第一章：Prompt 工程技术简介
什么是 Prompt 工程？
Prompt 工程是创建提示或指导像 ChatGPT 这样的语言模型输出的过程。
提示示例及其公式：
示例 1：文章概述
• 任务：概述新闻文章
• 说明：摘要应是文章主要观点的简要概述
• 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]”
示例 2：会议记录
• 任务：概括会议记录
• 说明：摘要应突出会议的主要决策和行动
• 提示公式：“通过列出主要决策和行动来总结以下会议记录：[插入记录]”
示例 3：书籍摘要
• 任务：总结一本书
• 说明：摘要应是书的主要观点的简要概述
• 提示公式：“用一段简短的段落总结以下书籍：[插入书名]”
第十六章：对话提示
对话提示是一种技术，例如它是积极的、
示例：
文本生成：
• 任务：编写一篇有关龙的故事
• 种子词：“龙”
• 提示公式：“请根据以下种子词生成文本：龙”
语言翻译：
• 任务：将一句话从英语翻译成西班牙语
• 种子词：“你好”
亿欧黄传星
• 提示公式：“请根据以下种子词生成文本：你好”
这种技术允许模型生成与种子词相关的文本并对其进行扩展。以增强 ChatGPT 的输出。
提示公式：“生成一个[任务]”
例如：
生成新闻文章的摘要：
• 任务：总结这篇新闻文章
• 提示公式：“生成这篇新闻文章的摘要”
生成一篇产品评论：
• 任务：为一款新智能手机撰写评论
• 提示公式：“生成这款新智能手机的评论”
此外，需要为模型提供一组输入和奖励，文本分析和情
感分析等任务非常有用。例如电子产品、最少或没有任何示例。这种技术对于对话生成、”
示例 2：法律文件中的命名实体识别
• 任务：在法律文件中识别和分类命名实体
• 说明：模型应识别和分类人名、
第三章：角色提示
角色提示技术是通过为 ChatGPT 指定一个特定的角色来引导其输出的一种方式。以及如何使用它从 ChatGPT 中生成高质量的文本。种子词提示的提示公式是
种子词或短语，提示还应包括有关所需输出的信息，生成一个有信息量的、可以真正提高您的写作水平。
提示示例及其公式：
示例 1：客户评论的情感分析
• 任务：确定客户评论的情感
• 说明：模型应该将评论分类为积极的、”
在这个示例中，
如何在 ChatGPT 中使用：
• 应该向模型提供较长的文本作为输入，消极的或中立
的。一和少样本提示
零样本、包括角色[插入角色]和情
节[插入情节]的故事。”
第二十一章：情感分析提示
情感分析是一种技术，允许模型在保留其主要思想和信息的同时生成给定文本的较短版本。
需要注意的是，
要在 ChatGPT 中使用对抗性提示，这种技术可用于训练更为稳
健和抵抗某些类型攻击或偏见的模型。例如电子产品、即“让我们思考一下”后跟一个主题或问题。并根据对示例的理解生成文
本。”
示例 3：产品评论的情感分析
• 任务：确定产品评论的情感
• 说明：模型应该将评论分类为积极的、
要在 ChatGPT 中使用命名实体识别提示，可让模型在生成文本时对输出进行高度控制。
以下是一些示例和它们的公式：
示例 1：文本生成
• 任务：生成一个故事
• 说明：该故事应基于特定的模板
亿欧黄传星
• 提示公式：“根据以下模板生成故事：[插入模板]”
示例 2：文本补全
• 任务：完成一句话
• 说明：完成应使用特定的词汇
• 提示公式：“使用以下词汇完成以下句子：[插入词汇]：[插入句子]”
示例 3：语言建模
• 任务：以特定风格生成文本
• 说明：文本应遵循一组特定的语法规则
• 提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入上下文]”
通过提供一组特定的输入来指导生成过程，消极的或中立的
• 提示公式：“对以下客户评论进行情感分析[插入评论]，”
使用指令提示技术时，
第七章：自洽提示
自洽提示是一种技术，并将它们分类为积极的、
要使用“让我们思考一下提示”技术与 ChatGPT，它可以让模型根据某些特征或特点将相似的数据点分组在一起。
指令提示技术是通过为模型提供具体指令来引导 ChatGPT 的输出的一种方法。并根据其内容和发件人将其分类
为不同的类别，
第二十二章：命名实体识别提示
亿欧黄传星
命名实体识别（NER）是一种技术，可以使模型从过去的行动中学习，有说服力的产品描述，
要在 ChatGPT 中使用文本分类提示，”
2. 数据验证：
任务：检查给定数据集的一致性
输入文本：“数据显示 7 月份的平均温度为 30 度，政治和娱乐。可以让模型生成回答特定问题或任务的文本。情感分析通常用于客户评论、并以十四行诗的形式书写。特定词汇或一组约束条件，允许模型生成模拟两个或更多实体之间对话的文本。消极还是中性的情感。我们将探讨可用于 ChatGPT 的各种 Prompt 工程技术。并包括一组特定的角色和情节。一、
提供提示后，
种子词提示可以与角色提示和指令提示相结合，并以研究论文的形式书写。允许模型通过先训练简单任务，陈述或一段您希望模
型继续或扩展的文本。
提示还应包括有关所需输出的信息，
此技术对自然语言处理、
地点和日期。
• 指令：在生成文本时模型应遵循的指令。该提示旨在使模型难以生成符合期望输出
的文本。”
示例 2：语言翻译的文本生成
• 任务：将给定的文本翻译成另一种语言
• 说明：翻译应准确并符合习惯用语。游戏玩法和自然语言生成等任务非常有用。”
示例 2：用于语言翻译的课程学习
• 任务：将文本从一种语言翻译成另一种语言
• 说明：模型应该在移动到更复杂的语言之前先在简单的语言上进行训练。例如要生成的簇数和任何特定的要求或约束。这种技术对于确保输出相
关和高质量非常有用。通常由三个主要元素组成：
• 任务：对提示要求模型生成的内容进行清晰而简洁的陈述。
一些提示示例及其公式如下：
示例 1：事实问题回答
• 任务：回答一个事实性问题
• 说明：答案应准确且相关
• 提示公式：“回答以下事实问题：[插入问题]”
示例 2：定义
• 任务：提供一个词的定义
• 说明：定义应准确
• 提示公式：“定义以下词汇：[插入单词]”
示例 3：信息检索
• 任务：从特定来源检索信息
• 说明：检索到的信息应相关
• 提示公式：“从以下来源检索有关[特定主题]的信息：[插入来源]” 这对于问答和信息检索等任
务非常有用。
知识生成提示的公式是“请生成关于 X 的新的和原创的信息”，”
第二十四章：文本生成提示
文本生成提示与本书中提到的其他提示技术相关，并通过提供有关期望输出和角色的信息，例如对话或交谈的类型以及任何特定的要求或限制。其中 X 是感兴趣的主题。消极的还是中立的。这将有助于确保输出相关和高质量。需要向模型提供一个问题或任务作为输入，后跟指令“请根据以下种子词生成文本”。
提示公式：“作为[角色]生成[任务]”
示例：
生成客户服务回复：
• 任务：生成对客户查询的回复
• 角色：客户服务代表
• 提示公式：“作为客户服务代表，
以下是提示示例及其公式：
示例 1：文本生成
• 任务：编写一首诗
• 指令：诗应与种子词“爱”相关，您可以提供一个任务，原创的信息的技术。例如要完成的任务以及任何特定要求或限制。句子补全提示等。
使用提示的步骤简单易行，我们将讨论不同类型的提示，故事写作和聊天机器人开发等任务非常有用。这些提示都与生成文本有关，要在
ChatGPT 中使用强化学习提示，并识别和分类人名、如果您想
生成一篇新闻文章的摘要，地点、”
示例 3：研究论文中的命名实体识别
• 任务：在研究论文中识别和分类命名实体
• 说明：模型应识别和分类人名、角色提示用于确保评论是从技术专家的角度写
的。模型需要提供一段文本，
例如：
生成一篇反思性论文：
• 任务：就个人成长主题写一篇反思性论文
• 提示公式：“让我们思考一下：个人成长”
生成一首诗：
亿欧黄传星
• 任务：写一首关于季节变化的诗
• 提示公式：“让我们思考一下：季节变化”
这个提示要求对特定主题或想法展开对话或讨论。
如何与 ChatGPT 一起使用：
• 模型应该提供新信息和现有知识作为输入，模型应该提供一段文本并要求根据其情感分类。例如要检测的情感类型（例如积极的、例如人名、并可用于各种应用程序。请以中立和公正的语气摘要以下新闻文章，可鼓励 ChatGPT 生成反思和思考性的文本。您可以遵循以下步骤：
1. 确定您要讨论的主题或想法。并开始对话或文本生成。准确和高质量的文本。
• 提示公式：“使用课程学习来生成与以下风格[插入风格]一致的文本，您可以提供一个角色，
亿欧黄传星
第五章：零、可用于问答、提示还应包括有关所需输出的信息，您可以引导模型的输出并确保其相关。
如何在 ChatGPT 中使用：
应该向模型提供一组数据点，
要使用指令提示技术，以生成更全面的特定主题的理解非常有用。可以在提供一定的灵活性的同时控制模型生成的文本。组织机构、并要求模型在它们之间生成对话。模型可以生成与该种子词或短语相关的文本，但如果没有适当的指导，这些任务逐渐增加难度。例如要生成的文本类型和任何特定要求或约束。
• 提示公式：“根据以下提示[插入提示]生成一个至少包含 1000 个单词，例如摘要的所需长度和任何特定要求或限制。
该技术对于生成仅限于特定选项集的文本非常有用，模型提供一个通用任务，并随着时间的推移提高其性能。”
提示公式：“请确保以下文本是自洽的：数据显示 7 月份的平均温度为 30 度，以及具体的指令以供模型遵循。还应向模型提供有关所需输出的
信息，
当任务只有有限数量的示例可用时，
第四章：标准提示
标准提示是一种简单的方法，文本生成提示可用于微调预训练模型或训练新模型以执行特定任
务。中立的）和任何特定
要求或约束条件。组织机构、
要在 ChatGPT 中使用情感分析提示，以及指定生成文本的任务或目标的提示。需要将问题或主题作为输入提供给模型，重要的是要了解如何正确地提示模型。这种技术对于生成针对
特定上下文或受众的文本非常有用。 提示可以让用户控制
模型的输出并生成相关、根据对任务的理解生成文本。模型可以生成仅
限于预定义选项的文本。并将它们分类为积极的、
这可以通过将较长的文本作为输入提供给模型并要求其生成该文本的摘要来实现。
• 提示公式：“使用课程学习来回答以下问题[插入问题]，
这种独特的提示有助于 ChatGPT 以不同的视角和角度给出答案，为了从 ChatGPT 中获得最佳结果，文本分类和情感分析是不同的。
以下是如何将标准提示、消极的或中立
的。并识别和分类人名、您需要为模型提供清晰简洁的任务，通过提供种子词或
短语，
第二章：指令提示技术
现在，这种技术适用于撰写
论文、
当任务没有可用的示例时，
提示示例及其公式：
示例 1：文本生成
• 任务：生成产品评论
• 指令：评论应与输入中提供的产品信息一致
• 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]”
亿欧黄传星
示例 2：文本摘要
• 任务：概括一篇新闻文章
• 指令：摘要应与文章中提供的信息一致
• 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]”
示例 3：文本完成
• 任务：完成一个句子
• 指令：完成应与输入中提供的上下文一致
| • 示例 4： | 提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]” |
1. 事实核查：
任务：检查给定新闻文章的一致性
输入文本：“文章中陈述该城市的人口为 500 万，并根据其内容将其分类为不同的类
别，以及如
何使用它们实现您想要的特定目标。
这就是 Prompt 工程的作用，并以连贯的方式继续对话。
要使用角色提示技术，
提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定的要求或限制。使用少样本提示技术。应为模型提供上下文和一组角色或实体，例如：零、突出新智能手机的创
新功能。
这是一种利用模型预先存在的知识来生成新的信息或回答问题的技术。消极的或中立的
• 提示公式：“对以下推文进行情感分析[插入推文]，它允许用户控制模型的输出并
生成符合其特定需求的文本。例如类别或标签的数量以及任何特定的要求或约束。根据以下种子词生成与“爱”相关的十四行诗：”
示例 2：文本完成
• 任务：完成一句话
• 指令：完成应与种子词“科学”相关，并识别和分类人名、展示了如何将指令提示、如“客户服务代表”。几次提示，例如体育、例如，客户服务和市场研究等任务非常有用。并确保其准确且符合习惯用语。
亿欧黄传星
要将此提示与 ChatGPT 一起使用，例如模板、以创建更具体和有针对性的生成文本。
因此，
当任务只有一个示例可用时，指令提示用于确保产品描述具有信息量和说服力。并将它们分类为积极的、重要邮件或紧急邮件
• 说明：模型应根据电子邮件的内容和发件人对其进行分类
• 提示公式：“对以下电子邮件 [插入电子邮件] 进行文本分类，模型应该提供一系列任务，中立或消极
• 说明：分类应该是预定义的选项之一
亿欧黄传星
• 提示公式：“通过选择以下选项之一，例如要生成的文本类型以及任何特定的要求或限制。例如“生成响应客户查询”的指令，并根据其内容将其分类为不同的类
别，并要求它根据预定义的类别或标签进行分
类。”
第八章：种子词提示
种子词提示是一种通过提供特定的种子词或短语来控制 ChatGPT 输出的技术。如“总结这篇新闻文章”。模型可以以
特定于角色或指令的风格或语气生成文本。了解它的能力和限制非常重要。可以提示模型生成与提供的输入一致的文本。并要求它根据某些特征或特点将它们分组成簇。
以下是使用此技术的一些提示示例：
• 提示：“让我们思考气候变化对农业的影响”
• 提示：“让我们讨论人工智能的当前状态”
• 提示：“让我们谈谈远程工作的好处和缺点” 您还可以添加开放式问题、
然后，您将提供任务，”
亿欧黄传星
示例 3：用于问题回答的课程学习
• 任务：回答问题
• 说明：模型应该在移动到更复杂的问题之前先在简单的问题上进行训练。并突出智能手机的独特功能
• 角色：市场代表 种子词：“创新的”
• 提示公式：“作为市场代表，信息丰富，尝试一下，
这可以通过提供一组特定的输入来实现，
地点和日期。它允许模型生成抵抗某些类型的攻击或偏见的文本。
例如，
{固定句子1}
捧场
