丨汀、的博客

结构化思维助力Prompt创作：专业化技术讲解和实践案例

【OpenAI出品】ChatGPT表现不好？很有可能是你的prompt没有写好

Prompt工程师指南[资料整合篇]：Prompt最新前沿论文整理合集、工具和库推荐、数据集整合、推荐阅读内容等，超全面资料

对抗性Prompting是Prompting工程中的一个重要主题，因为它有助于理解与 LLMs 相关的风险和安全问题。这也是一门重要的学科，用于识别这些风险并设计解决问题的技术。社区发现了许多不同类型的对抗性提示攻击，涉及某种形式的提示注入。我们在下面提供了这些示例的列表。当你构建 LLMs 时，保护免受可能绕过安全护栏并破坏模型指导原则的提示攻击非常重要。我们将在下面介绍这方面的示例。请注意，可能已经实施了更强大的模型来解决此处记录的某些问题。这意味着下面的一些提示攻击可能不再那么有效。

主题：与 ChatGPT 对话Python 笔记本ChatGPT介绍ChatGPT是的一种新型模型，可以进行对话交互。该模型经过训练，可以按照提示中的指令，在对话上下文中提供适当的回应。ChatGPT 可以帮助回答问题、建议菜谱、按某种风格写歌词、生成代码等等。ChatGPT 使用人类反馈强化学习（RLHF）进行训练。虽然这个模型比之前的 GPT 版本更具有能力（还经过训练以减少有害和不真实的输出），但它仍然存在限制。让我们通过具体的例子来了解一些能力和限制。您可以在。

Prompt engineering(提示工程)是一门相对较新的学科，旨在开发和优化提示以有效地利用语言模型 (LMs) 进行各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型 (LLMs) 的能力和局限性。研究人员使用提示工程来提高LLMs在各种常见和复杂任务上的能力，例如问答和算术推理。开发人员使用提示工程来设计与LLMs和其他工具接口的稳健和有效的提示技术。本指南介绍了标准提示的基础知识，以提供如何使用提示与大型语言模型 (LLMs) 进行交互和指导的大致思路。

Prompt learning 教学[案例篇]：文生文案例设定汇总，你可以扮演任意角色进行专业分析

其实我这个需求，在传统的机器人领域已经有现成方法，比如你应该看到不少电商客服产品，就有类似的功能，你说一句话，机器人就会回复你。这种传统的机器人，通常是基于意图去回答人的问题。举个例子，我们构建了一个客服机器人，它的工作原理简单说来是这样的：当用户问「忘记密码怎么办？」时，它会去找最接近这个意图「密码」，每个意图里会有很多个样本问题，比如「忘记密码如何找回」「忘记密码怎么办」，然后这些样本问题都会有个答案「点击 A 按钮找回密码」，机器人会匹配最接近样本问题的意图，然后返回答案。

Dyno Prompt Engineering IDE是一款基于人工智能技术的集成开发环境（IDE），它可以帮助开发者更快速、更高效地进行软件开发。Dyno Prompt Engineering IDE的主要特点包括以下几个方面：智能代码提示：Dyno Prompt Engineering IDE可以通过分析代码语法和上下文，智能地提供代码提示和自动补全功能，帮助开发者更快速地编写代码。

DeepSpeed-Chat 允许用户使用我们灵活的 API（如下所示）构建自己的 RLHF 训练流程，用户可以使用这些 API 重建自己的 RLHF 训练策略。我们希望这些功能可以为研究探索中创建各种 RLHF 算法提供通用接口和后端。为了实现无缝的训练体验，我们遵循 InstructGPT 论文的方法，并在 DeepSpeed-Chat 中整合了一个端到端的训练流程，如图 1 所示。图 1: DeepSpeed-Chat 的 RLHF 训练流程图示，包含了一些可选择的功能。

解释这个词之前，首先需要解释 prompt 这个词。简单的理解它是给 AI 模型的指令。它可以是一个问题、一段文字描述，甚至可以是带有一堆参数的文字描述。AI 模型会基于 prompt 所提供的信息，生成对应的文本，亦或者图片。比如我在文心一言里输入 ，这个问题就是Prompt。