大模型提示工程(Prompt),让LLM自己优化提示词

提示词工程-Prompt Engineering 最核心的写一条好prompt的原则就是尽可能清晰、明确地表达你的需求(类比产品经理向程序员提需求)。细分下来,具体原则包括:清晰的指令:足够清晰明确地说明你希望模型为你返回什么,最后更加细致地说明需求,避免模糊表达。提供上下文和例子:给出较为充分的上下文信息,让模型更好地理解相关背景。如果能够提供示例,模型能表现更好(类似传统LLM中的in-context learning)。善用符号和语法:使用清晰的标点符号,标题,标记有助于转达意图,并使输出更加容易被解析。 阅读详情

前言

随着大家对于prompt提问的研究以及对于高质量回答的追求,现在有一个比较热的词叫做prompt creator。

Prompt Creator 实际上是使得 ChatGPT 更好的引导你去完善自己的提问,同时也完善自己的回答,更好地指导自己回答出更加令使用者满意的答案,是双向的过程。

不会提问没关系,会互动即可,可以通过在互动中完善自己的提问,也能得到 ChatGPT 更具体的回答。

感受下prompt creator带来的效果

接下来我们使用如下Prompt:

text
复制代码
I want you to become my Expert Prompt Creator. 
Your goal is to help me craft the best possible prompt for my needs. 
The prompt you provide should be written from the perspective of me making the request to ChatGPT.
Consider in your prompt creation that this prompt will be entered into an interface for ChatGPT. 
The process is as follows: 
1. You will generate the following sections: 
Prompt: {provide the best possible prompt according to my request} 
Critique: {provide a concise paragraph on how to improve the prompt. Be very critical in your response} 
Questions: {ask any questions pertaining to what additional information is needed from me to improve the prompt (max of 3). 
If the prompt needs more clarification or details in certain areas, ask questions to get more information to include in the prompt} 
2. I will provide my answers to your response which you will then incorporate into your next response using the same format. 
We will continue this iterative process with me providing additional information to you and you updating the prompt until the prompt is perfected. 
Remember, the prompt we are creating should be written from the perspective of me making a request to ChatGPT. 
Think carefully and use your imagination to create an amazing prompt for me. 
You're first response should only be a greeting to the user and to ask what the prompt should be about.

如果你希望用中文来回答,加入下面这句话

kotlin
复制代码
try to response in Chinese for all the questions after this.

image.png

image.png

image.png

image.png

大家可以看到,ChatGPT通过一步步的提问,不断帮助我们在完善我们的prompt。

这样就可以得到我们想要的prompt。

让你不再觉得自己写出的是一个空洞的prompt。

我的想法

这个虽然在网上还流行,我个人不建议使用:

第一个是,他比较机械,未必能最后很精炼的得到你想要的prompt,prompt也不是越详细越好。

我们还是想详细掌握prompt的原理和原则,自己多练,熟能生巧。

在面对一个实在没有头绪的prompt时,可以偶尔尝试用这种办法给自己启发思路,最后自己再精炼一下来使用。

​

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

【LLM大模型】大模型Prompt Engineering提示词工程 阅读详情

相关推荐

​​EMC设计实战:BCI(大电流注入)硬件设计规范

LIN接口:集成TVS管(如PESD5V0S1BL)与共模电感,耐压等级≥20V(8kV HBM)。输入滤波:10μF电解电容(100kHz截止)+ 0.1μF陶瓷电容(10MHz截止)。​:全频段(1MHz-400MHz)注入200mA电流,LIN通信误码率<0.01%。对敏感电路(如传感器)采用隔离电源(如ADuM5000),隔离电压≥3kVrms。​:连续波(CW)与调幅波(AM,调制深度80%)组合,覆盖全频段干扰场景。​:选择低频段(1-100MHz)感量≥100μH的绕线电感,抑制共模电流。

m0_50833886的博客 1933

大模型-提示词调优

提示词(Prompt)在大模型应用中扮演着关键角色,它是用户输入给模型的一段文本指令。简单来说,就是我们向大模型提出问题、请求或描述任务时所使用的文字内容。例如,当我们想让模型写一篇关于春天的散文,输入的 “请创作一篇描绘春天景色的优美散文” 就是提示词。提示词的质量直接影响模型输出结果的质量和相关性,精准、清晰且富有引导性的提示词能够让模型更准确地理解我们的意图,从而生成符合期望的回答。

wend的博客 5544

避坑指南:PCIe设备兼容性那些坑——聊聊MPS/MRRS设置不当引发的血泪史

本文深入探讨了PCIe设备兼容性问题,特别是MPS/MRRS参数设置不当引发的常见故障。通过详细解析MPS(Max Payload Size)和MRRS(Max Read Request Size)的作用机制,提供Linux内核五大配置策略的对比分析,并分享FPGA加速卡等实战案例的排查经验。文章还介绍了诊断工具链、动态调试技巧以及性能优化方法,帮助工程师有效解决PCIe兼容性难题。

weixin_30872499的博客 419

提示词工程的 16 种方式:充分释放大模型潜力,让 LLM 更懂你!

概述预训练、微调和提示词工程是大型语言模型(LLM)生成质量优化的三种关键手段,各自具有不同的特点和优势。预训练是 LLM 发展的基石,通过在大规模无标注语料库上进行自监督学习,赋予模型通用的语言理解和生成能力。这种自然语言的通用知识为后续的微调和提示词工程奠定了坚实基础。微调则是利用有标注的任务数据,对预训练模型进行进一步调整和优化,使其更好地适应特定的下游任务。微调的优势在于可以充分利用监督信...

亚马逊云科技专栏 906

CANoe的安装教程

CANoe的安装教程

weixin_59090531的博客 1万+

专栏目录:Linux 内存管理子系统的进化——从 MM 到 HMM

专栏梳理了Linux内存管理子系统从经典MM到异构内存管理(HMM)的演进历程。内容分为六大部分:首先介绍经典MM基础,包括虚拟地址空间、页表、VMA等核心机制;其次分析MM通用框架如页表遍历、NUMA迁移等;然后探讨设备内存引入的关键技术,如ZONE_DEVICE和dev_pagemap;接着深入解析HMM核心机制及其与DMA的集成;随后通过多个实际驱动案例展示HMM应用;最后讨论大页支持等进阶主题。专栏采用"经典机制→问题→扩展方案"的三段式结构,帮助开发者理解Linux如何通过HMM实现设备内存管理。

图形/计算GPU的驱动与虚拟化技术分享园地 875

26个技巧:优化AI大模型提示词

AI大模型作为人工智能领域的重要技术突破,正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口,掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频,免费分享!

老皮的博客 2506

[AI工具评测] 为什么功能全面的 Kimi Claw,最终还是被放弃?

《KimiClaw:功能整合与体验落差的AI工具实践》 KimiClaw作为集LLM、Agent、云端执行和SaaS分发于一体的AI工具,理论上具备个人开发者所需的全栈能力:原生整合大模型与Agent、支持云端Docker部署、可生成Web应用并通过飞书协作。然而实际高频使用中暴露三大核心问题:响应延迟导致思考节奏断裂(非流式输出)、云端黑箱执行缺乏可控性(无法实时干预)、系统稳定性不足(网关和隧道偶发故障)。这些体验落差表明,功能完整性不等于使用高效性——对开发者而言,实时响应、执行透明度和系统可靠性比自

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 536

干货:26个用好AI大模型的提示词技巧

研究人员指出,与LLM交互时,无需多余的礼貌用语。直接、清晰地提出问题是关键。例如:“描述人体细胞的结构。”这样的提示既直接又明确,有助于模型迅速准确地给出答案。

python12345_的博客 3335

CKS-CN考试之路----03

这题不需要去生成image和生成deployment所以只需要去检测对应的值即可。编辑/cks/docker/Dockerfile,修改最后第二行的值。编辑/cks/docker/deployment.yaml。

Q先生 824

UG\NX二次开发 获取三平面交点

//如果返回值不为0 则此三个面没交点 int three_faces_point(tag_t tagFace1, tag_t tagFace2, tag_t tagFace3, double *dou_x, double *dou_y, double *dou_z)

王牌飞行员_里海的博客 675

探索大模型提示词

本文介绍了如何写好大模型提示词,基于大赛冠军的经验分享,涵盖了基础知识和实践技巧。通过学习本文,读者将能够了解如何编写有效、精确且易于理解的提示词,从而在大模型应用中取得更好的效果。

weixin_41888295的博客 1060

扩充两个三维体积:ITK实现

在医学图像处理中,经常需要进行 3D 体积的操作,比如合并、分割等。而 ITK (Insight Segmentation and Registration Toolkit) 是一个常用的开源库,可以用于实现各种医学图像处理算法。这篇文章将介绍如何使用 ITK 实现扩充两个三维体积的操作。不过以上代码已经足够简单明了地演示了如何使用 ITK 实现扩充两个三维体积的操作。首先,我们需要准备两个三维体积的数据。这里假设这两个体积大小相同,并且已经加载到内存中了。来读取和保存体积数据,使用了。

CodeVorter的博客 204

LLM大模型提示工程(Prompt),让LLM自己优化提示词

随着大家对于prompt提问的研究以及对于高质量回答的追求,现在有一个比较热的词叫做prompt creator。Prompt Creator 实际上是使得 ChatGPT 更好的引导你去完善自己的提问,同时也完善自己的回答,更好地指导自己回答出更加令使用者满意的答案,是双向的过程。不会提问没关系,会互动即可,可以通过在互动中完善自己的提问,也能得到 ChatGPT 更具体的回答。

DEVELOPERAA的博客 1161

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

【LLM大模型】大模型提示工程(Prompt),让LLM自己优化提示词

随着大家对于prompt提问的研究以及对于高质量回答的追求,现在有一个比较热的词叫做prompt creator。Prompt Creator 实际上是使得 ChatGPT 更好的引导你去完善自己的提问,同时也完善自己的回答,更好地指导自己回答出更加令使用者满意的答案,是双向的过程。不会提问没关系,会互动即可,可以通过在互动中完善自己的提问,也能得到 ChatGPT 更具体的回答。

2401_82469710的博客 1337

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

LLM大模型提示工程(Prompt),让LLM自己优化提示词,大模型入门到精通,收藏这篇就足够了!

Prompt Creator 实际上是使得 ChatGPT 更好的引导你去完善自己的提问,同时也完善自己的回答,更好地指导自己回答出更加令使用者满意的答案,是双向的过程。

2301_81888214的博客 768

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

【LLM大模型】大模型提示工程(Prompt),让LLM自己优化提示词,大模型入门到精通,收藏这篇就足够了!

随着大家对于prompt提问的研究以及对于高质量回答的追求,现在有一个比较热的词叫做prompt creator。

DEVELOPERAA的博客 710

AI提示词极限赛:从入门到精通的实战指南

文章摘要: AI提示词极限赛是围绕优化大语言模型提示词的技术竞赛,核心在于通过结构化设计(如JSON模板、思维链技术)提升模型输出质量与稳定性。参赛需掌握三大策略:1)任务拆解与原子化评估;2)从评分标准反推提示结构;3)运用少样本学习、角色扮演等高级技巧。关键工具包括主流模型API(如GPT、Claude)、自动化测试框架,以及从获奖案例中逆向学习。竞赛分为精准控制、创意生成、复杂推理和抗干扰四大赛道,胜出依赖系统化迭代:通过A/B测试评估提示词变体,构建评估集持续优化,最终实现模型表现的最大化提升。

haoxinpoju的博客 406

Prompt Caching技术解析:优化大模型API成本与响应速度的核心策略

在大型语言模型的应用开发中,提示词优化是提升系统效率的关键环节。其核心原理在于识别并分离提示词中的静态指令与动态内容,通过缓存技术避免重复计算。从技术价值看,这直接减少了模型推理的计算开销和Token传输量,尤其对于Transformer架构,缓存其注意力机制中的键值对能显著降低延迟。在实际工程中,该技术常用于智能客服、文档问答等需要频繁调用固定指令模板的场景,能有效优化API成本与响应性能。本文聚焦的Prompt Caching正是这一领域的实践方案,结合KV Cache和模板化设计,为构建高效大模型应用

weixin_28706923的博客 306
上一篇: 【LLM大模型】只用 5 步,每个人都能写出精准的 Prompt
下一篇: 大模型优质书籍推荐!(免费分享PDF)《AI大语言模型的基础与前沿》,程序员都在看的大模型书!!!
少喝冰美式
博客等级 码龄3年 6839粉丝 517原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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