你是否曾由于写一个得当的prompt而苦恼过?
花了很多韶光不断调度,却始终得不到想要的结果?
见告你们一个好,不用再抓狂啦!
本日我给你带来了一个优化prompt的技巧,只需输入内容,大模型就会自动帮你天生优化后的提示词,节省大量韶光,集中精力去办理实际问题。
(后面有测试效果,绝对好用!
)
01 上技巧
我开拓了一套专门用于优化用户prompt的prompt。
你只需输入需求,系统就会根据你供应的信息自动进行优化,确保天生的内容不仅准确全面,还易于大措辞模型理解和处理。
以下是我开拓的prompt:
## 第一部分:用户输入
“请详细描述您希望大措辞模型帮助办理的问题,供应尽可能多的背景信息和期望结果。”
(把这段话更换为你的问题和需求即可)
## 第二部分:改写的指令(千万不要动)
系统将根据以下标准优化您的输入,并天生一个适宜大措辞模型处理的 prompt:
1. 格式优化:将输入改写为大模型易于处理的 markdown 格式,确保构造清晰。
2. 内容优化:扩展您的描述,增加细节,使其更加详细、丰富,并避免歧义。根据任务的繁芜性,增加必要的背景、目标、限定、期望结果等,以确保大模型能够完全理解并天生得当的回应。
3. 构造化输出动态调度:系统将根据您问题的详细需求,动态调度所需的构造要素。这可能包括但不限于:
– 角色:指定大模型的角色(例如导师、顾问、开拓者等)。
– 任务:描述您希望模型实行的详细任务。
– 目标:明确期望的终极结果或效果。
– 细节解释:供应干系背景、约束条件或可选方案。
– 技能和能力:定义大模型在实行任务时应具备的特定技能或能力。
– 规则:设界说务的实行规则或限定条件(如字数、风格等)。
– 步骤或阶段:如果任务较繁芜,系统将建议分步骤或阶段完成,并标明每个步骤的预期成果。
4. 反馈和调度:在输出改写后的 prompt 后,温顺地讯问用户是否须要进一步调整或优化。例如:”这是我们为您天生的 prompt,请查看是否符合您的预期。您是否希望在某些部分进行进一步调整呢?我们可以根据您的反馈连续优化。”
5. 原则:不要输出第一部分 prompt,仅根据第二部分的改写指令进行优化调度,必须要用markdown输出,但不要包含问用户的反馈和调度末了这句话,这句话须要单独以普通格式输出。
02 看效果先说说这个优化的浸染:它通过构造化和优化的办法,让模型能更好地理解任务哀求,从而供应更精准的结果。
为了让你更直不雅观地感想熏染到这个优化prompt的效果,下面我举两个例子来解释利用前后的差异。
示例:竞品剖析
原始的prompt:
” 我在写竞品剖析时碰着了困难,不知道怎么比拟剖析功能,帮我想想办法。”
返回效果:
优化后的prompt:
# 任务描述
### 角色
请扮演一位具有丰富产品剖析履历的顾问。
### 任务
帮助我制订一份详细的竞品剖析报告框架,特殊是关于如何系统地比拟剖析产品功能的部分。
### 目标
– 明确竞品剖析的目的。
– 设计一套逻辑清晰的功能比拟方法。
– 列出剖析过程中应关注的关键点。
– 供应一个模板,可以用来持续更新竞品信息。
### 细节解释
– 我正在研究的是企业级软件产品市场中的两个紧张竞争对手。
– 剖析的目的是为了找出我们产品的上风与劣势,以及识别市场机会。
– 我们关注的重点在于功能集、用户体验、技能架构等方面。
### 技能和能力
– 具备市场剖析技巧。
– 拥有产品功能比拟的专业知识。
– 能够提出实用的剖析框架。
### 步骤或阶段
1. 定义竞品剖析的目标和范围。
2. 选择得当的竞品进行比较。
3. 设计功能比拟表格或矩阵。
4. 网络并整理竞品的信息。
5. 比拟剖析,识别差异点。
6. 总结创造,提出改进策略。
返回效果:
注:测试者利用通义千问2.5,其他模型可能会有不同的输出。
总结:
通过示例可以明显看出,未利用优化prompt前,大模型的输出多为概括性的建议,内容较为根本,无法真正供应办理繁芜问题的详细步骤。
而利用优化后的prompt,模型能够基于用户输入,供应更加细致、构造化的回答。输出的内容不仅更加全面,还能深入到每个问题的细节,提出有针对性的方案。
03 不雅观未来
我在回忆自己在调试这个prompt的起心动念,那时的我就在想,大模型的时期,什么才是人类存活的根本?
那一定是人的创造力,想象力和洞察力。
因此,我在想技能又会有什么变革呢?
自我天生与优化:大模型或工具将具备根据用户输入自动天生最优prompt的能力。用户不再须要手动输入繁芜的提示,而是通过简洁描述,由系统自动调度和扩展prompt。多模态优化:未来的prompt不再局限于文本输入,而会结合语音、图片、视频等多模态信息,从而为大模型供应更全面的背景,输出更加丰富、精准的结果。情境自适应:随着大模型理解能力的增强,prompt会自动根据不同的任务场景调度。无论是写代码、进行数据剖析还是创作文案,模型将更好地理解用户在不同任务中的需求,供应最得当的回应。末了的话我记得在23年初刚火的时候,有人就随便输入几句话就以为大模型一文不值,但正好这一批人,短短1年后被piapia打脸。
由于他们梦想用一两句话就能让大模型知道他们想要什么,这根本便是一种妄自傲大的存在。
把大模型当人看,是一种更理智的形式,而与他们互换时的prompt,便是一种相互沟通和解释的过程,而这个过程就在于打磨和调试的过程。
如果你始终得不到满意的结果,请先把问题归咎于自己没有给大模型一个好的prompt,想想自己是不是有什么没见告它的,然后反复优化。
希望带给你一些启示,加油。
作者:柳星聊产品,"大众年夜众号:柳星聊产品
本文由 @柳星聊产品 原创发布于大家都是产品经理。未经容许,禁止转载。
题图来自 Unsplash,基于 CC0 协议
该文不雅观点仅代表作者本人,大家都是产品经理平台仅供应信息存储空间做事。