- 综合排序
- 最热优先
- 最新优先
- 来自专栏微言码道
高效的ChatGPT Prompt (三) 持续优化Prompt
当然, 参考下这些好的Prompt是非常有价值的. 但写出好的Prompt的一个关键的方式不在于去抄那些好的Prompts, 而是自己持续去改进微调你的Prompts. 根据你的期望,提出一个Prompt, 向ChatGPT提问 获得ChatGPT的响应,比对结果与你的期望的差距, 调整Prompt,弥补ChatGPT忽略的地方 再次获得ChatGPT的响应,检查是否满足你的需求 这才是好的Prompt的生成的最佳方式. 不存在一个放之四海皆标准的好Prompt, 你需要持续的与ChatGPT互动,去微调你的Prompt,才有可能让它更满足你的需求. 这篇文章是我从我过往的文章中随便选出来的 -- JMeter与LoadRunner的简要对比 第一版Prompt 我希望ChatGPT帮助我总结这篇文章说了什么, 所以我的第一版的Prompt是这样的 所以意识到这一点后,我改进了我的Prompt 第二版Prompt 我提供了一段文章,以---开始并结束. --- .... 文章内容过长,忽略.
1K10编辑于 2023-08-31 - 来自专栏GLM 技术文章
BPO：灵活的 Prompt 对齐优化技术
于是有了 「Prompt工程师」这一岗位，专门撰写适配 LLM 的 Prompt，从而让模型能够更好地生成内容。而另一种更为有效的方案则是，让模型向人对齐。 因此，我们提出另外的一种方案，即黑盒提示对齐优化技术（Black-box Prompt Optimization），通过优化用户指令，从输入角度对模型进行对齐。 三、研究者说问：BPO 和反馈学习方法（PPO、DPO）以及 Prompt Engineering方法（如OPRO）的区别是什么？ 与 OPRO 对比，BPO 最大的特点在于更加通用，OPRO 等现有的 Prompt Engineering 技术大多需要针对特定的数据进行搜索，并且会搜索得到一个针对特定任务的提示。 而 BPO 在训练得到提示优化器后，可以优化各种用户指令。问：BPO能否针对一条指令进行迭代优化？
66810编辑于 2023-12-22 6万字Prompt的使用难题
#prompt背景是，我有一个6万字的超长Prompt，很明显这个超出了几乎所有大模型的限制。那么怎么解决呢？另外的问题是，每次调用这个Prompt的Token消耗，也是很刺激的。 把6万字的Prompt放进“知识库”（通常指RAG，检索增强生成），LLM对它的**使用方式**和**使用原生Prompt（上下文窗口）是完全不同的**。 对方提出的优化方案，正是为了解决你之前遇到的“6万字Prompt”困境，是解决大模型“上下文臃肿”问题的标准工程化实践。简单来说，对方的建议是合理的，并且能显著提升你的使用体验。 对方的核心观点是：**不应该把1600多行（约6万字）的Prompt全部塞进一个skill.md文件里。 ##3.问题一个疑问是，我这个6万字的prompt是用来做公司研究的。
2800编辑于 2026-04-16- 来自专栏自然语言处理(NLP)论文速递
Auto-Prompt | 大模型提示(Prompt)优化新方法IPC：可根据用户意图进行定向优化
为了能够让LLMs发挥出最佳性能，自动提示（Auto-Prompt）工程至关重要。 今天给大家分享的这篇文章，提出了一种名为Intent-based Prompt Calibration (IPC) 的系统，旨在通过使用合成案例样本来优化大型语言模型（LLMs）的提示（prompt）工程 「该方法核心思想是根据用户意图迭代地细化提示」， 在优化过程中，系统生成相关案例样本数据集，并根据生成的数据集优化提示。 为了解决大模型的提示敏感性问题，有人提出使用软提示（soft-prompt）的方法，但此类方法需要对LLM本身做相应的改变才可进行优化。然而最近的研究表明，可以通过大模型本身来优化提示。 优化过程中，首先通过提供一个元提示（meta-prompt）来迭代执行，这个元提示结合最近几次的提示分数，最后引导模型选出分数更高的提示。
1.6K10编辑于 2024-03-02 - 来自专栏小七的各种胡思乱想
解密Prompt系列36. Prompt结构化编写和最优化算法UNIPROMPT
上一章我们聊了标准化的Prompt生成方案DSPy，但DSPy还是更多依赖few-shot的Prompt编写范式，在纯任务描述型指令上的优化效果有限。这一章我们就重点关注描述性指令优化。 我们先简单介绍下结构化Prompt编写，再聊聊从结构化多角度进行Prompt最优化迭代的算法方案UniPrompt1. 以上的结构化Prompt编写其实就是把prompt拆分成了多个角度,例如profile，rules，workflow等等进行分别优化。 相比上一章DSPy里面提到的大模型反思直接优化，以及随机搜索的方案要更加有系统针对性~Prompt Optimization？论文前面很有意思，作者先尝试论证定向Prompt最优化这个事它靠不靠谱。 这里两阶段的设计和梯度累计的思路相似，其实还是想要降低个别样本，甚至个别mini-batch在prompt迭代时陷入个性而非共性优化的问题(其实你只要试试用大模型去做过prompt优化就会发现模型非常容易被带偏
1.3K22编辑于 2024-08-14 - 来自专栏CSDNToQQCode
【千帆大模型4】——Prompt优化——游戏对话语句优化
优化目标： 用于一个学习对话类的游戏。可以让大学生，特别是男孩子学会如何与女孩子对话。 此对话应用于对话小游戏： 【寻找游戏大模王】利用千帆大模型4制作小游戏 优化操作指引 优化指引在新手引导里面，右上角，直接点就行，描述的很直接，有动作指引。 6、仅生成以上5条信息，每条信息长度不超过50个字。 7、对话中不能有不文明用语。 生成结果： 信息1：渣女的问句： “你为什么会对我这么好，是不是真的爱我呢？” 优化效果还是不错的，这里有一些参数我们来看着调整。 这样又生成了个模板： 总结 这只是一个简单的游戏对话的优化，虽然可以在结果中看到想要解析出来我们需要的接口还是比较麻烦的，如果要能根据结果再做反推就好了，期待这个功能。
44310编辑于 2023-11-22 分享6个平时我最常用的Prompt心法。
我其实自己很少会用一些特定格式的Prompt，我经常对朋友讲的就是，你能把问题表达清楚、把上下文和背景信息表达清楚，你的Prompt的就成功了一大半。 但是其实在过程中发现，这个事也没有那么简单。 所以，也想给大家，分享一下我平时用的比较多的6个心法技巧，希望对大家有所帮助。 话不多说。 我们，开始~ 一. 让AI选定角色后再回答 我们都知道，给AI设定具体的角色，是有用的。 Reddit上有一个大佬@imthemissy写的一个Prompt的思路我自己之前用过之后其实非常的棒，这里我自己优化了一下变成了模板，也分享给大家： 【你的问题/需求】 请你在回答前，先问我问题。 AI就能出一个非常详细的Prompt。 当然，不是让大家去用这个Prompt复刻我，因为能复刻个型但是复刻不出来魂，这个做法，其实还是帮我们去学习用的。 我们就可以用这个Prompt，让AI进行解释一下。 解释的在我看来，还是相当到位的。 写在最后 以上，就是这一次，我分享的我用AI的6个Prompt心法啦。
47210编辑于 2026-01-13- 来自专栏mathor
枚举+优化（6）——双指针优化2
ans ans = s } } } print ans 这个算法的时间复杂度是O(NML)，NML是三个数组的长度，最大值都是10万，显然会超时 优化 ); } cout << ans; return 0; } 例4.题目链接：hihoCoder1607 思路 一般的暴力枚举这题肯定是过不了的，数据量太大，那我们就要想办法优化
62750发布于 2018-06-19 AI提示词（Prompt）设计优化方案 _ 高效使用AI工具
AI 提示词（Prompt）设计优化方案 | 高效使用 AI 工具嘿，各位技术探索家们！在这个 AI 横行的时代，你是不是常常感觉自己和 AI 之间隔着一层 “神秘面纱”？ 迭代优化机制建立设计提示词不是一蹴而就的，需要不断打磨、优化 。建立提示词优化闭环，包含测试、评估、改进三个阶段。 如果查询到航班取消，AI 客服接着说：“非常抱歉，您的航班已取消，系统已自动为您触发改签建议流程，我这边为您推荐几个合适的改签航班……”AI提示词（Prompt）设计优化方案 | 高效使用AI工具六、代码实现 请举例说明提示词的迭代优化过程优化案例：初始提示："写一篇关于新能源汽车的文章"1st优化："写一篇2000字的行业分析文章，重点对比比亚迪和特斯拉的技术路线"2nd优化："补充2024年最新电池技术参数 自动化优化系统# 提示词自动优化算法框架def auto_optimize(prompt): while True: response = call_llm(prompt)
3.5K10编辑于 2025-03-29- 来自专栏后端精进之路
JVM性能优化系列-(6) 晚期编译优化
6. 晚期编译优化 晚期编译优化主要是在运行时做的一些优化手段。 “逃生门”，让编译器根据概率选择一些大多数时候都能提升运行速度的优化手段，当激进优化的假设不成立时，可以通过逆优化退回到解释状态继续执行。 从而抵消了额外的编译时间开销. 6.4 编译优化技术 在即时编译器中采用的优化技术有很多，本节主要针对以下四种优化技术： 语言无关的经典优化技术之一：公共子表达式消除 语言相关的经典优化技术之一：数组范围检查消除 最重要的优化技术之一：方法内联 最前沿的优化技术之一：逃逸分析 公共子表达式消除 公共子表达式消除是一个普遍应用与各种编译器的经典优化技术，它的含义是： 如果一个表达式E已经计算过了，并且从先前的计算到现在 ，它与类型继承关系分析一样，并不是直接优化代码的手段，而是为其他优化手段提供依据的分析技术。
49410编辑于 2023-10-19 - 来自专栏iSharkFly
Confluence 6 性能优化 原
新的版本通常有更好的性能优化。 因没有足够内存避免 swapping 总是关注你服务器的交换（swapping）活动。 我们推荐你使用你熟悉的数据库，因为你能够更好的对数据库进行维护，这个可能相对你不熟悉的数据库来说，能更好的让你对数据库的性能进行优化。 数据库状态和查询分析 现代的数据库会基于你对数据库运行的查询历史来对查询进行优化。使用 SQL EXPLAIN 语句将会告诉你数据库查询的优化情况。 如果数据库查询命中率明显的不同，那么你需要考虑对数据库运行状态收集和优化。针对你数据库的版本不同，优化的版本和方向也会不同。 https://www.cwiki.us/display/CONF6ZH/Performance+Tuning
1.4K40发布于 2019-01-30 - 来自专栏每天晒白牙
IPv6定位优化
背景 随着 IPv6的推进，我们发现线上需要使用 IPv6 定位的流量已经达到了 8000 QPS。 此前我们并未对 IPv6 定位做任何缓存或者其它优化，这部分流量会直接请求定位服务，随着流量进一步提升可能触发调用量报警以及流控。 另外由于此前已经对 IPv4 进行了缓存，如果 IPv6 不做相应的优化，因为多了一次 RPC 请求，服务的响应时间会随着 IPv6 流量占比提升而变长。 inet6Address, Integer mask, Integer localId) { if (inet6Address == null || localId == null || localId 通过上述代码使用定位数据的每一行调用 put 方法即可完成前缀树的构建，下边看下构建好的前缀树如何进行查找： public Integer get(Inet6Address inet6Address)
94320发布于 2021-04-12 - 来自专栏NLP/KG
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering 1.ChatGPT Prompt Engineering 主题： 与 ChatGPT 3.Prompt 应用 在这个指南中，将介绍一些高级和有趣的方式，通过 prompt engineering 来执行有用的更高级别的任务。 请注意，本节正在积极开发中。 # If the first day of 2019 is a Tuesday, and today is the first Monday of 2019, then today is 6 days later. today = datetime(2019, 1, 1) + relativedelta(days=6) # The answer formatted with %m/%d/%Y is today.strftime 06/01/1943, but was delayed by one day to today, then today is one day later. today = datetime(1943, 6,
2K30编辑于 2023-05-15 - 来自专栏数据社
Prompt Engineering
Restaurants in Toronto 6. Shopping in Toronto 7. Travel tips for Toronto 8.
38120编辑于 2023-10-22 - 来自专栏AI
Prompt工程
评估程序（或“评估”）对于优化系统设计很有用。
66310编辑于 2024-05-09 - 来自专栏数据社
Prompt Engineering
Restaurants in Toronto 6. Shopping in Toronto 7. Travel tips for Toronto 8.
41610编辑于 2023-10-22 - 来自专栏圆圆的算法笔记
NLP Prompt系列——Prompt Engineering方法详细梳理
这篇文章详细汇总了近2年10篇论文中3种Prompt Engineering方法，主要包括人工构造prompt、自动生成prompt、隐空间prompt3种类型，看看顶会论文中都是如何构造prompt模板并以此提升 1 人工构造prompt 最基础的方法就是基于人工知识来定义prompt模板。Prompt模板可以分为prefix prompt和cloze prompt两类。 prompt模板的效果选择最优的prompt模板，或对多个prompt模板结果进行融合。 3 隐空间中的prompt 上面介绍prompt模板都是具体文本的prompt，另一种类型的prompt是在隐空间的prompt。 GPT Understands, Too（2021）采用的思路是将人工定义的prompt的token对应的embedding从预训练模型输出的改为一个可学习的hidden向量，让模型去优化。
4.7K31编辑于 2022-09-22 - 来自专栏iSharkFly
Confluence 6 缓存性能优化 原
https://www.cwiki.us/display/CONF6ZH/Cache+Performance+Tuning
66530发布于 2019-01-30 - 来自专栏测试开发干货
【简历优化平台开发教程-6】
简历优化平台被搁置有半年之久，这期间，我尽力在帮大家优化简历，也在观察招聘市场的最新技术和要求等等。现在已经有了一些成果，所以这就继续更新简历优化平台。 【简历优化平台-0】设计和实现初稿方案 【简历优化平台-1】初始页面摞代码，简历从此自问答 【简历优化平台-2】四个部分初显现，上传按钮打头前 【简历优化平台-3】随机唯一标识，贯穿时间长河 【简历优化平台 -4】js魔改文件上传，django轻松接收 【简历优化平台-5】夜半撞见男女哭，form表单初运用 之前的五章开头小说部分就先不讲了，毕竟大家也懒得看，我也没精力编了... 红圈内是选择优化意向，接口路径为jiexi_resume。点击获得建议按钮后会触发提交表单，表单中带着优化建议。 完全体的话，会除了优化建议外，还有很多意向设置。 再来看看我们的后端部分： 可以看到，目前这个简历优化模块，只有这俩个函数，一个是进入页面，一个是上传简历，上传简历的时候唯一标识码会加到简历的名称之中，以防错乱。
25020编辑于 2023-08-14 - 来自专栏深度学习与python
6 种 WebAssembly 的优化手段
但对文件大小的优化并不是到此为止了，我们还有其他手段可以进一步优化二进制的大小。 利用编译选项的优化 部分编译器提供了内置的编译选项，以优化其所生成的二进制。 借助 wasm-opt 优化文件大小 并不是所有编译器都提供优化的选项，即使是提供优化选项的编译器可能也不会有十分明显的优化效果。 Wasm 的优化工具可以分析 Wasm 二进制文件稳健性的同时，进一步优化文件大小，甚至还可优化 Wasm 可执行文件的性能特征。 这种方式不仅削减了文件大小，同时也优化了运行时性能。在作者的电脑上，优化后的“Hello World”程序执行速度比没经过优化的要快上两倍。 至于 Wizer，我们其实只在 .NET 上用过，Wizer 在这方面的优化非常好用。 总 结 这 6 种优化 Wasm 性能及文件大小各有自己的优缺点，结合使用其中一些方法也可以增加效益。
1.9K10编辑于 2023-04-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号