即刻App年轻人的同好社区
下载
最近学了DeepLearning.AI的 ChatGPT Prompt Engineering for Developers课程，总结思维导图➕实操笔记，保留英文以方便学习。
✅课程目标: 关于instruction-tune LLMs/大语言模型的指令微调(Instruction Tuning) 的基础学习
🌸难度：beginner⭐️
-----------------------------------------------------------------
LLM：Large Language Model (大语言模型）
🙋为啥你的LLM不管用？
就像你初次接触陌生人（如服务员），没有交代背景、自我介绍和表达需求，对方无法知晓你到底想要什么样的服务和内容（咖啡，茶，还是juice？//日常的small talk，还是严谨的学术探讨？）
微调（fine-tune）可以更好地遵循指令
-----------------------------------------------------------------
两大原则
1️⃣prompt 必须清晰➕仔细 （Write clear and specific instructions)
💡啥叫清晰？根据《金字塔原理》，“总分总”的结构是较好的表述。
在和模型对话的时候，最原始的基础，也就是语言的清晰表达。
总结来说，你的信息对方能够懂、不误解，切记不可以自说自话。
-----------------------------------
<<<方法一：使用分隔符号 ```, """, < >作为分隔>>>
text = f"""
通过提供清晰且尽可能具体的表达，指导模型执行操作。在多数情况下，越长的 prompts 会带来更好的结果。
"""
prompt = f"""
在三个反引号中总结上述内容，用一句话总结。
```{text}```
"""
response = get_completion(prompt)
print(response)
💡具体见图1
-----------------------------------
<<<方法二：结构化输出，形成JSON，HTML格式>>>
prompt = f"""
生成三个虚构的书名\以JSON格式输出：包含ID、标题、作者和种类
"""
response = get_completion(prompt)
print(response)
💡具体见图2
-----------------------------------
<<<方法三：让模型检查条件是否满足>>>
text = f"""
成为懒羊羊很简单！/ 主要有三个步骤，首先你要是一只可爱的小羊，其次你必须得非常非常懒，每天都不想起床并且/要和喜羊羊沸羊羊和美羊羊做好朋友/然后是发型必须得是螺旋式的像一坨便便/最后你不能被灰太狼抓去，不然就会成为烤全羊。
"""
prompt = f"""
如果上述由"""内的文章包含具体步骤，请以以下形式改写，
步骤1 -
步骤2 -
……
步骤N -
如果text没有提供任何步骤，则回复：\"无步骤"\
\"\"\"{text}\"\"\"
"""
response = get_completion(prompt)
print("Completion for text ")
print(response)
💡具体见图3
-----------------------------------
<<<方法四：依葫芦画瓢式prompts>>>
大致意思是，A问：“什么是小猫？” B答：“喵喵喵”。
提问：“什么是小狗？”
模型输出如下：“汪汪汪”
2️⃣给时间“思考”（Give the model time to “think”）
💡就像你刚买了苹果手机，在网上搜索教学文章《一文带你玩转Iphone》，结合分段的文字和图解，一步步掌握ios系统的用法，so easy。
相反，在职场上，如果遇到表述不清楚的leader，不给新手期，一上来就让你做某事，也不给公司之前的案例和材料，最后还说结果不满意，你也一脸懵。
那么，你作为模型的“leader”，也需要一步一步带着它了解你的工作。
-----------------------------------
<<<方法一：一步步教模型怎么做>>>
<<<方法二：指示模型在得出结论之前，先尝试找出自己的解决方案>>>
你的任务是看看学生的答案是否正确，按照以下步骤完成指令：
- 第一步，你先解题，并找出最后答案
- 第二步，将你的答案与学生的答案进行比较，然后评估学生的答案是否正确
你还没有解出问题的答案前，不要判定学生的答案正确与否
"""
使用如下格式:
问题:
```
学生答案:
```
真正答案:
```
解题步骤：
```
学生的答案和实际答案一样吗
```
学生分数:
```
"""
问题:
小明有 10 个苹果，他给了小红 3 个，又给了小强 2 个。现在小明还剩下多少个苹果？
学生答案:
8
-----------------------------------------------------------------
优化输出的结果
💡Chatgpt输出文案，总是一股“AI味”，想要避免需要优化结果
常见错误：输出太长、内容重点错误、没逻辑不好读
#prompts：
最多500个字，把重点放在xxxxx，并用比较表格的格式方便阅读
-----------------------------------------------------------------
其他优化输出的方式
用提取（extracts）代替总结（summarize）
给模型以情绪提示（喜悦/赞美/负面/制造情感冲突）
#prompts：
文案情绪 = "焦虑"
文案情绪 = "激发消费者想要购买"
-----------------------------------------------------------------
总结
两个原则： 清晰➕仔细 （Write clear and specific instructions)
给时间“思考”（Give the model time to “think”）
重点：优化/迭代 prompt
💡💡思维导图
课程链接：learn.deeplearning.ai
参考教学：13 分鐘精通 ChatGPT Prompt-工程师给旅
✅课程目标: 关于instruction-tune LLMs/大语言模型的指令微调(Instruction Tuning) 的基础学习
🌸难度：beginner⭐️
-----------------------------------------------------------------
LLM：Large Language Model (大语言模型）
🙋为啥你的LLM不管用？
就像你初次接触陌生人（如服务员），没有交代背景、自我介绍和表达需求，对方无法知晓你到底想要什么样的服务和内容（咖啡，茶，还是juice？//日常的small talk，还是严谨的学术探讨？）
微调（fine-tune）可以更好地遵循指令
-----------------------------------------------------------------
两大原则
1️⃣prompt 必须清晰➕仔细 （Write clear and specific instructions)
💡啥叫清晰？根据《金字塔原理》，“总分总”的结构是较好的表述。
在和模型对话的时候，最原始的基础，也就是语言的清晰表达。
总结来说，你的信息对方能够懂、不误解，切记不可以自说自话。
-----------------------------------
<<<方法一：使用分隔符号 ```, """, < >作为分隔>>>
text = f"""
通过提供清晰且尽可能具体的表达，指导模型执行操作。在多数情况下，越长的 prompts 会带来更好的结果。
"""
prompt = f"""
在三个反引号中总结上述内容，用一句话总结。
```{text}```
"""
response = get_completion(prompt)
print(response)
💡具体见图1
-----------------------------------
<<<方法二：结构化输出，形成JSON，HTML格式>>>
prompt = f"""
生成三个虚构的书名\以JSON格式输出：包含ID、标题、作者和种类
"""
response = get_completion(prompt)
print(response)
💡具体见图2
-----------------------------------
<<<方法三：让模型检查条件是否满足>>>
text = f"""
成为懒羊羊很简单！/ 主要有三个步骤，首先你要是一只可爱的小羊，其次你必须得非常非常懒，每天都不想起床并且/要和喜羊羊沸羊羊和美羊羊做好朋友/然后是发型必须得是螺旋式的像一坨便便/最后你不能被灰太狼抓去，不然就会成为烤全羊。
"""
prompt = f"""
如果上述由"""内的文章包含具体步骤，请以以下形式改写，
步骤1 -
步骤2 -
……
步骤N -
如果text没有提供任何步骤，则回复：\"无步骤"\
\"\"\"{text}\"\"\"
"""
response = get_completion(prompt)
print("Completion for text ")
print(response)
💡具体见图3
-----------------------------------
<<<方法四：依葫芦画瓢式prompts>>>
大致意思是，A问：“什么是小猫？” B答：“喵喵喵”。
提问：“什么是小狗？”
模型输出如下：“汪汪汪”
2️⃣给时间“思考”（Give the model time to “think”）
💡就像你刚买了苹果手机，在网上搜索教学文章《一文带你玩转Iphone》，结合分段的文字和图解，一步步掌握ios系统的用法，so easy。
相反，在职场上，如果遇到表述不清楚的leader，不给新手期，一上来就让你做某事，也不给公司之前的案例和材料，最后还说结果不满意，你也一脸懵。
那么，你作为模型的“leader”，也需要一步一步带着它了解你的工作。
-----------------------------------
<<<方法一：一步步教模型怎么做>>>
<<<方法二：指示模型在得出结论之前，先尝试找出自己的解决方案>>>
你的任务是看看学生的答案是否正确，按照以下步骤完成指令：
- 第一步，你先解题，并找出最后答案
- 第二步，将你的答案与学生的答案进行比较，然后评估学生的答案是否正确
你还没有解出问题的答案前，不要判定学生的答案正确与否
"""
使用如下格式:
问题:
```
学生答案:
```
真正答案:
```
解题步骤：
```
学生的答案和实际答案一样吗
```
学生分数:
```
"""
问题:
小明有 10 个苹果，他给了小红 3 个，又给了小强 2 个。现在小明还剩下多少个苹果？
学生答案:
8
-----------------------------------------------------------------
优化输出的结果
💡Chatgpt输出文案，总是一股“AI味”，想要避免需要优化结果
常见错误：输出太长、内容重点错误、没逻辑不好读
#prompts：
最多500个字，把重点放在xxxxx，并用比较表格的格式方便阅读
-----------------------------------------------------------------
其他优化输出的方式
用提取（extracts）代替总结（summarize）
给模型以情绪提示（喜悦/赞美/负面/制造情感冲突）
#prompts：
文案情绪 = "焦虑"
文案情绪 = "激发消费者想要购买"
-----------------------------------------------------------------
总结
两个原则： 清晰➕仔细 （Write clear and specific instructions)
给时间“思考”（Give the model time to “think”）
重点：优化/迭代 prompt
💡💡思维导图
课程链接：learn.deeplearning.ai
参考教学：13 分鐘精通 ChatGPT Prompt-工程师给旅
2 00
0 00
