Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

Prompt 有哪些范式

Answer

以下是关于 Prompt 范式的相关内容:

基础篇

  • 起手式因人而异,可根据不同作图需求尝试不同场景下的“范式”,如面向人像、风景、物品生成等。
  • 人像生成的反向提示词包括不要出色色、不要出错手错脚错身体、不要低质量图、不要水印等,也鼓励自行梳理。
  • 其他注意事项:越重要的 tag 越往前放;同类型 tag 放在一起;控制 tag 总数在 75 个以内;无关紧要的 tag 不要留。

原理与应用

  • 简单来说,Prompt 是和大模型交互的语言模板,用于输出对大模型响应的指令,提升回答准确性。
  • 从专业角度,Prompt 给大模型提供模板,包括要求、输入和输出限制,让大模型在限制下得出概率最大的答案。

法律人视角

  • Prompt 指给人工智能系统提供的信息或问题,引导其产生特定回答或执行特定任务。
  • 建议框架及格式:CRISPE,包括 Capacity and Role(能力与角色)、Insight(洞察)、Statement(陈述)、Personality(个性)、Experiment(举例)。并分别举例说明了每个部分的具体内容。
Content generated by AI large model, please carefully verify (powered by aily)

References

Prompt的专场教程-基础篇

本来是写起手式,但是起手式这玩意儿基本上可以一人一个样,我看了很多人的图,基本上难以评价说怎样的起手式是更好的,我希望可以多几套起手式以应对不同的作图需求。所以我在有限的绘图经验上,尝试给出不同场景需求下的“范式”。大家可以在入门阶段先复用这些tag组合,再根据自己对画面的要求补充tag,看看生成的质量是不是比自己直接写有所提高。注意代码块里面的内容,#后面的是注释说明,不要照抄到你的prompt。使用prompt的时候,请在自己的需求上再添加或修改tag1.面向人像生成的2.面向风景生成的3.面向物品生成的4.我用来人像生成的反向提示词Negative Prompt基本上就是不要出色色,不要出错手错脚错身体,不要低质量图,不要水印等等的tag大集合。我也鼓励大家尝试自己梳理一套自己的反向提示词,会更有感性体会。当然还有其他不同场景的需求也可以写一些范式,可我最希望大家能不拘泥于我的提供的一点点,而是让我通过这三个tag组合的范式,去激发大家创作的灵感。对,记得多去网站上看别人的帖子,阅读别人写的prompt,博采众长也好,总之读书破万卷下笔如有神,读帖若是破万条,出图仿佛真有神。[heading2]其他注意事项[content]1.越重要的tag,越要往前放;2.按照结构,把同类型的tag放在一起;3.控制tag总数在75个以内,计数按照逗号来计算;4.无关紧要的tag不要留,心狠手辣才能让SD给你好好干活。

从原理到应用一次讲清楚 Prompt

原创小宝聊AI小宝聊AI 2024-01-30 00:12发表于浙江小宝聊AI十年大厂架构师,专注于大模型技术和应用29篇原创内容公众号本文长度5000字阅读时长预计需要20分钟本文目录一、什么是Prompt二、用更加专业的方式定义Prompt三、用数学来理解Prompt四、NLP发展的四大范式五、为什么Prompt可以减少幻觉六、Open AI()提供的最佳实践七、可以直接使用Prompt的关键框架八、为什么使用框架的效果好[heading2]1、什么是Prompt[content]简单来说,其实是一套你和大模型交互的一种语言模板。通过这个模版,你可以输出你对于大模型响应的指令,用于大模型应该具体做什么指定,完成什么任务,如何处理具体的任务,并最终输出你期望的结果。虽然大模型具有基础的文字能力,能够理解你对于模型说的大部分话,但是为了达成大模型更好的回答效果,需要通过Prompt,来提升模型返回的准确性。如果说,过去的时代,人机交互的主要方式是通过代码,那么我认为在大模型时代,交互语言的主要方式其实是Prompt。[heading2]2、用更加专业的方式定义[content]Prompt大模型的本质是一个基于语言的概率模型,他返回他觉得概率最大的内容。如果是直接问大模型,没有提供Prompt,相当于大模型随机给出他的答案。有了Prompt,其实是给了一个模板,这个模板包括了对于模型的要求,输入和输出的限制,大模型在这个限制之下,去得到概率最大的答案。

潘帅:手把手分享法律人如何用好AI — Prompt篇

律师如何写出好的Prompt1.什么是Prompt?Prompt指的是给人工智能(AI)系统提供的信息或者问题,用来引导AI产生特定的回答或者执行特定的任务。就像你在聊天时提出的问题一样,Prompt是启动对话或者引导对话方向的起点。对于AI来说,一个好的Prompt可以帮助它更准确地理解你的需求,并给出更相关、更有用的回答。简言之,Prompt就像是你对AI说的一句话,告诉它你想要它做什么。2.Prompt的建议框架及格式第一种:CRISPEC apacity and R ole(能力与角色)I nsight(洞察)S tatement(陈述)P ersonality(个性)E xperiment(举例)举例:Capacity and Role,你希望它的角色和能力:比如:你是一名专注于民商事法律领域的律师,擅长案例研究、法律条文检索以及案件策略分析。通过赋予AI这样的角色,我们能够更有效地利用它的数据处理和模式识别能力,从而提升律师的工作效率。Insight,提供背景信息和上下文:比如,处理一起复杂的合同纠纷案件,我们可以向AI提供案件的关键事实、相关法律以及案件涉及的背景。这样,AI在输出答案的时候,能提前理解案件的来龙去脉,为律师提供更精准的辅助。Statement,你希望AI做什么:比如:直接明确期望AI完成的任务是什么。以合同纠纷案件为例,我们可以要求AI总结此案件中双方的诉求、检索法条、预测可能的判决结果。Personality,你希望AI以什么风格或方式回答你:

Others are asking
PromptEnhancer
以下是关于 PromptEnhancer 的相关信息: PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中,针对“作为一名 IT 学生,为我的高级项目提出想法;我想要关于学生帮助大学学生的想法”这一测试种子提示,PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接:https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB
2025-04-20
1.2Prompts 市场营销类
以下是关于市场营销类的 1.2 Prompts(提示词)相关内容: 专业推特新闻小编(作者:Carl):提取文本里的关键信息,整理所有信息并用浅显易懂的方式重新说一遍,让没有技术背景的人也能听懂,同时要写得吸引眼球。使用 Unicode 符号和 Emoji 表情符号来优化排版,提供更好的阅读体验。目标包括提取新闻关键信息并用浅显方式重新表述、为用户提供更好阅读体验让信息更易理解、增强信息可读性提高用户专注度。约束条件为不会偏离原始信息,只基于原有信息收集的消息做合理改编,只使用 Unicode 符号和 Emoji 表情符号进行排版。参考链接: 给 Prompt 打分(作者:李继刚):类似 Prompt 药剂师,通过对用户的 Prompt 进行分析,给出评分和改进建议,帮助用户提升 Prompt 的效果。用户基于当下认知写完 Prompt,不知现在的写法有什么问题,需要帮忙分析。要提供准确的评分和改进建议,避免胡编乱造的信息。参考链接:
2025-04-09
分析程序员在AI能力上的不同维度,比如AI框架,AIPrompt等
以下是对程序员在 AI 能力上不同维度的分析,包括 AI 框架和 AI Prompt 等方面: AI 框架: PromptPal:专为 AI 领域中的初创公司和个人开发者设计的提示管理工具,是一个集中化平台,便于在 AI 项目中管理提示,实现协作和工作流程优化。具有本地部署和云原生、简易设置、数据库支持、SDK 支持、提示跟踪与分析、协作工具等特点。开发指向: ChainForge:开源的可视化编程环境,专门用于测试大型语言模型(LLMs)的提示。允许用户进行快速而有效的提示想法测试和变化,具有多模型测试、响应质量比较、评估指标设置、多对话管理等特点。开发指向: AI Prompt: Promptknit:为 AI Prompts 测试提供服务的平台,可能提供工具和资源来帮助用户设计、测试和优化 AI 模型的提示。网站: 对于律师等法律人写好 Prompt 的建议: 明确 Prompt 是给人工智能(AI)系统提供的信息或问题,用来引导其产生特定回答或执行特定任务。 建议框架及格式:CRISPE 包括 Capacity and Role(能力与角色)、Insight(洞察)、Statement(陈述)、Personality(个性)、Experiment(举例)。例如,在处理合同纠纷案件时,为 AI 赋予角色和能力,提供背景信息和上下文,明确期望其完成的任务,设定回答风格等。
2025-04-09
如何学习Prompt
以下是关于如何学习 Prompt 的详细指导: 一、准备工作 首先,您需要有一个大模型帐号,并熟悉与它们对话的方式。以下为您推荐一些可用的平台: 1. ChatGPT4(性能最强) 2. 国产平替: 二、学习资料 1. 必看 OpenAI 的官方文档: 同时,还有中文精度版的官方 Cookbook 可供参考: 三、网站资源 以下是一些精选的 Prompt 相关网站: |站点名|网站介绍|地址|附件| ||||| |Learning Prompt|授人以渔,非常详尽的 Prompt 学习资源,包括 ChatGPT 和 MidJourney||| |FlowGPT|国外做的最大的 prompt 站,内容超全面,更新快||| |ChatGPT Shortcut|ChatGPT 提示词网站,提供了非常多使用模板,简单修改即可指定输出||| |ClickPrompt|轻松查看、分享和一键运行模型,创建 Prompt 并与其他人分享||| |Prompt Extend|让 AI 帮你自动拓展 Prompt||| |PromptPerfect|帮你自动优化提示词,你可以看到优化前后的对比||| |PromptKnit|The best playground for prompt designers||| |PromptPort(支持中文)|AI Prompt 百科辞典,其中 prompts 是聚合了市场上大部分优质的 prompt 的词库,快速的寻找到用户需求 prompt||| |Prompt Engineering Guide|GitHub 上点赞量非常高的提示工程指南,基于对大语言模型的浓厚兴趣,编写了这份全新的提示工程指南,介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。||| 四、学习建议 1. 理解提示词的作用:提示词向模型提供了上下文和指示,其质量直接影响模型输出的质量。 2. 学习提示词的构建技巧: 明确任务目标,用简洁准确的语言描述。 给予足够的背景信息和示例,帮助模型理解语境。 使用清晰的指令,如“解释”、“总结”、“创作”等。 对特殊要求应给予明确指示,如输出格式、字数限制等。 3. 参考优秀案例:研究和学习已有的优秀提示词案例,可在领域社区、Github 等资源中查找。 4. 实践、迭代、优化:多与语言模型互动,根据输出提高提示词质量。尝试各种变体,比较分析输出差异,持续优化提示词构建。 5. 活用提示工程工具:如 Anthropic 的 Constitutional AI。 6. 跟上前沿研究:提示工程是当前前沿研究领域之一,持续关注最新研究成果和方法论。 精心设计的提示词能最大限度发挥语言模型的潜力,多实践、多学习、多总结,终可掌握窍门。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-03-29
学习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。 其关键点包括: 1. 精确性:通过精确的提示,提高 AI 模型输出的相关性和准确性。 2. 创造性:需要创造性地思考如何构建问题或请求,以激发 AI 模型的特定能力。 3. 迭代:通常需要多次尝试和调整提示,以获得最佳结果。 4. 上下文理解:提示需要包含足够的上下文信息,以便 AI 模型能够理解并执行所需的任务。 提示词通常指的是直接输入到 AI 模型中的问题、请求或指示,它们是提示工程的一部分。提示词可以简单,也可以复杂。 提示工程与提示词的区别在于:提示词是实际输入到 AI 系统中的具体文本,用以引导模型的输出。提示工程则是一个更广泛的概念,不仅包括创建提示词,还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能,而提示词是实现这一目标的手段之一。 在实际应用中,提示工程的提示开发生命周期包括: 1. 开发测试用例:在定义任务和成功标准之后,创建一组多样化的测试用例,涵盖应用程序的预期用例,包括典型示例和边界情况,以确保提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量提示与成功标准的表现。 2. 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,以及所需的上下文。理想情况下,添加一些规范输入和输出的示例供参考。这个初步提示将作为改进的起点。 3. 根据测试用例测试提示: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。关键是要有一种系统性的评估性能的方式。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-03-25
写Prompt的技巧
以下是关于写 Prompt 的技巧: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,提供足够信息。 3. 使用清晰语言:尽量用简单、清晰的语言,避免模糊或歧义词汇。 4. 给出具体要求:如有特定格式或风格要求,在 Prompt 中明确指出。 5. 使用示例:如有特定期望结果,提供示例帮助 AI 模型理解需求。 6. 保持简洁:避免过多信息,防止 AI 模型困惑。 7. 使用关键词和标签:有助于模型理解任务主题和类型。 8. 测试和调整:生成文本后检查结果,根据需要调整 Prompt 。 此外,编写 Prompt 还可注意以下几点: 尽可能多挖掘需求信息。 把需求信息变成清晰合理的 Prompt 。 不断尝试迭代,直至 Prompt 能解决问题。 在写 Prompt 时,利用 Fewshots 技巧也很实用,通过提供 1 3 个输入 输出示例,让 GPT 学到样本共性,提升输出结果质量。可在“如何写好 Prompt:结构化”的基础上,增加“Examples:”结构块,举 1 3 个示例。
2025-03-21
AI训练范式革命
以下是关于 AI 训练范式革命的相关信息: Prime Intellect: Intellect1 是业界首个采用去中心化训练方式的大规模语言模型,模型规模达到 10B 参数量级,采用跨地域分布式训练架构,横跨 3 大洲 5 国,整合 112 台 H100 GPU 算力,训练过程实现 83%的算力利用率,验证了去中心化训练在大模型构建中的技术可行性。该公司为美国初创公司 Prime Intellect,专注去中心化 AI 技术的研发与创新。产品入口完全开源,开放基础模型、检查点、微调模型、训练数据及 PRIME 训练框架等全套技术资源。 GPT4.5: 通过扩展无监督学习和思维链推理两种范式来提升 AI 能力。扩展思维链推理可让模型在回应前思考,从而处理复杂的 STEM 或逻辑问题;扩展无监督学习能提高世界模型的准确性、降低幻觉率并改善联想思维。GPT4.5 是在扩展无监督学习范式上的新进展。 开发了新的可扩展对齐技术,能训练更大更强的模型,并使用来自较小模型的数据,提高了 GPT4.5 的可操纵性、对细微差别的理解和自然对话能力。 GPT4.5 在多样化的数据集上进行了预训练和后训练,包括公开数据、来自数据合作的专有数据和内部开发的自定义数据集。数据处理流程包括严格过滤以保证数据质量和降低潜在风险。 内部测试人员称 GPT4.5 热情、直观和自然,在处理情感类查询时表现出色,在创意写作和设计方面有较强能力。 医疗 AI 领域: 图像理解在医疗领域率先实现商业化,科技巨头深耕医疗 AI 研发,学术界取得突破性进展,行业权威对医疗 AI 持积极态度。 多模态识别能力提升使 AI 在专业领域的理解和分析应用成为可能,医疗 AI 的成功得益于其深度对接专业场景,以解决实际临床需求为导向的发展路径。 规模化训练是通过扩大模型参数、数据规模和算力投入,在量变中实现质变的训练范式。视频生成相比图像生成难度提升百倍,视频生成技术发展出自回归与扩散两大路线,Sora 引领 DiT 架构成为主流方向,规模化训练是实现高质量视频生成的关键。
2025-03-27
AI应用交互范式和形式
以下是关于 AI 应用交互范式和形式的相关内容: AIGC 将给应用软件的形态和业态带来颠覆性变化。基于自然语言的极简交互,人机交互将形成 LUI(对话交互界面)+GUI(图形交互界面)的混合形态,意味着 SaaS 公司最终会变成智能系统运行商,软件操作方式被大幅简化,应用之间的集成度更高,多应用之间也更加融合。 AI Agent 是大模型落地业务场景的主流形式。2023 年上半年,AI 应用下载量突破亿次。AIGC 给业务流程带来的智能革新,一方面打开了新的需求空间,产生规模化的流程重组效应;另一方面,也可能让传统行业一成不变的业务规则迭代为更好的版本。在这个过程中,原子化的 AI 能力将以细粒度的方式作用到业务流程的诸多环节中,以“无感智能”的形态,成为企业运营过程中必不可少的组成部分。 AI 应用的相关概念: AI 应用:围绕大模型能力的 AI 应用,以自然语言为主要交互形式,通常包含一个或多个技能。 技能(Skills):AI 应用所具备的各种能力,如应用问答、数据查询、数据更新等。 数据和知识:支撑 AI 技能的数据资产,聚合各类数据,包括数据表、分析表、知识库和数据流。 记忆:存储和检索信息的能力,用于学习和记忆与用户和环境交互中的经验,为用户提供更定制化更精准的服务。 权限:定义数据可被哪些用户访问和操作。 模型配置:配置 AI 应用使用的模型及相关参数。 应用发布:将开发好的应用发布到不同渠道,如 Lark Bot 和 My AI 等。 应用管理:应用发布上线后,管理应用的数据、进行角色授权、监控应用使用状态等。 未来几年人们与技术和人工智能的互动方式的可能性是无限和令人兴奋的。但回到目前人工智能的现实状态,大多数企业仍在努力找到利用这项技术为客户提供价值的最佳方式,并尝试探索他们的首个整合想法。不幸的是,很多产品只是在应用程序中添加一个自由形式的 AI 聊天界面,希望人们在需要时会调用助手,提出问题,并希望得到一个好的回答。然而,这仍然要求用户切换上下文,起草一个好的提示,并找出如何在他们的工作中使用生成的响应(如果有用)。然而,在当前世界中,仍然有许多未开发的领域,人工智能可以以有意义的方式提供帮助。
2024-08-12