PromptBase Prompt 提示词网站 - PromptBase https://promptbase.com/ 支持的提示词有 ---- chatgpt 提示词 https://promptbase.com /chatgpt ---- 开源项目 awesome-chatgpt-prompts 官网: https://prompts.chat/ https://github.com/f/awesome-chatgpt-prompts 可以看这个CSV文件 ---- https://huggingface.co/datasets/fka/awesome-chatgpt-prompts
其他聊天机器人可能依赖预先编程的回应或简单的关键词匹配,这可能导致对用户输入的回应不够自然或相关。 另一个区别是 ChatGPT 的学习能力。 ✂️扮演疯子的角色 贡献者:@devisasari 提示:我希望你扮演一个疯子。疯子的句子毫无意义。疯子使用的词完全是任意的。疯子以任何方式都不构成逻辑句子。 ✂️扮演同义词查找器 由:@rbadillap 提示:我希望你扮演一个同义词提供者。我会告诉你一个词,你会根据我的提示回复一个同义词列表。每次最多提供 10 个同义词。 如果我想要更多提供的词的同义词,我会回复“更多 x”,其中 x 是你查找同义词的词。你只需回复词汇列表,不要写解释。回复“OK”以确认。 提示:我希望你扮演提交消息生成器。我会提供关于任务的信息和任务代码的前缀,希望你使用常规提交格式生成适当的提交消息。不要写任何解释或其他词,只回复提交消息。
提示原则 原则1:编写清晰明确的说明 原则2:给模型留出“思考”的时间 编写清晰明确的说明 策略 策略1:使用分隔符清晰地表示输入的不同部分 分隔符可以是任何东西,比如:""", < >, <tag> 不要混淆编写清晰提示与编写简短提示。 在许多情况下,更长的提示提供更多的清晰度和上下文信息, 这可能导致更详细和相关的输出。 `` """ response = get_completion(prompt) print(response) 输出: 编写清晰、具体的指令可引导模型朝期望输出方向发展,不要混淆简短和清晰,更长的提示提供更多上下文信息 "" response = get_completion(prompt) print("完成 Text 2:") print(response) 输出 完成 Text 2: 未提供步骤 策略4:少样本提示
教程 吴恩达联合OpenAI出ChatGPT 提示词教程 课程涵盖从理论到应用的各个方面,包括大型语言模型、文本嵌入、强化学习等技术的应用。 ://www.aishort.top/ 提示词库 - 收集各类优质的ChatGPT提示词,支持中文/英文等多语言,分类覆盖写作、编程、生活等领域。 Chrome插件 - 通过插件将提示词注入到ChatGPT界面,实现一键使用。 定期更新提示词库 - 社区会维护提示词库,新增更多高质量的提示词。 https://www.explainthis.io/zh-hans/chatgpt ChatGPT提示词和技巧的速查表 https://quickref.me/chatgpt 入门提示词:获取ChatGPT 代码相关提示词:让ChatGPT解释代码、重构代码、调试代码等代码相关操作的提示词。 邮箱营销提示词:撰写邮件内容和自动回复等邮箱营销相关提示词。 电子表格提示词:获取电子表格公式和宏相关的提示词。
在本节中,我们介绍ChatGPT的最新提示工程技术,包括提示、应用、限制、论文和其他阅读资料。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中,自动持续翻译更新: 关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全 https://github.com yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 主题: 提示词 (prompt)工程指南(五):ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT简介 ChatGPT Gitee 镜像加速访问: 关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全(自动持续更新): https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
AI的应用逐渐从单纯的『降本增效』转向了更为复杂、高级的『创造价值』 AI从『降本增效』向『创造价值』转变 AI、AIGC、ChatGPT整体关系 提示词 元提示词 我要编写一个将数据分组的函数,你可以问我哪些问题来澄清需求
原文:The Language of AI: Exploring the Power of ChatGPT 译者:飞龙 协议:CC BY-NC-SA 4.0 第一章:ChatGPT 简介 ChatGPT 当用户输入文本提示时,ChatGPT 使用其预训练模型分析提示并生成一个可能适合上下文的响应。 ChatGPT 和其他先进语言模型的发展在 NLP 和 AI 领域带来了重大变革。 第二章:ChatGPT 的工作原理 ChatGPT 是一种先进的人工智能语言模型,可以根据用户输入生成类似人类的文本响应。在本章中,我们将研究 ChatGPT 架构、训练过程和推理算法的技术方面。 第三章:ChatGPT 的能力 ChatGPT 是一个强大的语言模型,可以根据用户输入生成类似人类的文本。 在本章中,我们将探讨 ChatGPT 未来可能发展的一些方向。 提高准确性和效率 ChatGPT 未来发展的主要重点之一是提高其准确性和效率。
Teaching with AI
OpenAI官方提示词的介绍
什么是官方提示词
官方提示词是OpenAI 提供的用于引导 ChatGPT 生成特定内容的示例或指引。 逆向拆解OpenAI官方提示词技巧
接下来,我们将通过解析以上四个的OpenAI的官方提示词案例,总结出了一套通用Prompt模板架构。 注意:提示词要用
randomness of the model's output ) return response.choices[0].message["content"] 下面我们来说说,书写提示词的基本原则 提示词的基本原则 提示词的书写要清晰,带有明确的指令 给模型时间去思考,即指明模型的思考过程 原则一:提示词的书写要清晰,带有明确的指令 技巧一:使用分隔符清楚地指示输入的不同部分 分隔符可以是```, 要尽量避免这种情况,就需要将提示词写的准确,清晰和指令化。 参考: https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/2/guidelines----
一个新加坡女孩,在第一次 GPT-4 提示词大赛中获得冠军,我们来看看她的提示词是怎么写的。 提示词女王 Sheila Teo 分享了她是如何优化提示词,从而获得大赛冠军的。 一句话提示词 写一篇知乎回答,回答这个问题:为什么我编写不出优秀的ChatGPT提示词? 生成的内容如下图,基本上是一些空洞不可直接落地的方向性建议,缺少落地的指导,读者很难真正从里面学到什么。 使用 CO-STAR 提示词 CONTEXT(上下文) 我是一个知乎答主,活跃在 AI 领域。想回答一个知乎问题。知乎的问题是:为什么我编写不出优秀的ChatGPT提示词? TONE(语调) 有说服力的 AUDIENCE(受众) 主要受众是对 AI 感兴趣的各个年龄段人群,尤其是对于写出好的提示词有强烈要求的人群。请针对这一群体编写回答。 使用 CO-STAR 框架提示词生成的内容如下,我们看到回答的开头有秀肌肉,吸引读者继续往下读的部分。 中间有原理、有案例,能让读者收获干货,还能直接上手实操。
【中文完整版全9集】第1集 引入-ChatGPT提示词工程师教程 吴恩达xOpenAI官方 【OpenAI官方 | 中文完整版】 吴恩达ChatGPT提示工程师初级到高级(AI大神吴恩达教你写提示词 ) ChatGPT Prompt Engineering for Development 基础大语言模型和指令精调大语言模型的区别: 指令精调大语言模型经过遵从指令的训练,即通过RLHF( 通过首先寻找相关信息,再做出解答,有助于减轻幻觉现象 提示词迭代开发流程 提示词指引: 清晰明确 分析导致没有拿到预期输出的原因 优化思路和提示词 重复迭代 通过限定字数让模型输出更加简短,如下: 通过指定场景让模型切换视角,提示模型在文本末尾加上一些特殊说明,如下: 提示模型输出HTML代码(这个有点秀) 提示词工程师要具备一个良好的迭代流程来产出更好的提示词。 ,直接输出JSON(这才是真正的自然语言处理,有比较现实的应用场景), 一个提示词获取多维度信息: 通过提示词提取topic: 检测特定topic触发事件,是一个实际应用场景示例
结构化Prompt、提示词生成器以及单样本/少样本提示等技术方法,能够帮助用户精确设定需求,引导AI模型生成符合预期的内容。 提示词生成器 (Prompt Creator) 提示词生成器是一种能够优化或生成Prompt的AI工具,旨在帮助用户生成高质量的提示词(Prompt),从而使AI模型生成内容更加精确。 结论 提示词生成器是一种强大的工具,特别适用于那些不确定如何精确表达需求的用户。通过提示词生成器,用户能够更轻松地创建出适合AI模型的高效Prompt,提升交互的效率和生成结果的质量。 小结 在深入探讨了结构化Prompt、提示词生成器和单样本/少样本提示这三种核心方法后,可以看到它们在优化ChatGPT生成效果中的重要作用。 通过结构化Prompt、提示词生成器和少样本提示等方法,用户将能够更精确地引导AI,为各种复杂场景提供高质量的解决方案。
在这篇博客文章中,我将分享一些关于提示词的关键原则,帮助你在使用语言模型时获得更好的结果。具体来说,我将介绍两个关键原则,帮助你编写有效的提示词。 同时,我也鼓励你在阅读文章的过程中运行代码,亲自体验不同提示词的输入和输出效果。 我将在本文中概述一些基本原则和策略,这些内容对于像ChatGPT这样的语言模型非常有帮助。 现在,我们定义一个叫做getCompletion的方法,以便更容易地使用提示词并查看生成的输出。 getCompletion方法只需要输入一个提示,就会返回该提示的完成结果: package one.more.chatgpt.prompt.engineering; import com.plexpt.chatgpt.ChatGPT 不要将编写清晰的提示词与编写简短的提示词混淆,因为在许多情况下,较长的提示词实际上为GPT提供了更多的清晰度和上下文,这实际上可以导致更详细和相关的输出。
掌握这9个ChatGPT高阶润色提示词,轻松提升论文质量,实现论文质变!从语言表达到逻辑结构,一键优化您的研究成果。 breadth of expertise in the relevant academic field. 5、强化逻辑连贯性 作为逻辑结构编辑,确保文稿的逻辑连贯性,检查段落间的逻辑关系,合理使用连接词,
在探讨开发大型语言模型应用程序时,我们必须认识到 GPT 存在一些局限性。这些限制对于我们保持清醒的头脑至关重要。
在使用 GPT 构建应用程序时,我们通常不会直接使用第一次写的提示词,而是通过不断迭代来改进它们,以找到最适合我们想要实现的任务的提示词。 虽然第一次写的提示词可能会有一定的可用性,但最重要的是找到适合你的应用程序的提示词的过程,而不是第一个提示是否有效。因此,我们需要不断地尝试和改进,才能找到最佳的提示词。 这样,我们就可以不断完善想法和提示,多次循环,直到得到适合你的应用程序的提示。 我个人并没有太关注那些声称有30个完美提示词的文章,因为我认为并不存在适用于所有情况的完美提示词。 我们刚刚看到的是许多开发人员将经历的迭代提示词开发的简短示例。 总结 在尝试使用提示词时,有时候我们会发现提示词并不能完全满足我们的需求。 然而,成为一名成功的提示词工程师并不在于知道完美的提示词,而在于拥有一个好的开发过程,以开发出对我们的应用程序有效的提示词。 在本文中,我们仅提供了一个例子来说明如何开发提示词。
以 ChatGPT 为例,它提供了一个简洁的网页界面,让用户能够轻松地对文章进行摘要。这种方式极大地提高了阅读效率,使我们能够在有限的时间内获取更多的信息。 假设你的时间有限,无法阅读整篇文章,我们可以编写关键词提示,让 GPT 为我们生成一份简洁的摘要,字数不超过 50 个。这样一来,您便能快速了解文章的主要内容,提高阅读效率。 为了实现这一目标,我们也可以修改提示词,这样他们就可以生成一个更适用于你业务中的一个特定目标的总结。 我们可以再修改一下提示词,这样他们就可以生成一个更适用于你业务中的一个特定目标的总结。
我投入了大量时间研究并测试各种提示词以寻求最佳效果。在这篇文章中,我将所有这些经验总结为了 10 个级别的提示词设计技巧。我们会从基础开始,一直深入到最近在新加坡提示词设计比赛中夺冠的专家技术。 比如,仅仅在提示词中添加一些破折号,就可以大大帮助 ChatGPT 理解你的提示词各部分的含义。现在看起来可能没什么大不了的,但随着我们的提示词变得越来越复杂,这种影响就会越来越大。 要让 ChatGPT 处理复杂问题,另一个办法是让它解释思考过程。我几乎在所有的提示词中都使用了这个方法,效果非常好。 我发现,告诉 ChatGPT 全面考虑问题,也能得到更好的结果。 第 9 级 - 让大语言模型自己写提示词 第九级,让大语言模型自己写提示词。 因为实际上,大语言模型在给自己出提示时,比人类做得更好。所以,我们只需要让 ChatGPT 制定一个提示词就能得到我们想要的答案。这里有一个它生成的非常详细的提示词用来解答一个给出的谜题。
识别情感 我们以识别情感为列,写一个提示词来分析这段文本表达的情感。 在前面例子中,我们探讨了如何编写提示词来识别文本中的情感,判断是否存在愤怒情绪,从文本中提取时间、地点和人物关键信息。 如果想要提取所有这些信息的一种方法是使用三个或四个独立的提示词,然后分别调用getCompletion方法三次或四次,以便逐一提取这些不同类型的信息。 然而,在实际应用中,我们可以通过精心设计一个综合性的提示词,从而实现一次性提取所有相关信息的目的。 你可以尝试修改这个提示词,以使其输出JSON而不是像这样的列表,然后拥有更健壮的方法来确定特定文章是否是关于父爱的文本。