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

prompt engineering

Answer

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/intro-to-prompting)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。
Content generated by AI large model, please carefully verify (powered by aily)

References

2.Prompt engineering 提示工程

Develop test cases:With your task and success criteria defined,the next step is to create a diverse set of test cases that cover the intended use cases for your application.These should include both typical examples and edge cases to ensure your prompts are robust.Having well-defined test cases upfront will enable you to objectively measure the performance of your prompts against your success criteria.开发测试用例:在定义任务和成功标准之后,下一步是创建一组多样化的测试用例,涵盖应用程序的预期用例。这些应包括典型示例和边界情况,以确保您的提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量您的提示与成功标准的表现。Engineer the preliminary prompt:Next,craft an initial prompt that outlines the task definition,characteristics of a good response,and any necessary context for Claude.Ideally you should add some examples of canonical inputs and outputs for Claude to follow.This preliminary prompt will serve as the starting point for refinement.设计初步提示:接下来,制定一个初步的提示,概述任务定义、良好响应的特征,以及Claude所需的任何上下文。理想情况下,您应该添加一些规范输入和输出的示例供Claude参考。这个初步提示将作为改进的起点。Test prompt against test cases:Feed your test cases into Claude using the preliminary prompt.Carefully evaluate the model's responses against your expected outputs and success criteria.Use a consistent grading rubric,whether it's human evaluation,comparison to an answer key,or even another instance of Claude’s judgement based on a rubric.The key is to have a systematic way to assess performance.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您预期的输出和成功标准是否一致。使用一致的评分标准,无论是人工评估、与答案标准的比较,甚至是基于评分标准的Claude判断的另一个实例。关键是要有一种系统性的评估性能的方式。

2.Prompt engineering 提示工程

Claude offers high-level baseline performance out of the box.However,prompt engineering can help you enhance its performance further and fine-tune its responses to better suit your specific use case.These techniques are not necessary for achieving good results with Claude,but you may find them useful in upleveling your inputs&outputs.Claude在开箱即用时提供了高水平的基线性能。然而,及时的工程可以帮助您进一步提升其性能,并对其响应进行微调,以更好地适应您特定的用例。这些技术对于实现Claude的良好结果并不是必要的,但您可能会发现它们对提升输入和输出非常有用。To quickly get up and running with a prompt or get introduced to prompting as a concept,see[intro to prompting](https://docs.anthropic.com/claude/docs/intro-to-prompting).要快速开始使用提示或了解提示作为一个概念,可以参阅提示入门。

4.Use examples 使用例子

Remember,prompt engineering is an iterative process.Don't be discouraged if your initial examples don't yield perfect results–with a bit of tweaking and experimentation,you'll be able to unlock Claude's full potential and achieve exceptional results for your applications.记住,快速工程是一个迭代过程。如果你的初始示例没有产生完美的结果,不要灰心-通过一点调整和实验,你将能够释放Claude的全部潜力,并为你的应用程序取得出色的结果。

Others are asking
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文和英文回答
中文回答: 人工智能在生命科学工程和信息学领域发挥着重要作用。例如,DeepMind 开发的 AI 技术能够预测几乎所有已知蛋白质的结构,这将加速科学研究和救命药物的开发,在对抗疟疾、抗生素耐药性和塑料垃圾等方面帮助科学家取得巨大进展。随着人工智能的发展,它能够扩大熟练劳动力或提升低技能劳动力的水平,例如可以提出答案或创意,让经过训练的人类选择最佳答案,筛选结果并跳过错误答案,自然地整合到现有的工作流程中。在合适的条件下,人工智能将改变生活的各个方面,刺激经济,创造新的就业机会并改善工作场所。 英文回答: Artificial intelligence plays significant roles in the field of life science engineering and informatics. For instance, an AI technology developed by DeepMind can predict the structure of almost every known protein to science, which will accelerate scientific research and the development of lifesaving medicines. It has already helped scientists make huge progress in combating malaria, antibiotic resistance, and plastic waste. As AI develops, it can expand the skilled labor force or enhance the level of lowskilled labor. For example, it can propose answers or ideas, allowing trained humans to select the best ones, filter the results and skip incorrect answers, and integrate naturally into the existing workflow. Under the right conditions, AI will transform all areas of life, stimulate the economy, create new jobs and improve the workplace.
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文描述一遍,英文描述一遍
中文描述: 用户询问:人工智能如何在生命科学工程和信息学领域发挥作用,以及它在我们的研究和创新中扮演何种角色。 英文描述: Quary: How AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation. 以下是为您找到的相关内容: 1. 人工智能(AI)已经在带来广泛的社会效益,从医疗进步到缓解气候变化。例如,DeepMind(一家英国企业)开发的一项 AI 技术现在能够预测几乎每种已知科学的蛋白质结构。这一突破将加速科学研究和救命药物的开发,已经帮助科学家在对抗疟疾、抗生素耐药性和塑料垃圾方面取得巨大进展。 2. 英国科学技术框架将 AI 列为五项关键技术之一,并指出监管在为 AI 创造繁荣环境方面的作用。在适当的条件下,AI 将改变生活的所有领域,并通过释放创新和提高生产力来刺激英国经济,创造新的就业机会并改善工作场所。 3. 相关法案提到支持跨多个机构和组织的跨学科研究和开发,包括物理学、工程学、数学科学、计算机和信息科学、机器人学、生物和认知科学、材料科学、社会和行为科学、网络安全和技术伦理等与人工智能研究和相关学科。
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.
AI 在生命科学工程和信息学领域具有多方面的助力和重要作用,主要体现在以下几个方面: 1. 提升劳动力水平:随着人工智能的发展,它能够扩大熟练劳动力或提升低技能劳动力的水平。例如,可以提出答案或创意,让经过训练的人类选择最佳答案,筛选结果并跳过错误答案,自然地整合到现有的工作流程中。 2. 推动行业转变:生命科学和医疗保健领域正越来越多地受到工程技术的推动而发生转变。在生命科学领域,基因编辑、细胞生物学、干细胞、机器人实验等方面的进展使科学家能够以前所未有的方式操纵生物学,且随着人工智能嵌入生命科学实验中,存在着强大的反馈循环。医疗保健领域也在利用技术经历复兴,朝着价值导向的付费模式转变,为人工智能创造了深层次的效用。 3. 助力新疗法开发:在理解生物学方面,人工智能扮演着关键角色,成为揭示生物学复杂性的推动者。如今已有的关于人类疾病的人工智能模型,指引着更有效的药物的开发路径,能够更快地进入市场,并减少失败的次数,使研究超越当前主要依赖实验室人力劳动偶然发现的模式。 但也要注意潜在的担忧,早期人工智能模型在人类收集的数据上进行训练可能存在嵌入的偏见和其他失败。随着人工智能应用于新的行业,科学家、医疗保健提供者和监管机构需要保持警惕,以防止潜在的有害副作用。
2024-08-26
什么是prompt engineering
提示工程(Prompt Engineering)是人工智能领域中,特别是在自然语言处理(NLP)和大型语言模型(LLMs)的上下文中,一个相对较新的概念。它涉及设计和优化输入提示(prompts),以引导 AI 模型生成特定类型的输出或执行特定的任务。 提示工程是一门经验科学,涉及迭代和测试提示以优化性能。在提示工程周期中花费的大部分精力实际上并不是在编写提示上。相反,大部分提示工程时间都花在开发一组强大的评估上,然后针对这些评估进行测试和迭代。 提示工程的生命周期包括以下几个步骤: 1. 设计初步提示:制定一个初步的提示,概述任务定义、良好响应的特征,以及模型所需的任何上下文。理想情况下,应该添加一些规范输入和输出的示例供模型参考。这个初步提示将作为改进的起点。 2. 测试提示:使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准,无论是人工评估、与答案标准的比较,甚至是基于评分标准的模型判断的另一个实例。关键是要有一种系统性的评估性能的方式。 3. 优化提示:根据评估结果,对初步提示进行修改和优化。这可能涉及调整提示的内容、结构或格式,以提高模型的性能和准确性。 4. 验证和部署:经过优化的提示需要进行验证和部署。验证包括对模型在不同数据集和任务上的性能进行评估,以确保提示的有效性和泛化能力。部署则涉及将提示集成到实际应用中,以实现对用户的服务。 总之,提示工程是一种通过设计和优化输入提示来引导 AI 模型生成特定输出或执行特定任务的方法。它是 AI 模型开发和优化过程中的一个重要环节,对于提高模型的性能和准确性具有重要意义。
2024-05-26
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
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
请给我一份李继刚的结构化的prompt方法论
李继刚的结构化的 prompt 方法论如下: 如何写好 Prompt:结构化 结构化:对信息进行组织,使其遵循特定的模式和规则,从而方便有效理解信息。 语法:支持 Markdown 语法、YAML 语法,甚至纯文本手动敲空格和回车都可以。 结构:结构中的信息可根据自己需要进行增减,常用模块包括: Role:<name>,指定角色会让 GPT 聚焦在对应领域进行信息输出。 Profile author/version/description:Credit 和迭代版本记录。 Goals:一句话描述 Prompt 目标,让 GPT Attention 聚焦起来。 Constrains:描述限制条件,帮 GPT 进行剪枝,减少不必要分支的计算。 Skills:描述技能项,强化对应领域的信息权重。 Workflow:重点中的重点,希望 Prompt 按什么方式来对话和输出。 Initialization:冷启动时的对白,强调需注意重点。 示例 贡献者:李继刚,Sailor,田彬玏,Kyle😜,小七姐等群友。 李继刚的。 每个角色都有版本迭代,标注版本号,争取每个都更新到最新的版本。 李继刚写了上百个这种 Prompt,有具体场景需求可评论留言,作者可帮忙写定制的,也可自己用这种结构化的方式写。 使用方法:开一个 new chat,点代码块右上角的复制,发送到 chat 聊天框即可,里面的描述可按自己需求修改。 思路来源:云中江树的框架: 方法论总结: 建议用文心一言/讯飞星火等国内大模型试试,有这些 prompt 的加持,效果不错。
2024-12-17