常见应用场景的Prompt模版推荐

当你在和大模型交互的时候,是不是常常为找不到优质的Prompt而发愁,更不知道在哪些场景下应该使用哪些提示词才能得到更好的结果。下面,我将带你归纳总结几个经典的场景,告诉你如何针对一个场景来提炼Prompt模版。

与构建Prompt万能公式的结构类似,如果你想总结归纳某个特定场景下的Prompt通用模版,你需要对大模型输出内容的任务类型、期望输出、上下文限制、生成长度、语言风格等有明确的要求,相信经过前面两篇教程的学习,这些你已经不在话下。为了方便你使用,本文案例中关键词我皆用 [ ] 标注出来了,你可以替换成自己想要的关键词。

图片生成

文字生成图片的提示词往往是最令人头疼的。许多人不知道如何要描绘所需图片的构图以及细节,应该用哪些提示词。所以接下来,我会根据几个典型的场景,给出每个场景的核心要素模版,再配合一个示例。

  • 风景描绘

模版:在一个 [自然环境] 中,描绘一个 [时间段] 的风景,强调 [主要特征]。画面中应包含 [具体元素]。

在一个神秘的古代森林中,夜幕降临,月光洒在巨大的古老树木上。雾气在树间弥漫,映照出微弱的蓝光。湖水旁边是一片野花海洋,微风拂过,花瓣随风飘舞。画面中央是一只优雅的白色狐狸,安静地注视着湖水,给整个场景增添了一抹神秘的色彩。

  • 历史场景

模版:创造一个 [历史时刻] 的场景,包括 [地点、年代],捕捉 [时代特征]。在画面中加入 [突出的人物或事件]。

在文艺复兴时期的佛罗伦萨广场上,建筑风格独特的教堂和雕像屹立。商贾们穿着华丽的长袍,热烈地交流着。一位艺术家正在画布上勾勒着风景,周围人们欣赏着他的技艺。远处,一位皇室成员骑着马匹走过,引起了市民们的好奇和敬意。

  • 科幻场景

模版:设计一个 [未来场所],其

在大语言模型的应用中,语义分析是一种常见的任务,通常包括情感分析、意图识别、实体识别等子任务。为了高效地完成这些任务,可以设计专门的 Prompt 模板来引导模型输出结构化和准确的结果。 以下是一个适用于大模型进行**语义分析**的 Prompt 模板示例: ```text ### 任务说明: 你是一个语义分析助手,负责根据给定的文本内容提取以下信息: 1. **情感倾向**(正面 / 中性 / 负面) 2. **主要意图**(例如:询问、投诉、建议、表达情绪等) 3. **关键实体**(如人名、地点、产品名称、时间等) ### 输入文本: "{input_text}" ### 输出格式: { "sentiment": "情感倾向", "intent": "主要意图", "entities": ["实体1", "实体2", ...] } 请严格按照上述格式返回结果,不添加额外解释。 ``` ### 示例输入与输出 #### 输入: ```text 我非常失望,这个手机电池续航太差了,用了不到一天就没了电。 ``` #### 输出: ```json { "sentiment": "负面", "intent": "投诉", "entities": ["手机", "电池续航"] } ``` ### 动态指令支持 若希望模板具备更强的适应性,可以在模板中加入动态指令字段,以适配不同类型的语义分析任务: ```text ### 任务说明: 你是一个语义分析助手,负责根据以下指令对输入文本进行分析: - 分析类型:{analysis_type} - 输出字段要求:{output_fields} ### 输入文本: "{input_text}" ### 输出格式: 按照指定字段返回 JSON 格式结果。 请严格按照上述格式返回结果,不添加额外解释。 ``` #### 示例调用: ```python prompt_template = PromptTemplate.from_template(template) formatted_prompt = prompt_template.format( analysis_type="情感分析", output_fields=["sentiment", "confidence"], input_text="这部电影真的很好看,演员表现非常出色!" ) ``` #### 输出示例: ```json { "sentiment": "正面", "confidence": 0.95 } ``` 通过这种结构化的 Prompt 设计,可以将语义分析任务统一化,并提升模型在不同场景下的泛化能力[^1]。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值