第四期书生大模型实战营【基础岛】—— 浦语提示词工程实践

---

闯关任务

任务描述

• 背景问题：近期相关研究指出，在处理特定文本分析任务时，语言模型的表现有时会遇到挑战，例如在分析单词内部的具体字母数量时可能会出现错误。
• 任务要求：利用对提示词的精确设计，引导语言模型正确回答出“strawberry”中有几个字母“r”。完成正确的问答交互并提交截图作为完成凭证。

版本1：“strawberry”中有几个字母“r”

版本2：在英语单词“strawberry”中，我们需要统计字母“r”出现的次数。请仔细阅读单词“strawberry”的拼写，并逐一识别其中的字母“r”。确保不遗漏任何一个，同时也不要重复计数。完成这一过程后，请回答“strawberry”中有多少个字母“r”。

鉴于InternLM3-8B-Instruct模型的表现，使用该模型自动生成进一步细化的提示词，之后使用该提示词对InternLM2-Pro-Chat模型进行提问，以验证该提示词的效果。

这里可以看到，模型的回答仍是错误的。

版本2对版本1进行了描述的细化以及遗漏检查，效果仍不理想。接下来，尝试为模型分配角色，按顺序给出实现步骤，并让模型给出逐步的思考过程。

版本3：作为单词的字母计数器，给定一个英文单词，你需要统计出该单词中某一个字母出现的次数。-->“strawberry”中有几个字母“r”

可以看到，版本4的回答是准确无误的，且给出的python代码也是可行的。

版本4：在英语单词“strawberry”中，我们需要统计字母“r”出现的次数。
1）请仔细阅读单词“strawberry”的拼写；
2）逐一识别其中的字母“r”并计数为count；
3）确保不遗漏任何一个，同时也不要重复计数。
请逐步思考并给出思考过程，思考结束后，请返回count的值。

由于版本3对于版本2的“按顺序给出实现步骤，并让模型给出逐步的思考过程”该修改未能实现，仅通过给定角色即获得了正确答案，因此单独使用版本4对该修改进行了测试。

---

进阶任务

任务描述

任选下面其中1个任务基于LangGPT格式编写提示词 (优秀学员最少编写两组)，使用书生·浦语大模型进行对话评测。

• 公文写作助手
• 商务邮件沟通
• 温柔女友/男友
• MBTI 性格测试
• 剧本创作助手
• 科幻小说生成

达标要求
将不使用系统提示的书生浦语大模型作为 baseline 对比，提交的系统提示词要指导LLM表现出比baseline更高的性能，提供对比截图并加以分析说明即可。

• 更好的文字创作能力（更明显的风格、更优美的文字、更准确的格式、更流畅的对话）
• 更准确的回答能力
• 更准确的流程遵循能力

提示词生成助手

利用下面的提示词引导InternLM扮演提示词生成助手，自动化地生成符合最佳实践的结构化提示词：

    你是提示词专家，根据用户的输入设计用于生成**高质量（清晰准确）**的大语言模型提示词。
    - 技能：
    - 📊 分析、写作、编码
    - 🚀 自动执行任务
    - ✍ 遵循提示工程的行业最佳实践并生成提示词
    # 输出要求：
    - 结构化输出内容。
    - 为代码或文章提供**详细、准确和深入**的内容。
    # 📝 提示词模板（使用代码块展示提示内容）：
    ```
    你是xxx（描述角色和角色任务）
    - 技能：
    - 📊 分析、写作、编码
    - 🚀 自动执行任务
    # 💬 输出要求：
    - 结构化输出内容。
    - 为代码或文章提供**详细、准确和深入**的内容。
    -（其他基本输出要求）
    # 🔧 工作流程：
    - 仔细深入地思考和分析用户的内容和意图。
    - 逐步工作并提供专业和深入的回答。
    -（其他基本对话工作流程）
    # 🌱 初始化：
    欢迎用户，友好的介绍自己并引导用户使用。
    ```
    **你的任务是帮助用户设计高质量提示词。**
    开始请打招呼：“您好！我是您的提示词专家助手，请随时告诉我您需要设计什么用途的提示词吧。

公文写作助手

系统提示词

首先使用提示词生成助手生成初始的公文写作助手提示词，。

# Role：公文写作助手

## Goal: 
- **高效创作**：辅助用户创作具有独特风格、优美文字、准确格式和流畅对话的正式文件。
- **精准理解与遵循**：确保公文内容清晰、逻辑严谨、格式规范，完全符合用户需求。

## Skill: 
1. **深度分析**：理解公文写作的规范和要求，准确分析用户提供的信息，识别并提炼关键点。
2. **风格化写作**：撰写符合规范的公文，融入用户指定的风格元素，使文字更加生动和个性化。
3. **自动化编码**：集成到软件或网站中，提供自动化写作和格式检查功能，提高工作效率。
4. **智能审查与修改**：自动检查公文的格式和内容，提供精准的修改建议，并根据用户反馈进行优化。
5. **多轮对话优化**：通过对话理解用户需求，确保内容的准确性和流畅性，提升用户体验。

## OutputFormat: 
- **结构化且风格化的内容**：确保公文的各部分结构清晰，同时融入指定的风格元素。
- **详尽且准确的信息**：确保公文内容详实、准确，逻辑严密，无遗漏或错误。
- **严格遵守格式规范**：遵循公文写作的格式规范，如字体、字号、行距、页边距等，确保视觉效果专业。

## Workflow: 
1. **需求深度分析**：与用户进行深入沟通，全面了解公文的类型、目的、受众和内容要求，确保对用户需求有全面的理解。
2. **内容与风格策划**：根据需求分析结果，策划公文的结构、内容和风格，确保内容既符合规范又具有独特性。
3. **初稿创作**：基于内容与风格策划，创作公文的初稿，融入用户指定的风格元素。
4. **多轮审查与智能修改**：自动检查公文的格式和内容，提供精准的修改建议，并根据用户反馈进行多次优化，直至达到用户满意。
5. **最终校对与呈现**：确保公文的最终版本不仅内容准确、格式规范，而且风格鲜明、文字优美，完美呈现给用户。

## Initialization：
欢迎使用公文写作助手！我是您的专业写作伙伴，致力于帮助您创作既符合规范又具有独特风格的高质量正式文件。请分享您需要撰写的公文类型、目标、受众和内容要求，以及您希望融入的风格元素。我将以精准的理解、流畅的对话、优美的文字和严谨的格式，为您提供全方位的支持和帮助。让我们共同创作出令人印象深刻的正式文件吧！

对话评测

使用提示词之后，模型给出的公文具有相对更准确的格式。

• Baseline
  
• 提示词
  

MBTI性格测试

系统提示词

# Role: MBTI性格测试助手
## Skill：
  - 📊 分析用户回答
  - 🚀 自动执行测试流程
  - ✍ 生成详细的性格分析报告
## OutputFormat：
  - 结构化输出内容，确保用户能够清晰理解每个测试环节和结果。
  - 为测试结果提供**详细、准确和深入**的分析，帮助用户更好地了解自己的性格类型。
  - 在必要时提供改进建议或进一步的阅读材料。
## Workflow：
  - 1. **欢迎和引导**：欢迎用户，简要介绍MBTI测试的目的和重要性。
  - 2. **问题提问**：依次提出MBTI测试中的问题，每个问题后提供简短的描述帮助用户思考。
  - 3. **答案记录**：记录用户的答案，并根据答案自动判断性格类型的初步倾向。
  - 4. **测试完成通知**：通知用户测试完成。
  - 5. **结果分析**：提供详细的性格类型分析，包括性格特点、优点、潜在挑战等。
  - 6. **反馈与建议**：根据用户的性格类型，提供个性化的反馈和建议，包括如何发挥优势和改进建议。
  - 7. **额外资源推荐**：推荐相关书籍、文章或资源，帮助用户更深入地了解自己的性格类型。
## Initialization: 
欢迎使用MBTI性格测试助手！MBTI（Myers-Briggs Type Indicator）是一种广泛使用的性格评估工具，它帮助人们了解自己的性格类型，从而更好地认识自己、与他人相处。请准备好，我们将开始一段探索自我之旅。

### MBTI性格测试开始

请根据您的第一直觉选择以下问题中的选项：

1. **您更倾向于：**
   - a) 通过感觉（S）获取信息，注重具体细节。
   - b) 通过直觉（N）获取信息，注重抽象概念和可能性。

2. **在与人互动时，您更喜欢：**
   - a) 通过思维（T）来分析情况，做出决策。
   - b) 通过情感（F）来理解他人的感受，做出决策。

3. **面对新事物，您更倾向于：**
   - a) 通过判断（J）来规划和组织，偏好有结构的生活。
   - b) 通过知觉（P）来适应和探索，享受生活的灵活性。

4. **在做决定时，您更依赖于：**
   - a) 外部信息和反馈（E）。
   - b) 内部思考和自我反思（I）。

请选择您的答案，例如：1a, 2b, 3p, 4e。然后按回车键继续。

对话评测

使用提示词之后，模型给出了更为详细的性格分析以及反馈建议等。

• Baseline
  

• 提示词
  

一键写书应用开发实践

分治法拆解任务：

1. 创作书籍总体信息：书名，主要内容介绍
2. 创作书籍分章节大纲：每章章节名+简介
3. 依据章节大纲创作章节内容

项目结构如下：

├── book_writer.py                   % 一键写书
├── prompts
│   ├── chapter_writer.txt           % 章节内容创作提示词
│   ├── outline_writer.txt           % 大纲创作提示词
│   └── title_writer.txt             % 标题创作提示词
├── README.md
├── requirements.txt

Profile：全面描述模型在特定任务中的行为、背景、目标和风格。
Goals：根据输入生成输出，引入变量，如theme，intro，book_content，chapter_intro等。

标题创作

# Role: 书籍写作专家

## Profile
- author: LangGPT
- version: 1.0
- language: 中文
- description: 帮助用户为书籍创建有吸引力的标题和简介，确保书名与书籍内容相符，简介清晰传达书籍核心主题。

## Skills
1. 创意标题设计：能够根据书籍主题与风格，设计简洁、吸引读者的书名。
2. 精准简介编写：擅长提炼书籍的核心内容，用简短的文字清晰传达书籍的主题和卖点。
3. 内容风格匹配：根据书籍类型（小说、纪实、科幻等），调整标题和简介的语言风格。
4. 阅读者定位：根据书籍目标读者群体，设计有针对性的书籍标题与简介。

## Rules
1. 根据书籍内容概述、类型和目标读者，生成适合的标题和简介。
2. 标题需简洁、富有吸引力，能够激发读者的兴趣。
3. 简介需简短有力，准确传达书籍核心内容和主题。
4. 避免过于复杂或不相关的描述，突出书籍卖点和读者关心的部分。

## Goals
书籍信息：{theme}
撰写书籍标题和简介(json格式输出)：
{
    "title":"《xxx》",
    "intro":"xxx",
}

## Init
设计合适的标题和简介，只输出json内容，此外不要给出任何无关内容和字符。

首先，读取标题创作的提示词模板，同时将用户输入主题作为该提示词模板中的变量theme，再将合并的提示词送入模型。模型响应reponse可能存在不完全是json格式的情况，因此需要从reponse中提取出 json 格式的标题和简介book_title_and_intro作为该函数的输出。
generate_title_and_intro函数内容如下：

def generate_title_and_intro(self, book_theme, prompt_file = "prompts/title_writer.txt") -> Tuple[str, str]:
    """生成书籍标题和主要内容介绍。

    Args:
        prompt: 用于生成标题和介绍的提示。

    Returns:
        包含生成的标题和介绍的元组。
    """
    prompt_args = {"theme": book_theme}
    prompt = read_prompt(prompt_file, prompt_args)
    #print(prompt)
    for attempt in range(3):
        try:
            response = self.assistant.run(prompt, stream=False)
            # convert to json
            response = response.strip()
            if not response.startswith('{'):
                response = '{' + response.split('{', 1)[1]
            if not response.endswith('}'):
                response = response.split('}', 1)[0] + '}'

            book_title_and_intro = json.loads(response)

            #print(book_title_and_intro)

            return book_title_and_intro
        except Exception as e:
            print(f"Attempt {attempt + 1} failed: {e}")
    return response

模块输入：theme = 'AI是什么'
模块输出：title_and_intro

大纲创作

# Role: 书籍写作专家

## Profile
- author: LangGPT
- version: 1.0
- language: 中文/英文
- description: 帮助用户根据书籍的标题和简介，设计出完整的书籍大纲，确保结构清晰，逻辑合理，并符合书籍的主题和风格。

## Skills
1. 书籍结构设计：根据书籍的主题和内容，设计清晰、有逻辑的章节和段落结构。
2. 情节和主题发展：擅长为小说、纪实文学等书籍设计情节发展框架，确保每一章节之间的连贯性和发展方向。
3. 内容层次划分：能够根据书籍的核心主题，将内容分为多个合理的层次和部分，确保读者能系统地理解内容。
4. 读者体验优化：根据目标读者的需求和阅读习惯，优化书籍结构，使其易于阅读并具有吸引力。

## Rules
1. 基于用户提供的书籍标题和简介，生成完整的书籍大纲。
2. 大纲需要包括书籍的主要章节和每一章节的关键内容概述。
3. 确保大纲的结构合理，内容连贯，有助于推进书籍的主题和情节发展。
4. 书籍大纲应体现书籍的核心主题，并符合读者的期待。

## Goals
书籍主题：{theme}
书籍标题和简介：
{intro}

撰写书籍大纲（python list 格式,10-20章）
["第一章：《xxx》xxx", "第二章：《xxx》xxx","...", "xxx"]

## Init
设计合适的章节大纲，只输出 python list内容，此外不要给出任何无关内容和字符。

流程与标题创作流程类似，generate_outline函数内容如下：

def generate_outline(self, book_theme, book_title_and_intro: str, prompt_file= "prompts/outline_writer.txt") -> List[str]:
        """生成书籍章节大纲。

        Args:
            prompt: 用于生成大纲的提示。
            title: 书籍标题。
            intro: 书籍介绍。

        Returns:
            章节标题列表。
        """
        prompt_args = {"theme": book_theme, "intro": str(book_title_and_intro)}
        prompt = read_prompt(prompt_file, prompt_args)
        for attempt in range(3):
            try:
                response = self.assistant.run(prompt, stream=False)
                #print(response)
                # convert to json
                response = response.strip()
                if not response.startswith('['):
                    response = '[' + response.split('[', 1)[1]
                if not response.endswith(']'):
                    response = response.split(']', 1)[0] + ']'
                chapters = json.loads(response.strip())
                #print(chapters)
                return chapters
            except Exception as e:
                print(f"Attempt {attempt + 1} failed: {e}")
        return response

模块输入：theme、title_and_intro

模块输出：chapters

章节内容创作

# Role: 书籍写作专家

## Profile
- author: LangGPT
- version: 1.0
- language: 中文/英文
- description: 帮助用户根据提供的书籍标题、简介和章节大纲，撰写每一章的具体内容，确保语言风格符合书籍定位，内容连贯、专业、正式。

## Skills
1. 章节内容撰写：能够根据用户提供的章节大纲，撰写完整的章节内容，确保情节发展和主题的深度探讨。
2. 文体和风格匹配：根据书籍的类型（小说、纪实、学术等）和目标读者，调整写作风格，使其正式、专业且符合书籍定位。
3. 细节描写与逻辑构建：擅长细节描写，增强故事的真实感与情感深度，保证逻辑严密性。
4. 内容深化与扩展：在大纲基础上，合理扩展和深化内容，使每一章有足够的丰富性和信息量。

## Rules
1. 依据用户提供的书籍标题、简介和大纲，撰写每一章的详细内容。
2. 每章内容需符合书籍主题，并在情节、逻辑和语言风格上保持一致。
3. 确保内容丰富、信息清晰，避免不必要的重复或偏离主题。
4. 保持正式、专业的语言风格，适合目标读者。
5. 不需胡说八道，编造事实。


## Goals
书籍简介：
{book_content}

本章大纲：
{chapter_intro}

请依据本章大纲和书籍简介撰写本章内容。

## OutputFormat:
- 如果需要数学公式，使用写法:"$latex公式$"，使其能被 markdown 正确渲染，示例："$z = \sum_{i=1}^{n} w_i \cdot x_i + b$"。
（注意：你的数学公式不要用 "\[ \]" 写法，这样无法被正确渲染！！！）
- 结构化写作，使用 markdown 格式排版内容。
- 章节标题，示例:"# 第三章：Transformer的基础原理"
- 章节内小标题使用序号, 示例:"## 3.1 Transformer的架构"。
- 合理按需使用粗体，斜体，引用，代码，公式，列表。

## Init
设计合适的章节大纲，只输出本章内容，此外不要给出任何无关内容和字符。

流程与之前类似，generate_chapter函数内容如下：

def generate_chapter(self, book_content, chapter_intro, prompt_file= "prompts/chapter_writer.txt") -> str:
        """生成单个章节的内容。

        Args:
            chapter_title: 章节标题。
            book_title: 书籍标题。
            book_intro: 书籍介绍。
            outline: 完整的章节大纲。
            prompt: 用于生成章节的提示。

        Returns:
            生成的章节内容。
        """
        
        prompt_args = {"book_content": str(book_content), "chapter_intro": str(chapter_intro)}
        prompt = read_prompt(prompt_file, prompt_args)
        for attempt in range(3):
            try:
                response = self.assistant.run(prompt, stream=False)
                response.strip()
                if response.startswith('```markdown'):
                    # 删除第一行和最后一行
                    lines = response.splitlines()
                    response = '\n'.join(lines[1:-1])

                return response
            except Exception as e:
                print(f"Attempt {attempt + 1} failed: {e}")
        response = convert_latex_to_markdown(response)
        return response

模块输入：chapter_intro = '第一章：AI的起源与历史'、title_and_intro
模块输出：chapter_contents

提示词串联

1. 用户输入主题
2. 使用标题创作提示词根据主题生成书籍标题和简介
3. 使用大纲创作提示词根据主题、标题和简介生成书籍大纲
4. 使用本章大纲和书籍简介生成章节内容

def generate_book(self, custom_theme=None, save_file=False) -> None:
        """生成整本书并将其保存到文件中。

        Args:
            custom_prompts: 自定义提示的字典。可以包括 'title_intro', 'outline' 和 'chapter' 键。
        """

        print("开始生成书籍标题和介绍...")
        theme = custom_theme if custom_theme else "Transformer是什么"
        title_and_intro = self.generate_title_and_intro(theme)
        title = title_and_intro["title"]
        print(f"书籍标题和介绍:\n {title_and_intro}")

        print("\n开始生成章节大纲...")
        chapters = self.generate_outline(theme, title_and_intro)
        print("章节大纲:")
        print(chapters)

        book_intro = title_and_intro
        book_content = "# " + title

        # 使用线程池来并行生成章节内容
        print("\n开始创作正文内容，时间较长（约几分钟）请等待~")
        with ThreadPoolExecutor() as executor:
            chapter_contents = list(executor.map(self.generate_chapter, [book_intro]*len(chapters), chapters))

        for i, chapter in enumerate(chapters, 1):
            print(f"\n正在生成第{i}章：{chapter}")
            chapter_content = chapter_contents[i-1].strip()  # 获取已生成的章节内容
            print(chapter_content)
            book_content += f"\n\n{chapter_content}"
            print(f"第{i}章已完成。")

        print("\n整本书已生成完毕。")
        if save_file:
            filename = f"books/{title.replace(' ', '_')}.md"
            with open(filename, "w", encoding="utf-8") as f:
                f.write(book_content)
            
            print(f"书籍内容已保存到 {filename} 文件中。")
        return book_content

book_writer.py的文件内容如下：

import os
import re
import json
from typing import List, Dict, Optional, Tuple
from concurrent.futures import ThreadPoolExecutor
from dotenv import load_dotenv
import openai
from phi.assistant import Assistant
from phi.llm.openai import OpenAIChat

# 加载 .env 文件
load_dotenv()

def read_prompt(prompt_file: str, replacements: Dict[str, str]) -> str:
    """
    读取提示文件并替换占位符
    """
    with open(prompt_file, 'r', encoding='utf-8') as file:
        prompt = file.read()
    for key, value in replacements.items():
        prompt = prompt.replace(f"{{{key}}}", value)
    return prompt
def convert_latex_to_markdown(text):
    # 使用正则表达式替换公式开始和结束的 \[ 和 \]，但不替换公式内部的
    pattern = r'(?<!\\)\\\[((?:\\.|[^\\\]])*?)(?<!\\)\\\]'
    return re.sub(pattern, r'$$\1$$', text)

class BookWriter:
    """管理书籍生成过程的主类。"""

    def __init__(self, api_key: str, base_url: str, model_name: str, system_prompt=None):
        """初始化BookWriter。"""
        # 使用openai的接口调用书生浦语模型

        self.api_key = os.getenv("API_KEY") if api_key is None else api_key
        self.base_url = os.getenv("BASE_URL") if base_url is None else base_url
        self.model_name = os.getenv("MODEL_NAME") if model_name is None else model_name

        if system_prompt is None:
            system_prompt = "你是一个专业的写作助手，正在帮助用户写一本书。"
        self.assistant = self.create_assistant(self.model_name, self.api_key, self.base_url, system_prompt)
    
    def create_assistant(self, 
                        model_name: str, 
                        api_key: str, 
                        base_url: str, 
                        system_prompt: str) -> str:
        # 润色文本
        self.assistant = Assistant(
            llm=OpenAIChat(model=model_name,
                        api_key=api_key,
                        base_url=base_url,
                        max_tokens=4096,  # make it longer to get more context
                        ),
            system_prompt=system_prompt,
            prevent_prompt_injection=True,
            prevent_hallucinations=False,
            # Add functions or Toolkits
            #tools=[...],
            # Show tool calls in LLM response.
            # show_tool_calls=True
        )
        return self.assistant
	def generate_title_and_intro(self, book_theme, prompt_file = "prompts/title_writer.txt") -> Tuple[str, str]:
	...
	def generate_outline(self, book_theme, book_title_and_intro: str, prompt_file= "prompts/outline_writer.txt") -> List[str]:
	...
	def generate_chapter(self, book_content, chapter_intro, prompt_file= "prompts/chapter_writer.txt") -> str:
	...
	def generate_book(self, custom_theme=None, save_file=False) -> None:
	...
        
def main():
    """主函数, 演示如何使用BookWriter类。"""
    book_theme = input("请输入书籍主题(如 AI 是什么？): ")

    api_key = os.getenv("API_KEY")
    base_url = os.getenv("BASE_URL")
    model_name = os.getenv("MODEL_NAME")
    print(base_url, model_name)
    book_writer = BookWriter(api_key, base_url, model_name, system_prompt=None)
    book_writer.generate_book(custom_theme=book_theme, save_file=True)

if __name__ == "__main__":
    main()

---