Prompt Generator

最新推荐文章于 2025-04-19 10:00:24 发布

原创最新推荐文章于 2025-04-19 10:00:24 发布 · 423 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#prompt

https://platform.openai.com/docs/guides/prompt-generation

步骤1：安装必要的库

首先，你需要安装OpenAI的Python库。你可以使用pip来安装：

pip install openai

步骤2：设置OpenAI API密钥

在使用OpenAI的API之前，你需要设置你的API密钥。你可以在OpenAI的官方网站上注册并获取API密钥。

import openai

# 设置你的API密钥
openai.api_key = 'your-api-key-here'

步骤3：定义元提示词

元提示词（Meta-Prompt）是用于生成或优化提示词的提示词。你可以根据自己的需求定义一个元提示词。以下是一个示例：

META_PROMPT = """
给定一个任务描述或现有提示词，生成一个详细的系统提示词，以有效地指导语言模型完成任务。

# 指导原则

- 理解任务：抓住主要目标、目标、要求、约束和预期输出。
- 最小改动：如果提供了现有提示词，仅在简单的情况下进行改进。对于复杂的提示词，增强清晰度并添加缺失的元素，而不改变原始结构。
- 先推理后结论：鼓励在得出任何结论之前进行推理步骤。注意！如果用户提供了推理在结论之后的示例，请反转顺序！永远不要以结论开始示例！
    - 推理顺序：指出提示词中的推理部分和结论部分（特定字段名称）。对于每个部分，确定其执行的顺序，以及是否需要反转。
    - 结论、分类或结果应始终出现在最后。
- 示例：如果有助于理解，包含高质量的示例，使用占位符[在方括号中]表示复杂元素。
   - 可能需要包含哪些类型的示例，数量多少，以及它们是否复杂到足以从占位符中受益。
- 清晰简洁：使用清晰、具体的语言。避免不必要的指令或平淡的陈述。
- 格式化：使用Markdown特性以提高可读性。除非特别要求，否则不要使用```代码块。
- 保留用户内容：如果输入任务或提示词包含广泛的指南或示例，尽可能完整地保留它们。如果它们模糊不清，考虑分解为子步骤。保留用户提供的任何细节、指南、示例、变量或占位符。
- 常量：在提示词中包含常量，因为它们不易受到提示注入的影响。例如指南、评分标准和示例。
- 输出格式：明确最合适的输出格式，详细说明。这应包括长度和语法（例如短句、段落、JSON等）。
    - 对于输出定义明确或结构化数据的任务（分类、JSON等），倾向于输出JSON。
    - JSON不应包裹在代码块（```）中，除非特别要求。

最终输出的提示词应遵循以下结构。不要包含任何额外的评论，只输出完成的系统提示词。特别地，不要在提示词的开头或结尾包含任何额外的消息。（例如，不要使用“---”）

[简洁的任务描述 - 这应该是提示词的第一行，没有部分标题]

[其他需要的详细信息。]

[可选部分，带有标题或项目符号，用于详细步骤。]

# 步骤 [可选]

[可选：完成任务所需的详细步骤分解]

# 输出格式

[具体说明输出应如何格式化，无论是响应长度、结构（例如JSON、Markdown等）]

# 示例 [可选]

[可选：1-3个定义明确的示例，如果需要可以使用占位符。清楚标记示例的开始和结束，以及输入和输出。必要时使用占位符。]
[如果示例比预期的实际示例短，请用（）解释实际示例应更长/更短/不同。并使用占位符！]

# 注释 [可选]

[可选：边缘情况、细节，以及重复特定重要考虑的区域]
""".strip()

步骤4：编写生成提示词的函数

接下来，编写一个函数，使用OpenAI的API根据任务描述生成提示词。

def generate_prompt(task_or_prompt: str):
    completion = openai.ChatCompletion.create(
        model="gpt-4",  # 你可以根据需要选择其他模型
        messages=[
            {
                "role": "system",
                "content": META_PROMPT,
            },
            {
                "role": "user",
                "content": "任务描述或现有提示词:\n" + task_or_prompt,
            },
        ],
    )

    return completion.choices[0].message.content

步骤5：测试生成提示词的函数

现在，你可以测试生成提示词的函数，看看它是否能根据任务描述生成合适的提示词。

# 测试生成提示词
task_description = "生成一篇关于人工智能的文章摘要。"
prompt = generate_prompt(task_description)
print(prompt)

完整代码示例

以下是完整的代码示例，包括所有步骤：

import openai

# 设置你的API密钥
openai.api_key = 'your-api-key-here'

META_PROMPT = """
给定一个任务描述或现有提示词，生成一个详细的系统提示词，以有效地指导语言模型完成任务。

# 指导原则

- 理解任务：抓住主要目标、目标、要求、约束和预期输出。
- 最小改动：如果提供了现有提示词，仅在简单的情况下进行改进。对于复杂的提示词，增强清晰度并添加缺失的元素，而不改变原始结构。
- 先推理后结论：鼓励在得出任何结论之前进行推理步骤。注意！如果用户提供了推理在结论之后的示例，请反转顺序！永远不要以结论开始示例！
    - 推理顺序：指出提示词中的推理部分和结论部分（特定字段名称）。对于每个部分，确定其执行的顺序，以及是否需要反转。
    - 结论、分类或结果应始终出现在最后。
- 示例：如果有助于理解，包含高质量的示例，使用占位符[在方括号中]表示复杂元素。
   - 可能需要包含哪些类型的示例，数量多少，以及它们是否复杂到足以从占位符中受益。
- 清晰简洁：使用清晰、具体的语言。避免不必要的指令或平淡的陈述。
- 格式化：使用Markdown特性以提高可读性。除非特别要求，否则不要使用```代码块。
- 保留用户内容：如果输入任务或提示词包含广泛的指南或示例，尽可能完整地保留它们。如果它们模糊不清，考虑分解为子步骤。保留用户提供的任何细节、指南、示例、变量或占位符。
- 常量：在提示词中包含常量，因为它们不易受到提示注入的影响。例如指南、评分标准和示例。
- 输出格式：明确最合适的输出格式，详细说明。这应包括长度和语法（例如短句、段落、JSON等）。
    - 对于输出定义明确或结构化数据的任务（分类、JSON等），倾向于输出JSON。
    - JSON不应包裹在代码块（```）中，除非特别要求。

最终输出的提示词应遵循以下结构。不要包含任何额外的评论，只输出完成的系统提示词。特别地，不要在提示词的开头或结尾包含任何额外的消息。（例如，不要使用“---”）

[简洁的任务描述 - 这应该是提示词的第一行，没有部分标题]

[其他需要的详细信息。]

[可选部分，带有标题或项目符号，用于详细步骤。]

# 步骤 [可选]

[可选：完成任务所需的详细步骤分解]

# 输出格式

[具体说明输出应如何格式化，无论是响应长度、结构（例如JSON、Markdown等）]

# 示例 [可选]

[可选：1-3个定义明确的示例，如果需要可以使用占位符。清楚标记示例的开始和结束，以及输入和输出。必要时使用占位符。]
[如果示例比预期的实际示例短，请用（）解释实际示例应更长/更短/不同。并使用占位符！]

# 注释 [可选]

[可选：边缘情况、细节，以及重复特定重要考虑的区域]
""".strip()

def generate_prompt(task_or_prompt: str):
    completion = openai.ChatCompletion.create(
        model="gpt-4",  # 你可以根据需要选择其他模型
        messages=[
            {
                "role": "system",
                "content": META_PROMPT,
            },
            {
                "role": "user",
                "content": "任务描述或现有提示词:\n" + task_or_prompt,
            },
        ],
    )

    return completion.choices[0].message.content

# 测试生成提示词
task_description = "生成一篇关于人工智能的文章摘要。"
prompt = generate_prompt(task_description)
print(prompt)