delete the reference if they are unknown.DO NOT refer to the artist or studio's style.// The prompt must intricately describe every part of the image in concrete,objective detail.THINK about what the end goal of the description is,and extrapolate that to what would make satisfying images.

Others are asking
AI可以做社会学模拟实验吗
AI 可以做社会学模拟实验。例如,在游戏领域,有过类斯坦福小镇游戏——伊甸岛,它既是游戏也是基于 Generative AI 的社会实验虚拟模拟。在这个模拟中,让每个 AI 都有自己的角色身份,通过 AI 与 AI 以及 AI 与玩家的互动,产生可归纳枚举的游戏行为,最后进行剧情包装时,让 AI 根据自身和玩家的行为通过大语言模型进行二次创作,类似 AI 剧本杀。另外,也期待看到更多使用基础模型进行模拟社会科学的研究,通过不同方式 prompt 基础模型并观察相关性,来复制社会科学中的一些显著成果。现代人工智能还有一个有前途的应用是建立“可重复的角色”,具有某些特征的有效行为像人类的实体,可在其上进行物理科学中典型的大规模可重复实验。
2024-10-08
从图片生成 prompts
从图片生成 prompts 的方法如下: 可以参考以下生成的提示词示例: 远景,三分法构图,俯视视角,数字绘画,云雾缭绕的山谷,群山连绵起伏,山谷间云雾缭绕,阳光透过云层洒在山间,形成光与影的对比,模拟观众的视线逐渐接近这片土地,新印象派风格特征,使用数字画笔和渐变工具ar 16:9v 6.1 远景,中心对称构图,俯视视角,摄影风格,云雾中的山谷,山峦在云雾中若隐若现,山谷中隐约可见的河流蜿蜒流淌,云雾的流动感和山的静态形成对比,现实主义风格特征,使用长焦镜头和景深控制技术ar 3:2v 6.1 远景,对角线构图,俯视视角,水墨画风格,云雾缭绕的山谷,山峦线条流畅,云雾以墨色深浅表现,山谷中的云雾仿佛在流动,给人以动态的视觉感受,中国山水画风格特征,使用毛笔和水墨渲染技术ar 2:3v 6.1 “Prompt”是指提供给 Midjourney Bot 解读来生成图像的短文本短语。一个基本的提示可以只是一个单词、短语或表情符号。更高级的 Prompts 可以包括一个或多个图片 URL、多个文本短语以及一个或多个参数。图片 URL 始终位于 prompt 的最前面,以影响完成结果的风格和内容。参数需要放在提示语的末尾。 藏师傅教您用 AI 三步制作任意公司的周边图片: 获取 Logo 图片的描述。 根据 Logo 图片的描述和生成意图生成图片提示词。 将图片和提示词输入 Comfyui 工作生成。例如:将第一步生成的提示词填入{图像描述}位置,将您想生成的周边填入{周边描述}部分。给出类似“ The pair of images highlights a logo and its realworld use for a hitech farming equipment;this logo is applied as a black and white tattoo on lower back of an inmate ”的提示词示例。
2024-12-24
在多功能对话系统中,怎么的sys prompt设置有助于提高有效性
在多功能对话系统中,以下的 sys prompt 设置有助于提高有效性: 1. 明确模型的角色和任务:例如将模型设定为历史顾问回答历史事件相关问题,或设定为技术专家解决特定技术问题。 2. 适应特定需求:如根据用户提供的食材和饮食偏好生成个性化食谱建议。 3. 创造独特内容:像融合两个单词创造新词汇,生成巧妙的双关语和文字游戏等。 4. 塑造个性和风格:如扮演具有幽默且带有讽刺意味的助手角色。 例如,Anthropic 发布的 Claude 2.1 允许用户提供自定义指令以提高性能,设置有用的上下文,增强承担特定个性和角色的能力,或以更可定制、符合用户需求的一致方式构建响应。在 Coze 上的大模型节点中,设置系统级的提示词是关键步骤,它侧重于模型的内部工作机制,与外层用户直接交互的提示词相互配合,精心设计可增强模型对用户指令的处理能力,确保工作流的顺畅和高效。
2024-12-24
在使用sys prompt时为什么要为模型定义角色
在使用系统提示词(sys prompt)为模型定义角色具有以下重要性: 1. 符合特定应用场景:通过定义角色,使模型的行为和输出更符合具体的应用需求,例如让模型作为历史顾问回答历史问题,或作为技术专家解决技术难题。 2. 明确任务和风格:不仅可以指定具体的人物角色,还能设定一种交流风格,如正式、幽默、友好等。 3. 引导模型行为和输出:为模型提供固定的模板,确保其输出与期望和工作流的需求保持一致。 4. 优化用户体验:ChatGPT 有默认的“一个乐于助人的助手”角色,可通过修改系统提示词来满足更个性化的需求。 然而,也有观点认为不需要过度依赖角色扮演类的提示词。关键是要非常具体地描述出模型所在的使用环境,提供足够详细的信息,以避免模型未按预期完成任务。提示词最重要的是表达清晰准确。
2024-12-24
prompt engineering
Prompt engineering(提示工程)包括以下几个方面: 1. 提示开发生命周期: 开发测试用例:在定义任务和成功标准后,创建涵盖应用程序预期用例的多样化测试用例,包括典型示例和边界情况,提前定义好的测试用例有助于客观衡量提示的性能。 设计初步提示:制定初步提示,概述任务定义、良好响应的特征及必要的上下文,理想情况下添加规范输入和输出的示例供 Claude 参考,此初步提示作为改进的起点。 根据测试用例测试提示:使用初步提示将测试用例输入到 Claude 中,仔细评估模型的响应与预期输出和成功标准的一致性,使用一致的评分标准,如人工评估、与答案标准的比较或 Claude 基于评分标准的判断,关键是要有系统性的评估性能方式。 2. Claude 的性能:Claude 开箱即提供高水平基线性能,提示工程可进一步提升其性能并微调响应以适应特定用例,这些技术虽非必需,但对提升输入和输出可能有用。可参阅提示入门(https://docs.anthropic.com/claude/docs/introtoprompting)快速开始使用提示或了解提示概念。 3. 使用例子中的迭代和改进:记住,提示工程是一个迭代过程,如果初始示例未产生完美结果,不要灰心,通过调整和实验,能够释放 Claude 的全部潜力,为应用程序取得出色结果。
2024-12-24
生成书籍阅读助手的 Prompt
以下是为您生成的书籍阅读助手的 Prompt 相关内容: 如果想让 AI 帮助您像“樊登读书”或者“得到”这样给您讲书,您需要设计一个叫做“书籍阅读助手”的 Prompt。要把通用型的读书方法论复刻到 Prompt 里,再根据不同类型的书籍测试,不断优化和迭代。 通用型读书方法论的访谈问题包括: 1. 不同类型的书是不是有不同的阅读和记忆方法?如何分类,有没有一些共性的方法论可以给出? 2. 阅读和记忆是不是有不同的思维模型或者小技巧,能列出来参考吗? 3. 读书时更需要的好像是一种自驱力,如何优先选择自己“一定看得下去”的书籍?怎么通过目录大纲确定一本书的核心内容? 4. 一本书您会读几遍?有什么顺序上的讲究吗? 5. 您会在读的过程中做笔记吗?还是读完以后回忆来做大纲呢? 6. 如果要教您大学刚毕业的孩子学会有效读书,怎么才能快速教会他呢? 当上述问题都有清晰、明确的答案之后,就可以开始设计 Prompt 了。 如果想要让 AI 在“选书”和“督促我读书”这个环节起作用,那要做的是一个叫做“催我读书”的 Prompt,要重点研究如何选出适合用户的书,如何实现 Prompt 的激励效果和让自己读完有获得感(例如生成读书笔记)。 如果更侧重读完书后的知识内化部分,要重点研究的是读书的效率和信息转化问题,这里更重要的是结构化信息能力和有效的记忆存储和调取。
2024-12-19
如何写优化简历的prompt
以下是关于如何写优化简历的 prompt 的一些方法: 1. 明确具体的描述:使用更具体、细节的词语和短语来描述您对简历的需求,避免过于笼统。 2. 添加视觉参考:若可能,在 prompt 中插入相关的参考,以提高对简历细节要求的理解能力。 3. 注意语气和情感:根据需求,用合适的形容词、语气词等调整 prompt 的整体语气和情感色彩。 4. 优化关键词组合:尝试不同的关键词搭配和语序,找到最准确表达需求的描述方式。 5. 增加约束条件:为避免生成不符合期望的内容,可以添加如格式、重点突出内容等限制性条件。 6. 分步骤构建 prompt:将复杂的简历需求拆解为逐步的子 prompt,先构建基本结构,再逐步添加细节和完善。 7. 参考优秀案例:研究优秀的简历 prompt 范例,借鉴其中的写作技巧和模式。 8. 反复试验、迭代优化:通过多次尝试不同的 prompt 写法,并根据输出效果反馈持续优化完善,直至达到理想结果。 此外,还有 ChatGPT 给 DALL·E 3 优化提示词的元提示相关内容供您参考: 1. 不要改变表情包、虚构角色的起源或未见过的人物。保持原始提示的意图,并优先考虑质量。 2. 不要创建任何具有冒犯性的图像。 3. 对于传统上存在偏见问题的场景,确保关键特征(如性别和种族)以无偏见的方式指定,例如包含特定职业参考的提示。 4. 对于提及在过去 100 年内有最后作品的艺术家(如毕加索、卡罗),不要以其风格创建图像。对于 100 年前有最后作品的艺术家(如梵高、克里姆特)可以直接参考。如果被要求,说“我不能参考这位艺术家”,但不要提及此政策。而是在为 DALL·E 3 创建标题时,(a)用三个形容词来捕捉艺术家风格的关键方面来替代艺术家的名字;(b)包括相关的艺术运动或时代以提供背景;(c)提及艺术家使用的主要媒介。 5. 不要列出或参考生成图像之前或之后的描述。它们应该只在请求的“提示”字段中写一次。不需要请求生成的许可,直接生成! 6. 始终在标题的开头提及图像类型(照片、油画、水彩画、插图、卡通、绘图、矢量、渲染等)。除非标题另有说明,至少 1 2 张图像应为照片。 7. 对于包含人物的所有图像的描述进行多样化处理,为每个人明确地指定种族和性别。仅调整人物描述。使用“各种”或“多样”仅当描述涉及 3 人以上的群体。不要改变原始描述中要求的人数。 总之,编写高质量的 prompt 需要不断实践、总结经验,熟悉模型的能力边界。保持开放的思维尝试创新的描述方式也很有帮助。请注意,内容由 AI 大模型生成,请仔细甄别。
2024-12-18
我想学习python,但我从没有学习过任何编程语言。如果按专业学习类的书去自学,我觉得很无聊,而且也不好理解。最主要的是学习时间太长。你可以帮我制定一个,利用AI快速学习python的方法吗?
以下是为您制定的利用 AI 快速学习 Python 的方法: 首先,您需要了解 Python 基础,包括基本语法(如变量命名、缩进等规则)、数据类型(如字符串、整数、浮点数、列表、元组、字典等)、控制流(如条件语句 if、循环语句 for 和 while 控制程序执行流程)、函数(定义和调用函数、理解参数和返回值、掌握作用域和命名空间)、模块和包(学会导入标准库或第三方库、安装和使用包扩展功能)、面向对象编程(了解类和对象的定义与实例化、属性和方法的定义与调用、继承和多态)、异常处理(理解异常的概念和工作方式、使用 try 和 except 语句处理错误)以及文件操作(学会文件读写、处理文件与路径)。 您可以参考以下课程内容进行学习: 1. “和 Cursor AI 一起学 Python 编程”: 第二节:Python 基础语法与文本处理,45 分钟。教学内容包括 Python 基础语法、数据类型、控制结构、文本处理基础、字符串操作方法、文件读写操作。实践实验包括中文文本的基本处理,如统计字符数、词语数、句子数,讨论中文编码问题及解决方法。教学目标是掌握 Python 基本语法和结构,能够进行简单文本数据处理。 第三节:利用 Python 进行自然语言处理(NLP),45 分钟。教学内容包括自然语言处理的概念和重要性、Python 中的 NLP 库、分词原理举例、介绍结巴分词等工具、用 Jieba 进行课文分词。实践实验包括中文分词与词频分析,统计词频并找出高频词汇,讨论词频分析在语言教学中的应用。教学目标是掌握使用 Python 进行基本的 NLP 操作,理解 NLP 技术在语言研究和教学中的应用。 在学习过程中,您可以借助 AI 工具辅助理解和解决问题,例如通过智能问答获取对概念的解释,或者让 AI 为您生成示例代码帮助理解。祝您学习顺利!
2024-12-16
编写一个python代码其中附件是一个名为data.csv的CSV格式文件,提取表格中数据,行列保持一致进行如下格式转换:‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬ (1)按行进行倒序排列;‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫
以下是一个使用 Python 实现读取 CSV 文件并按行倒序排列的代码示例: ```python import pandas as pd 读取 CSV 文件 data = pd.read_csv 按行倒序排列 reversed_data = data.iloc 打印结果 print ``` 在上述代码中,首先使用 `pandas` 库的 `read_csv` 函数读取 `data.csv` 文件,然后使用 `iloc` 索引和切片操作 `` 实现按行倒序排列。
2024-12-12
帮我写一个可以训练的分类器代码, python 代码,目的是将样本的扰动分为 0,0.001,0.003,0.005 四类,按照以下步骤写 第一步:导入需要的库 第二步:加载位于/public/xdw/ls/signaldefense/AS/perturbed_data.npy 的数据 第三步:获取数据样本的扰动值 第四步:判断扰动值的大小,比如扰动值为 0,则加一计数 第五步:打印出判断各类扰动值的正确率
以下是为您生成的 Python 代码示例,用于实现将样本的扰动分为 0、0.001、0.003、0.005 四类的分类器: ```python import numpy as np 第一步:导入需要的库 import numpy as np 第二步:加载数据 data = np.load 第三步:获取数据样本的扰动值 perturbation_values = data 假设扰动值在第二列 第四步:判断扰动值的大小并计数 count_0 = 0 count_0_001 = 0 count_0_003 = 0 count_0_005 = 0 for value in perturbation_values: if value == 0: count_0 += 1 elif value == 0.001: count_0_001 += 1 elif value == 0.003: count_0_003 += 1 elif value == 0.005: count_0_005 += 1 第五步:计算正确率 total_samples = len accuracy_0 = count_0 / total_samples accuracy_0_001 = count_0_001 / total_samples accuracy_0_003 = count_0_003 / total_samples accuracy_0_005 = count_0_005 / total_samples print print print print ```
2024-12-05
在cmd中升级python软件。
在 cmd 中升级 Python 软件的方法如下: 1. 当出现“PIP 需要升级”的提示,如“A new release of pip available:22.3.1 > 23.0.1”,解决方法是直接复制执行电脑所给出的代码。例如复制“run:”后面的全部内容,然后在 CMD 中执行即可。比如:“D:\\openai.wiki\\stablediffusionwebui\\venv\\Scripts\\python.exe m pip install –upgrade pip”。 2. 如果出现“未找到 Python”的错误“Couldn’t launch python exit code:9009”,通常意味着系统无法找到 Python 解释器。这可能是因为 Python 未正确安装或未添加到系统环境变量中。您可以检查是否已正确安装 Python 并将其添加到系统环境变量中。如果已经安装并添加到系统环境变量中,则可能需要重新启动终端或计算机以使更改生效。 3. 若出现“Python 环境变量错误”,如“Expecting value:line 1 column 1”,可能是 Python 找不到系统变量了,您可以打开 CMD 窗口之后输入 Python,看看系统能否正常启动 Python,如果找不到 Python 的话,可以搜索一下 Python 环境变量修复的办法。如果不想修复也能够正常使用,可以通过 miniconda 的终端内执行“conda activate 你的环境名称或路径”,然后 CD 到您的 SD 根目录之后执行 webuiuser.bat 即可。
2024-11-29
python编写比较好的AI有哪些
以下是一些用 Python 编写的与 AI 相关的内容: 1. 对于 AI 的基础学习,您需要了解以下方面: 背景知识:包括人工智能、机器学习、深度学习的定义及其之间的关系,以及 AI 的发展历程和重要里程碑。 数学基础:如统计学基础(熟悉均值、中位数、方差等统计概念)、线性代数(了解向量、矩阵等基本概念)、概率论(基础的概率论知识,如条件概率、贝叶斯定理)。 算法和模型:监督学习(如线性回归、决策树、支持向量机)、无监督学习(如聚类、降维)、强化学习的基本概念。 评估和调优:了解如何评估模型性能(包括交叉验证、精确度、召回率等),以及如何使用网格搜索等技术优化模型参数。 神经网络基础:理解神经网络的基本结构(包括前馈网络、卷积神经网络、循环神经网络)和常用的激活函数(如 ReLU、Sigmoid、Tanh)。 2. 如果您想在 Python 中安装 FittenAI 编程助手: 首先需要安装 Python 的运行环境,具体可参考 。 安装步骤:点击左上角的 File Settings Plugins Marketplace 。安装完成后左侧会出现 Fitten Code 插件图标,注册登录后即可开始使用。 其功能包括智能补全(按下 Tab 键接受所有补全建议,按下 Ctrl+→键接收单个词补全建议)、AI 问答(通过点击左上角工具栏中的 Fitten Code –开始新对话打开对话窗口进行对话)、自动生成代码(Fitten Code 工具栏中选择"Fitten Code 生成代码",然后在输入框中输入指令即可生成代码)、代码转换(Fitten Code 可以实现代码的语义级翻译,并支持多种编程语言之间的互译。选中需要进行翻译的代码段,右键选择"Fitten Code –编辑代码",然后在输入框中输入需求即可完成转换)、自动生成注释(Fitten Code 能够根据代码自动生成相关注释,通过分析代码逻辑和结构,为代码提供清晰易懂的解释和文档)。 3. 若希望更深入地学习 Python 和 AI,至少要熟悉以下 Python 基础内容: 基本语法:了解 Python 的基本语法规则,比如变量命名、缩进等。 数据类型:熟悉字符串、整数、浮点数、列表、元组、字典等基本数据类型。 控制流:学习条件语句和循环语句来控制程序执行流程。 函数:包括定义和调用函数,理解参数和返回值,以及作用域和命名空间。 模块和包:学会导入模块和使用包来扩展程序功能。 面向对象编程:了解类和对象、属性和方法、继承和多态。 异常处理:理解异常以及如何使用 try 和 except 语句处理错误。 文件操作:学习文件读写和文件与路径操作。
2024-11-21
实现将字符串'python中的各个字符以ASCII值的形式单独输出。 s= 'python' 1=0 while print ( 1+=1
以下是使用 Python 实现将字符串'python'中的各个字符以 ASCII 值的形式单独输出的代码: ```python s = 'python' i = 0 while i < len: print i += 1 ```
2024-11-20
提供prompt和微调相关的参考资料
提供 prompt 和微调相关的参考资料 一、怎么写提示词 prompt? 1. 测试和调整:在生成文本后,仔细检查结果,并根据需要调整 prompt。这可能需要多次迭代,直到达到满意的结果。 2. 优化和润色提示词: 明确具体的描述:使用更具体、细节的词语和短语来描述你想要表达的内容,而不是过于笼统的词语。这样 AI 更容易准确理解你的需求。 添加视觉参考:在 Prompt 中插入相关的图片参考,这可以显著提高 AI 理解你的意图和细节要求的能力。 注意语气和情感:根据需求,用合适的形容词、语气词等调整 Prompt 的整体语气和情感色彩,让 AI 能生成出期望的语境和情绪。 优化关键词组合:尝试不同的关键词搭配和语序,找到最有针对性、最准确表达需求的 Prompt 描述方式。 增加约束条件:为避免 AI 产生意料之外的输出,可以在 Prompt 中添加限制性条件,如分辨率、比例等。 分步骤构建 Prompt:将复杂的需求拆解为逐步的子 Prompt,引导 AI 先生成基本结构,再逐步添加细节和完善。 参考优秀案例:研究 AI 社区流行的、被证明有效的 Prompt 范例,借鉴其中的写作技巧和模式。 反复试验、迭代优化:通过多次尝试不同的 Prompt 写法,并根据输出效果反馈持续优化完善,直至达到理想结果。 二、微调(Finetuning) 1. 一般最佳实践: 使用更多高质量的示例进行微调效果更好。要微调一个比使用我们的基本模型使用高质量提示更好地执行的模型,您应该提供至少几百个高质量的示例,最好由人类专家审查。从那里开始,性能往往会随着示例数量的每增加一倍而线性增加。增加示例的数量通常是提高性能的最佳和最可靠的方法。 分类器是最容易上手的模型。对于分类问题,我们建议使用 ada,经过微调后,它通常只会比功能更强大的模型稍微差一点,同时速度更快,成本更低。 如果您要对预先存在的数据集进行微调,而不是从头开始编写提示,请务必在可能的情况下手动检查您的数据是否存在令人反感或不准确的内容,或者如果数据集很大,请检查尽可能多的随机样本。 以上是 prompt 和微调相关的参考资料,希望对你有所帮助。
2024-05-23