大模型Prompt提示优化(3)| GLM中的结构化prompt

前两篇文章介绍了prompt的一些基本原则，指令清晰、添加输出约束、少样本学习、提供参考资料等。本文将介绍模块化Prompt，目前在实际应用中对效果提升比较大，本文首先介绍什么是模块化Prompt，然后给出GLM各种应用场景下的推荐prompt，也适用于其它大模型哦。

什么是模块化Prompt

结构化的思想很普遍，结构化内容也很普遍，我们日常写作的文章，看到的书籍都在使用标题、子标题、段落、句子等语法结构。结构化 Prompt 的思想通俗点来说就是像写文章一样写 Prompt。

• 结构化的框架

知名的框架有 CRISPE 框架，CRISPE 分别代表以下含义：

• CR：Capacity and Role（能力与角色）。你希望 ChatGPT 扮演怎样的角色。

• I：Insight（洞察力），背景信息和上下文（坦率说来我觉得用 Context 更好）。

• S：Statement（指令），你希望 ChatGPT 做什么。

• P：Personality（个性），你希望 ChatGPT 以什么风格或方式回答你。

• E：Experiment（尝试），要求 ChatGPT 为你提供多个答案。

  这类思维框架只呈现了 Prompt 的内容框架，但没有提供模板化、结构化的 prompt 形式。

• Prompt结构

结构中的信息, 可以根据自己需要进行增减, 从中总结的常用模块包括:

# Role: : 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, 其实是在帮 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, 你希望 Prompt 按什么方式来对话和输出

# Initialization: 冷启动时的对白, 也是一个强调需注意重点的机会

上述标红的部分是比较重要的模块，在实际使用中需要重点调试；下面给出不同应用领域的prompt模板。

几个推荐模板

• 文本分类

• **情感分析

  **

识别和分析文本中的情感倾向，如：正面、负面或中性情感。

• 文档处理

处理和分析大量文档，如：文档摘要生成、关键信息提取等。

• 信息抽取

从大量文本中提取结构化信息，如：命名实体识别（NER）、关系抽取、事件抽取等。

• 机器翻译

大规模的文本翻译任务，将文本从一种语言翻译成另一种语言。

• 生成任务

利用语言模型大批量生成文本内容，如：撰写SEO文章、小说创作等。

• 文本纠错

自动检测和纠正大批量文本中的拼写错误、语法错误等。

​

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。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

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。