第一章：Prompt 工程技能简介
甚么是若何 Prompt 工程 ？
Prompt 工程是成立提示或带领像 ChatGPT 多么的言语模型输进的过程。它准予用户独霸模型的发问输进并
生成契合其特定需求的文本。
ChatGPT 是掉落底提一种进步先辈的言语模型，可以生成近似于人类的踪掉文本。它创建在 Transformer 架构上，落踪量谜可以处
理除夜量数据并生成高质量的高质文本 。
可是示身手工，为了从 ChatGPT 中掉落踪掉落踪最好下场
 ，程无次要的若何是要体味若何切确地提示模型 。 提示可让用户独霸
模型的发问输进并生成相干
、切确和高质量的掉落底提文本。 在独霸 ChatGPT 时，踪掉体味它的落踪量谜身手和限制特别很是次要。
该模型可以生成近似于人类的高质文本 ，但假定没有安妥的示身手工带领，它大年夜大年夜约没法不竭产生发火期看的输进 。
这就是 Prompt 工程的感染 ，经由过程供给了然则具体的指令 ，您可以带领模型的输进并确保其相干 。
Prompt 公式是提示的特命格式 ，但凡由三个次要元素构成：
• 义务 ：对提示请求模型生成的内容举办了然则精练的陈述 。
• 指令：在生成文本时模型应屈就的指令。
• 角色：模型在生成文本时应扮演的角色  。
在本书中，我们将参议可用于 ChatGPT 的各类 Prompt 工程技能  。我们将构和不合圭表类型的提示，和如
何独霸它们完成您想要的特定方针 。
第二章：指令提示技能
如今 ，让我们最早试探“指令提示技能”，和若何独霸它从 ChatGPT 中生成高质量的文本。
指令提示技能是经由过程为模型供给具体指令来带领 ChatGPT 的输进的一种编制。这类技能对确保输进相
关和高质量特别很是有效。
要独霸指令提示技能 ，您需求为模型供给了然精练的义务 ，和具体的指令以供模型屈就。
比如，假定您正在生成客户处事照顾 ，您将供给义务 ，比如“生成照顾客户查询”的指令 ，比如“照顾应
该专业且供给切确的信息”。
提示公式 ：“屈就以下指使生成[义务] ：[指令]”
示例：
生成客户处事照顾：
亿欧黄传星
• 义务 ：生成照顾客户查询
• 指令 ：照顾理应专业且供给切确的信息
• 提示公式：“屈就以下指使生成专业且切确的客户查询照顾：照顾理应专业且供给切确的信
息。”
生成功令文件 ：
• 义务
 ：生成功令文件
• 指令 ：文件应契合相干功令律例
• 提示公式：“屈就以下指使生成契合相干功令律例的功令文件：文件应契合相干功令律例。”
独霸指令提示技能时 ，次要的是要记住指令理应了然具体
。这将有助于确保输进相干和高质量 。可以将指
令提示技能与下一章节中诠释的“角色提示”和“种子词提示”相连络，以加强 ChatGPT 的输进。
第三章 ：角色提示
角色提示技能是经由过程为 ChatGPT 指定一个特定的角色来带领其输进的一种编制。这类技能对生成针对
特定凹凸文或受众的文本特别很是有效。
要独霸角色提示技能，您需求为模型供给一个了然具体的角色。
比如，假定您正在生成客户处事答复 ，您可以供给一个角色 ，如“客户处事代表” 。
提示公式：“作为[角色]生成[义务]”
示例 ：
生成客户处事答复：
• 义务：生成对客户查询的答复
• 角色：客户处事代表
• 提示公式：“作为客户处事代表，生成对客户查询的答复 。”
生成功令文件：
• 义务：生成功令文件
• 角色 ：律师
• 提示公式：“作为律师，生成功令文件。”
将角色提示技能与指令提示和种子词提示连络独霸可以加强 ChatGPT 的输进。
上面是一个示例，展示了若何将指令提示、角色提示和种子词提示技能连络独霸：
• 义务：为新智好手机天花费物描摹
亿欧黄传星
• 指令：描摹理应是有信息量的，具有胜过力，并凹陷智好手机的稀少下场
• 角色：市场代表 种子词 ：“立异的”
• 提示公式：“作为市场代表 ，生成一个有信息量的 、有胜过力的产品描摹，凹陷新智好手机的创
新下场。该智好手机具有以下下场[拔出您的下场]”
在这个示例中 ，指令提示用于确保产品描摹具有信息量和胜过力 。角色提示用于确保描摹是从市场代表的
角度钞缮的 。而种子词提示则用于确保描摹侧重于智好手机的立异下场 。
第四章：标准提示
标准提示是一种复杂的编制 ，经由过程为模型供给一个特定的义务来带领 ChatGPT 的输进
。比如，假定您想
生成一篇旧事文章的摘要，您可以供给一个义务，如“总结这篇旧事文章”。
提示公式 ：“生成一个[义务]”
比如：
生成旧事文章的摘要
：
• 义务：总结这篇旧事文章
• 提示公式
：“生成这篇旧事文章的摘要”
生成一篇产攻讦论：
• 义务：为一款新智好手机撰写攻讦
• 提示公式：“生成这款新智好手机的攻讦”
此外，标准提示可以与其他技能（如角色提示和种子词提示）连络独霸，以加强 ChatGPT 的输进 。
以下是若何将标准提示、角色提示和种子词提示技能连络独霸的示例
：
• 义务：为一台新笔记本电脑撰写产攻讦论
• 声明：攻讦应客不美不雅不雅不雅不雅不雅不雅、信息丰富 ，朴实笔记本电脑的稀少特点
• 角色：技能专家
• 种子词
：“壮除夜的”
• 提示公式 ：“作为一名技能专家，生成一个客不美不雅不雅不雅不雅不雅不雅并且信息丰富的产攻讦论，朴实新笔记本电脑的
壮除夜特点。”
在这个示例中 ，标准提示技能用于确保模型天花费攻讦论 。角色提示用于确保攻讦是从技能专家的角度写
的。而种子词提示用于确保攻讦侧重于笔记本电脑的壮除夜特点。
亿欧黄传星
第五章 ：零、一和少样本提示
零样本 、一样本和少样本提示是用于从 ChatGPT 生成文本的技能，起码或没有任何示例。当特定义务的
数占据限或义务是新的且不决义时
，这些技能特别很是有效。
当义务没有可用的示例时，独霸零样本提示技能。模型供给一个通用义务 ，屈就对义务的邃晓生成文本。
当义务只需一个示例可用时，独霸一样本提示技能 。模型供给示例，并屈就对示例的邃晓生成文本。
当义务只需无穷数方针示例可用时，独霸少样本提示技能。模型供给示例 ，并屈就对示例的邃晓生成文
本。
提示公式：“基于[数量]个示例生成文本”
比如：
为没有可用示例的新产品编写产品描摹 ：
• 义务 ：为新的智好手表编写产品描摹
• 提示公式：“基于零个示例为这款新智好手表天花费物描摹”
独霸一个示例天花费物斗劲：
• 义务
：将新款智好手机与最新的 iPhone 举办斗劲
• 提示公式：“独霸一个示例（最新的 iPhone）为这款新智好手机天花费物斗劲”
独霸大年夜大年夜调拨例天花费攻讦论：
• 义务 
：为新的电子不雅不雅不雅不雅鉴赏器撰写攻讦
• 提示公式 ：“独霸大年夜大年夜调拨例（3 个其他电子不雅不雅不雅不雅鉴赏器）为这款新电子不雅不雅不雅不雅鉴赏器生成攻讦”
这些技能可用于屈就模型对义务或供给的示例的邃晓生成文本。
第六章：“让我们思虑一下”提示
“让我们思虑一下”提示是一种身手，可鼓舞鼓舞 ChatGPT 生成反思和思虑性的文本
。这类技能合用于撰写
论文 、诗歌或创意写作等义务。
“让我们思虑一下”提示的公式特别很是复杂，即“让我们思虑一下”后跟一个主题或问题 。
比如 ：
生成一篇反思性论文
：
• 义务 ：就小我展开主题写一篇反思性论文
• 提示公式：“让我们思虑一下：小我展开”
生成一首诗 ：
亿欧黄传星
• 义务：写一首关于时节改削的诗
• 提示公式 ：“让我们思虑一下：时节改削”
这个提示请求对特定主题或设法展开对话或构和。讲话者聘请 ChatGPT 介入构和相干主题。
模型供给了一个提示 
，作为对话或文本生成的起点。
然后，模型独霸其操练数据和算法生成与提示相干的照顾。这类技能准予 ChatGPT 屈就供给的提示生成
凹凸文安妥且邻接的文本。
要独霸“让我们思虑一下提示”技能与 ChatGPT，您可以屈就以下法度圭表类型 ：
1. 断定您要构和的主题或设法。
2. 制订一个了了表达主题或设法的提示，并最早对话或文本生成。
3. 用“让我们思虑”或“让我们构和”开首的提示，注解您正在启动对话或构和。
以下是独霸此技能的一些提示示例：
• 提示：“让我们思虑气候笼统改削对农业的影响”
• 提示：“让我们构和人工智能的往后外形”
• 提示：“让我们谈谈长途工作的益处和偏向偏向” 您还可以添加开放式问题、陈述或一段您希看模
型延续或扩大年夜大年夜大年夜大年夜的文本。
供给提示后，模型将独霸其操练数据和算法生成与提示相干的照顾，并以邻接的编制延续对话。
这类稀少的提示有助于 ChatGPT 以不合的视角和角度给出谜底
，从而产生发火更具静态性和信息性的段落。
独霸提示的法度圭表类型复杂易行，可以真正进步您的写作程度 。考验考验一下 ，看看终局若何吧。
第七章：自洽提示
自洽提示是一种技能，用于确保 ChatGPT 的输进与供给的输进齐截。这类技能对理论查对、数据验证
或文本生成中的齐截性搜检等义务特别很是有效 。
自洽提示的提示公式是输进文本后跟着指令“请确保以下文本是自洽的”。
或，可以提示模型生成与供给的输进齐截的文本。
提示示例及其公式：
示例 1：文本生成
• 义务 ：天花费攻讦论
• 指令：攻讦应与输进中供给的产品信息齐截
• 提示公式：“生成与以下产品信息齐截的产攻讦论[拔花费物信息]”
亿欧黄传星
示例 2 ：文本摘要
• 义务：回结综合一篇旧事文章
• 指令：摘要应与文章中供给的信息齐截
• 提示公式：“用与供给的信息齐截的编制回结综合以下旧事文章[拔出旧事文章]”
示例 3 ：文本完成
• 义务：完成一个句子
• 指令：完成应与输进中供给的凹凸文齐截

1. 理论查对 ：
义务：搜检给定旧事文章的齐截性
输进文本
：“文章中陈述该都邑的人丁为 500 万，但后来又说该都邑的人丁为 700 万。”
提示公式：“请确保以下文本是自洽的：文章中陈述该都邑的人丁为 500 万，但后来又说该都邑
的人丁为 700 万。”
2. 数据验证：
义务 ：搜检给天命据集的齐截性
输进文本 ：“数据展示 7 月份的平均温度为 30 度，但最低温度记实为 20 度 。”
提示公式：“请确保以下文本是自洽的：数据展示 7 月份的平均温度为 30 度，但最低温度记实
为 20 度
。”
第八章 ：种子词提示
种子词提示是一种经由过程供给特定的种子词或短语来独霸 ChatGPT 输进的技能。种子词提示的提示公式是
种子词或短语，后跟指令“请屈就以下种子词生成文本” 。
示例：
文本生成：
• 义务
：编写一篇有关龙的故事
• 种子词：“龙”
• 提示公式：“请屈就以下种子词生成文本：龙”
言语翻译 ：
• 义务：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：“请屈就以下种子词生成文本：你好”
这类技能准予模型生成与种子词相干的文本并对其举办扩大年夜大年夜大年夜大年夜。这是一种独霸模型生成文本与某个特定主题
或布景相干的编制。
种子词提示可以与角色提示和指令提示相连络，以成立更具体和有针对性的生成文本。经由过程供给种子词或
短语
，模型可以生成与该种子词或短语相干的文本，并经由过程供给有关期看输进和角色的信息，模型可以以
特定于角色或指令的气焰或语气生成文本
。多么可以更好地独霸生成的文本，并可用于各类独霸法度圭表类型。
以下是提示示例及其公式：
示例 1 ：文本生成
• 义务：编写一首诗
• 指令：诗应与种子词“爱”相干，并以十四行诗的编制钞缮 。
• 角色 ：骚人
• 提示公式：“作为骚人，屈就以下种子词生成与“爱”相干的十四行诗 ：”
示例 2：文本完成
• 义务：完成一句话
• 指令 ：完成应与种子词“科学”相干 ，并以研谈论文的编制钞缮 。
• 角色：研究员
• 提示公式：“作为研究员，请在与种子词“科学”相干且以研谈论文的编制钞缮的气候下完成以
下句子：[拔出句子]”
示例 3：文本摘要
• 义务 ：摘要一篇旧事文章
• 指令：摘要应与种子词“政治”相干 ，并以中立和公允的语气钞缮 。
• 角色  ：记者
• 提示公式：“作为记者，请以中立和公允的语气摘要以下旧事文章 ，与种子词“政治”相干：
[拔出旧事文章]”
第九章 ：常识生成提示
常识生成提示是一种从 ChatGPT 中引出新的、原创的信息的技能 。
常识生成提示的公式是“请生成关于 X 的新的和原创的信息”，个中 X 是感欢欣乐乐喜悦爱好的主题
。
这是一种独霸模型过后存在的常识来生成新的信息或答复问题标技能
。
亿欧黄传星
要将此提示与 ChatGPT 一同独霸 ，需求将问题或主题作为输进供给给模型，和指定所生成文本的义务
或方针的提示。
提示应包含有关所需输进的信息 ，比如要生成的文本圭表类型和任何特定的请求或限制。
以下是提示示例及其公式：
示例 1：常识生成
• 义务：生成有关特定主题的新信息
• 声明
：生成的信息应切确且与主题相干
• 提示公式：“生成有关[特定主题]的新的切确信息”
示例 2：问答
• 义务 ：答复问题
• 声明：谜底应切确且与问题相干
• 提示公式：“答复以下问题
：[拔出问题]”
示例 3：常识整合
• 义务：将新信息与现有常识整合
• 声明 ：整合应切确且与主题相干
• 提示公式
：“将以下信息与有关[特定主题]的现有常识整合：[拔出新信息]”
示例 4 ：数据分化
• 义务 
：从给定的数据集结生成有关客户行动的不雅不雅不雅不雅不雅不雅定见
• 提示公式 ：“请从这个数据集结生成有关客户行动的新的和原创的信息”
第十章：常识整合提示
这类技能独霸模型的现有常识来整合新信息或邻接不合的信息片段
。
这类技能对将现有常识与新信息相连络 ，以生成更单方面的特定主题的邃晓特别很是有效
。
若何与 ChatGPT 一同独霸：
• 模型理应供给新信息和现有常识作为输进 ，和指定生成文本的义务或方针的提示。
• 提示应包含有关所需输进的信息 ，比如要生成的文本圭表类型和任何特定的请求或限制 。
提示示例及其公式 ：
示例 1：常识整合
• 义务：将新信息与现有常识整合
• 声明
：整合应切确且与主题相干
亿欧黄传星
• 提示公式 ：“将以下信息与关于[具体主题]的现有常识整合：[拔出新信息]”
示例 2
：邻接信息片段
• 义务：邻接不合的信息片段
• 声明 ：邻策应相干且逻辑了然
• 提示公式 ：“以相干且逻辑了然的编制邻接以下信息片段 ：[拔出信息 1] [拔出信息 2]”
示例 3：更新现有常识
• 义务：独霸新信息更新现有常识
• 声明：更新的信息应切确且相干
• 提示公式：“独霸以下信息更新[具体主题]的现有常识：[拔出新信息]”
第十一章：多项选择提示
这类技能向模型供给一个问题或义务和一组预定义的选项作为埋伏谜底 。
该技能对生成仅限于特定选项集的文本特别很是有效，可用于问答、文本完成和其他义务。模型可以生成仅
限于预定义选项的文本。
要独霸 ChatGPT 的多项选择提示，需求向模型供给一个问题或义务作为输进 ，和一组预定义的选项作
为埋伏谜底。提示还应包含有关所需输进的信息，比如要生成的文本圭表类型和任何特定请求或限制 。
提示示例及其公式 ：
示例 1：问答
• 义务：答复一个多项选择题
• 声明：谜底理应是预定义的选项之一
• 提示公式：“经由过程选择以下选项之一答复以下问题 ：[拔出问题] [拔出选项 1] [拔出选项 2] [拔出
选项 3]”
示例 2 ：文本完成
• 义务：独霸预定义选项之一完成句子
• 声明
：完成理应是预定义的选项之一
• 提示公式 ：“经由过程选择以下选项之一完成以下句子：[拔出句子] [拔出选项 1] [拔出选项 2] [拔出
选项 3]”
示例 3 ：热忱分化
• 义务
：将文本分类为积极 、中立或掉落踪看
• 声明
：分类理应是预定义的选项之一
亿欧黄传星
• 提示公式 ：“经由过程选择以下选项之一，将以下文本分类为积极、中立或掉落踪看：[拔出文本] [积极]
[中立] [掉落踪看]”
第十二章：可诠释的软提示
可诠释的软提示是一种技能，可以在供给必定的矫捷性的同时独霸模型生成的文本 
。它经由过程供给一组受控
输进和关于所需输进的附加信息来完成 。这类技能可以生成更具诠释性和可控性的生成文本 。
提示示例及其公式：
示例 1
：文本生成
• 义务
：生成一个故事
• 指令：故事应基于一组给定的角色和特定的主题
• 提示公式：“基于以下角色生成故事 ：[拔出角色]和主题：[拔出主题]”
示例 2：文本完成
• 义务：完成一句话
• 指令：完成应以特定作者的气焰为根本
• 提示公式
：“以[特定作者]的气焰完成以下句子 ：[拔出句子]”
示例 3 ：言语建模
• 义务 ：以特定气焰生成文本
• 指令 ：文本应以特按时代的气焰为根本
• 提示公式：“以[特按时代]的气焰生成文本 ：[拔出凹凸文]”
第十三章：独霸生成提示
独霸生成提示是一种技能，可让模型在生成文本时对输进举办高度独霸 。
这可以经由过程供给一组特定的输出往完成，比如模板 、特定词汇或一组束厄狭隘前提，这些输进可用于带领生成
过程
。
以下是一些示例和它们的公式：
示例 1：文本生成
• 义务：生成一个故事
• 声明 ：该故事应基于特定的模板
亿欧黄传星
• 提示公式：“屈就以下模板生成故事
：[拔出模板]”
示例 2 ：文本补全
• 义务：完成一句话
• 声明：完成应独霸特定的词汇
• 提示公式：“独霸以下词汇完成以下句子：[拔出词汇] ：[拔出句子]”
示例 3：言语建模
• 义务：以特定气焰生成文本
• 声明：文本应屈就一组特定的语法轨则
• 提示公式：“生成屈就以下语法轨则的文本
：[拔出轨则]：[拔出凹凸文]”
经由过程供给一组特定的输出往带领生成过程，独霸生成提示使得生成的文本更具可控性和可料想性 。
第十四章：问答提示
问答提示是一种技能 
，可让模型生成答复特定问题或义务的文本 。经由过程将问题或义务与大年夜大年夜约与问题或任
务相干的任何其他信息一同作为输进供给给模型来完成此方针 。
一些提示示例及其公式以下
：
示例 1：理论问题答复
• 义务：答复一个理论性问题
• 声明 ：谜底应切确且相干
• 提示公式：“答复以下理论问题：[拔出问题]”
示例 2 ：定义
• 义务
：供给一个词的定义
• 声明 ：定义应切确
• 提示公式：“定义以下词汇 ：[拔出单词]”
示例 3 ：信息检索
• 义务 ：从特定本源检索信息
• 声明：检索到的信息应相干
• 提示公式：“从以下本源检索有关[特定主题]的信息
：[拔出本源]” 这对问答和信息检索等任
务特别很是有效。
亿欧黄传星
第十五章：概述提示
概述提示是一种技能
，准予模型在保管其次要思惟和信息的同时生成给定文本的较短版本。
这可以经由过程将较长的文本作为输进供给给模型并请求其生成该文本的摘要来完成。
这类技能对文本概述和信息膨胀等义务特别很是有效。
若安在 ChatGPT 中独霸：
• 理应向模型供给较长的文本作为输进
，并请求其生成该文本的摘要。
• 提示还应包含有关所需输进的信息 ，比如摘要的所需长度和任何特定请求或限制 。
提示示例及其公式：
示例 1
：文章概述
• 义务
：概述旧事文章
• 声明：摘要应是文章次要不雅不雅不雅不雅不雅不雅不美不雅不雅不雅不雅念的简明概述
• 提示公式：“用一句冗长的话回结综合以下旧事文章 ：[拔出文章]”
示例 2
：会议会议记实
• 义务 ：回结综合会议会议记实
• 声明：摘要应凹陷会议会议的次要决意狡计和行动
• 提示公式 ：“经由过程列出次要决意狡计和行动来总结以下会议会议记实：[拔出记实]”
示例 3：书本摘要
• 义务 ：总结一本书
• 声明 ：摘要应是书的次要不雅不雅不雅不雅不雅不雅不美不雅不雅不雅不雅念的简明概述
• 提示公式：“用一段冗长的段落总结以下书本：[拔出版名]”
第十六章：对话提示
对话提示是一种技能  ，准予模型生成模仿两个或更多实体之间对话的文本。经由过程为模型供给一个凹凸文和
一组角色或实体，和它们的角色和布景 ，并请求模型在它们之间生成对话。
是以 ，应为模型供给凹凸文和一组角色或实体，和它们的角色和布景  。还应向模型供给有关所需输进的
信息，比如对话或扳谈的圭表类型和任何特定的请求或限制 。
提示示例及其公式 ：
示例 1 ：对话生成
亿欧黄传星
• 义务  ：生成两个角色之间的对话
• 声明：对话应天然且与给定凹凸文相干
• 提示公式  ：“在以下情境中生成以下角色之间的对话[拔出角色]”
示例 2：故事写作
• 义务：在故事中生成对话
• 声明 ：对话应与故事的角色和义务齐截
• 提示公式
：“在以下故事中生成以下角色之间的对话[拔出故事]”
示例 3 ：聊天机械人斥地
• 义务：为客服聊天机械人生成对话
• 声明 ：对话应专业且供给切确的信息
• 提示公式：“在客户询问[拔出主题]时，为客服聊天机械人生成专业和切确的对话”
是以，这类技能对对话生成、故事写作和聊天机械人斥地等义务特别很是有效 。
第十七章 ：对立性提示
对立性提示是一种技能
，它准予模型生成抵挡某些圭表类型的***击击或成见的文本 。这类技能可用于操练愈加稳
健和抵挡某些圭表类型***击击或成见的模型。
要在 ChatGPT 中独霸对立性提示，需求为模型供给一个提示，该提示旨在使模型难以生成契合期看输进
的文本。提示还应包含有关所需输进的信息
，比如要生成的文本圭表类型和任何特定请求或束厄狭隘 。
提示示例及其公式 ：
示例 1 
：用于文本分类的对立性提示
• 义务：生成被分类为特定标签的文本
• 声明：生成的文本应难以分类为特定标签
• 提示公式 ：“生成难以分类为[拔出标签]的文本”
示例 2：用于热忱分化的对立性提示
• 义务
：生成难以分类为特定热忱的文本
• 声明 ：生成的文本应难以分类为特定热忱
• 提示公式：“生成难以分类为具有[拔出热忱]热忱的文本”
示例 3：用于言语翻译的对立性提示
• 义务：生成难以翻译的文本
亿欧黄传星
• 声明 ：生成的文本应难以翻译为方成语语
• 提示公式 ：“生成难以翻译为[拔出方成语语]的文本”
第十八章 ：聚类提示
聚类提示是一种技能，它可让模型屈就某些特点或特点将近似的数据点分组在一同。
经由过程供给一组数据点并请求模型屈就某些特点或特点将它们分构成簇 ，可以完成这一方针。
这类技能在数据分化
、机械进修和天然言语措置等使射中特别很是有效  。
若安在 ChatGPT 中独霸：
理应向模型供给一组数据点 ，并请求它屈就某些特点或特点将它们分构成簇 。提示还应包含有关所需输进
的信息，比如要生成的簇数和任何特定的请求或束厄狭隘。
提示示例及其公式 ：
示例 1：客户攻讦的聚类
• 义务
 ：将近似的客户攻讦分组在一同
• 声明
：应屈就热忱将攻讦分组
• 提示公式 ：“将以下客户攻讦屈就热忱分构成簇：[拔出攻讦]”
示例 2 ：旧事文章的聚类
• 义务 ：将近似的旧事文章分组在一同
• 声明 ：应屈就主题将文章分组
• 提示公式 ：“将以下旧事文章屈就主题分构成簇：[拔出文章]”
示例 3：科学论文的聚类
• 义务 ：将近似的科学论文分组在一同
• 声明：应屈就研究局限将论文分组
• 提示公式：“将以下科学论文屈就研究局限分构成簇：[拔出论文]”
第十九章
：强化进修提示
强化进修提示是一种技能，可使模型从畴昔的行动中进修 ，并跟着时分的推移进步其功用。要在
ChatGPT 中独霸强化进修提示 ，需求为模型供给一组输进和嘉奖
，并准予其屈就领遭到的嘉奖调剂其行
为。提示还应包含有关期看输进的信息，比如要完成的义务和任何特定请求或限制。这类技能对决意狡计
制订 、游辱弄法和天然言语生成等义务特别很是有效
。
亿欧黄传星
提示示例及其公式：
示例 1：用于文本生成的强化进修
• 义务：生成与特定气焰齐截的文本
• 声明
：模型应屈就为生成与特定气焰齐截的文本而领遭到的嘉奖来调剂其行动
• 提示公式 ：“独霸强化进修来生成与以下气焰齐截的文本[拔出气焰]”
示例 2：用于言语翻译的强化进修
• 义务
：将文本从一种言语翻译成此外一种言语
• 声明：模型应屈就为生成切确翻译而领遭到的嘉奖来调剂其行动
• 提示公式：“独霸强化进修将以下文本[拔出文本]从[拔出言语]翻译成[拔出言语]”
示例 3
：用于问答的强化进修
• 义务 ：答复问题
• 声明：模型应屈就为生成切确谜底而领遭到的嘉奖来调剂其行动
• 提示公式 ：“独霸强化进修往来交往答以下问题[拔出问题]”
第二十章：课程进修提示
课程进修是一种技能  ，准予模型经由过程先操练复杂义务 ，慢慢添加难度来进修宏壮义务。
要在 ChatGPT 中独霸课程进修提示
，模型理应供给一系列义务，这些义务慢慢添加难度。
提示还应包含有关期看输进的信息 ，比如要完成的幻想下场义务和任何特定请求或束厄狭隘前提
。
此技能对天然言语措置 、图象辨认和机械进修等义务特别很是有效 
。
提示示例及其公式：
示例 1：用于文本生成的课程进修
• 义务：生成与特定气焰齐截的文本
• 声明 ：模型理应在挪动到更宏壮的气焰之前先在复杂的气焰前程行操练
。
• 提示公式：“独霸课程进修来生成与以下气焰[拔出气焰]齐截的文本
，屈就以下按序[拔出顺
序]
。”
示例 2 ：用于言语翻译的课程进修
• 义务 ：将文本从一种言语翻译成此外一种言语
• 声明
：模型理应在挪动到更宏壮的言语之前先在复杂的言语前程行操练 。
• 提示公式：“独霸课程进修将以下言语[拔出言语]的文本翻译成以下按序[拔出按序]。”
亿欧黄传星
示例 3：用于问题答复的课程进修
• 义务：答复问题
• 声明：模型理应在挪动到更宏壮的问题之前先在复杂的问题前程行操练。
• 提示公式 ：“独霸课程进修往来交往答以下问题[拔出问题]，屈就以下按序[拔出按序]生成谜底。”
第二十一章：热忱分化提示
热忱分化是一种技能，准予模型断定文本的感***采或立场，比如它是积极的、掉落踪看的仍是中立的 。
要在 ChatGPT 中独霸热忱分化提示 ，模型理应供给一段文本并请求屈就其热忱分类 。
提示还应包含关于所需输进的信息 ，比如要检测的热忱圭表类型（比如积极的 、掉落踪看的、中立的）和任何特定
请求或束厄狭隘前提。
提示示例及其公式 ：
示例 1：客户攻讦的热忱分化
• 义务 ：断定客户攻讦的热忱
• 声明 ：模型理应将攻讦分类为积极的 、掉落踪看的或中立的
• 提示公式：“对以下客户攻讦举办热忱分化[拔出攻讦]，并将它们分类为积极的、掉落踪看的或中立
的。”
示例 2：推文的热忱分化
• 义务：断定推文的热忱
• 声明：模型理应将推文分类为积极的 
、掉落踪看的或中立的
• 提示公式：“对以下推文举办热忱分化[拔出推文] ，并将它们分类为积极的
、掉落踪看的或中立
的
。”
示例 3 ：产攻讦论的热忱分化
• 义务 ：断定产攻讦论的热忱
• 声明：模型理应将攻讦分类为积极的、掉落踪看的或中立的
• 提示公式：“对以下产攻讦论举办热忱分化[拔出攻讦]，并将它们分类为积极的 、掉落踪看的或中立
的 。”
这类技能对天然言语措置 、客户处事和市场研究等义务特别很是有效。
第二十二章：定名实体辨认提示
亿欧黄传星
定名实体辨认（NER）是一种技能 ，它可使模型辨认和分类文本中的定名实体，比如人名、构造机构、
地址和日期等。
要在 ChatGPT 中独霸定名实体辨认提示 ，需求向模型供给一段文本  ，并请求它辨认和分类文本中的定名
实体。
提示还应包含有关所需输进的信息 ，比如要识其他定名实体圭表类型（比如人名 、构造机构 、地址、日期）以
及任何特定请求或束厄狭隘前提。
提示示例及其公式：
示例 1：旧事文章中的定名实体辨认
• 义务 ：在旧事文章中辨认和分类定名实体
• 声明：模型应辨认和分类人名 、构造机构、地址和日期
• 提示公式：“在以下旧事文章[拔出文章]上奉行定名实体辨认，并辨认和分类人名、构造机构  、
地址和日期。”
示例 2：功令文件中的定名实体辨认
• 义务：在功令文件中辨认和分类定名实体
• 声明：模型应辨认和分类人名
、构造机构、地址和日期
• 提示公式 ：“在以下功令文件[拔出文件]上奉行定名实体辨认，并辨认和分类人名 、构造机构、
地址和日期。”
示例 3 ：研谈论文中的定名实体辨认
• 义务 ：在研谈论文中辨认和分类定名实体
• 声明：模型应辨认和分类人名、构造机构 、地址和日期
• 提示公式：“在以下研谈论文[拔出论文]上奉行定名实体辨认  ，并辨认和分类人名 、构造机构 、
地址和日期。”
第二十三章
：文本分类提示
文本分类是一种技能，它可让模型将文本分红不合的类别。这类技能对天然言语措置 、文本分化和情
感分化等义务特别很是有效。
需求寄看的是 ，文本分类和热忱分化是不合的。热忱分化出格存眷于断定文本中表达的热忱或神情。这可
能包含断定文本表达了积极、掉落踪看仍是中性的热忱。热忱分化但凡用于客户攻讦 、敷衍媒体帖子和其他需
要表达热忱的文本。
要在 ChatGPT 中独霸文本分类提示，模型需求供给一段文本，并请求它屈就预定义的类别或标签举办分
类。提示还应包含有关所需输进的信息 ，比如类别或标签的数量和任何特定的请求或束厄狭隘。
提示示例及其公式：
亿欧黄传星
示例 1 ：对客户攻讦举办文本分类
• 义务：将客户攻讦分类为不合的类别，比如电子产品 、服装和家具
• 声明
 ：模型应屈就攻讦的内容对其举办分类
• 提示公式 ：“对以下客户攻讦 [拔出攻讦] 举办文本分类 ，并屈就其内容将其分类为不合的类
别 
，比如电子产品 、服装和家具。”
示例 2：对旧事文章举办文本分类
• 义务 ：将旧事文章分类为不合的类别，比如体育 、政治和文娱
• 声明：模型应屈就文章的内容对其举办分类
• 提示公式：“对以下旧事文章 [拔出文章] 举办文本分类 ，并屈就其内容将其分类为不合的类
别，比如体育、政治和文娱。”
示例 3
：对电子邮件举办文本分类
• 义务：将电子邮件分类为不合的类别，比如残剩邮件、次要邮件或紧要邮件
• 声明：模型应屈就电子邮件的内容和发件人对其举办分类
• 提示公式 ：“对以下电子邮件 [拔出电子邮件] 举办文本分类，并屈就其内容和发件人将其分类
为不合的类别 ，比如残剩邮件、次要邮件或紧要邮件。”
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能相干 ，比如
：零、1、几回提示，受控生成提示
，翻译提示，
言语建模提示 ，句子补全提示等 。这些提示都与生成文本有关，但它们在生成文本的编制和放置在生成文
本上的特定请求或限制方面有所不合 。文本生成提示可用于微调预操练模型或操练新模型以奉行特定任
务 。
提示示例及其公式：
示例 1 ：故事创作的文本生成
• 义务：屈就给定的提示生成故事
• 声明：故事应起码包含 1000 个单词，并包含一组特定的角色和情节。
• 提示公式：“屈就以下提示[拔出提示]生成一个起码包含 1000 个单词 ，包含角色[拔出角色]和情
节[拔出情节]的故事。”
示例 2：言语翻译的文本生成
• 义务：将给定的文本翻译成此外一种言语
• 声明：翻译应切确并契合习惯用语。
• 提示公式
：“将以下文本[拔出文本]翻译成[拔出方成语语]
，并确保其切确且契合习惯用语。”