Learning Prompt

1年前更新 147 0 0

免费的 Prompt Engineering 教程(中文开源)

收录时间:
2024-01-17
Learning PromptLearning Prompt
Learning Prompt
免费的 Prompt Engineering 教程(中文开源)

数据统计

相关导航

新LangGPT

新LangGPT

LangGPT是什么 LangGPT是一种新型的提示词设计工具,提出了一种结构化和可复用的提示词编写方法论,帮助用户编写高质量的提示词。工具受到编程语言的启发,设计了双层结构的提示设计框架,易于学习和应用。LangGPT通过内置和扩展模块,支持灵活定制,适应不同的应用场景。LangGPT建立了一个在线社区,促进提示设计的交流和共享,提高了框架的实用性和易用性。 LangGPT的主要功能 系统性模板:LangGPT提供了丰富的模板,用户可以根据模板快速编写提示词。 灵活性:通过使用变量,用户可以轻松引用、设置和更改提示词中的内容。 交互友好性:LangGPT的工作流设计使得用户交互变得简单,易于引导用户使用。 模块化配置:LangGPT充分利用大语言模型的能力,通过模块化配置来应对复杂的提示需求。 Reminder功能:有效缓解长期记忆缺失的问题,保持对话的连贯性。 LangGPT的技术原理 双层提示设计框架:LangGPT采用双层结构,类似于编程语言中的类和对象结构。 内置模块:定义了一套预设的模块,如角色(Role)、目标(Goal)、约束(Constraint)等,模块包含了提示词的必要内部元素。 扩展模块:支持用户根据特定需求添加新的模块,提高了框架的灵活性和可扩展性。 模块化配置:提示词被分解为多个模块,每个模块代表与大语言模型交互的不同方面。用户可以根据需要选择和组合不同的模块,构建适合特定任务的提示词。 结构化和规范化:LangGPT强调提示词的结构化和规范化,使提示词更加清晰、易于理解和复用。提供了清晰的模板和格式,降低了学习成本。 自然语言和编程语言的结合:设计灵感来源于编程语言的结构化特性,同时保留了自然语言的灵活性。通过类比编程语言的元素,如变量、函数、类等,来构建提示词。 如何使用LangGPT 使用LangGPT编写高质量的提示词(Prompt)大致可以分为以下步骤: 理解LangGPT的核心概念: 模板:LangGPT提供了一系列的模板,如角色(Role)模板,用于指导用户如何构建提示词。 变量:使用特定的标记(如”<VariableName>”)来代表提示词中的动态内容。 工作流:定义与用户交互的步骤和流程。 选择合适的模板: 根据想要大语言模型(LLM)扮演的角色或完成的任务,选择合适的模板。例如,如果想要模型扮演一个诗人,选择一个专门为诗人角色设计的模板。 填写模板内容: 按照模板的结构,填写必要的信息。包括角色的描述、技能、规则、工作流程等。 使用变量: 在模板中使用变量来代表可以变化的部分,如用户输入或角色的特定属性。 定义工作流: 设计角色与用户交互的工作流程,包括角色如何接收用户输入、如何响应等。 初始化角色: 如果需要,可以为角色编写初始化行为,是在角色开始与用户交互前执行的步骤。 测试和调整: 将编写好的提示词输入到大语言模型中,进行测试。根据模型的输出,调整和优化提示词。 使用LangGPT助手: 用LangGPT助手来帮助设计和优化提示词。助手可以根据用户的需求生成相应的提示词模板。 LangGPT的产品定价 目前项目已经在Github上免费开源,成为了GitHub开源社区全球趋势热榜前十的项目。 LangGPT的应用场景 内容创作:辅助作家、营销人员生成文章大纲、广告文案等。 代码编写:帮助程序员生成代码片段、解决编程问题。 数据分析:协助数据分析师构建数据查询语句,解释分析结果。 教育辅导:为教师和学生提供个性化学习材料和练习题。 客户服务:构建智能客服系统,提高客户服务质量。
Snack Prompt

Snack Prompt

输入正确的提示词,可以让ChatGPT生成更好的结果,使用Snack Prompt可以帮助你解锁人工智能的潜力,优化你的ChatGPT体验。在Snack Prompt社区,用户可以访问每天新鲜出炉的大量热门提示词库: ⚡ 一键提示:只需单击一次,即可立即访问一系列专业策划的提示prompts。 🏆 每日最佳提示:随时掌握最佳和最受欢迎的提示。 🗳️ 社区投票系统:就像产品搜索或Reddit一样,该社区驱动的平台将最热门的提示显示在顶部。 💾 保存提示:轻松组织和管理你喜欢的提示,以备将来使用。 🔍 搜索和发现提示:快速定位到满足你需求的完美提示。
提示工程指南

提示工程指南

提示工程指南(Prompt Engineering Guide)是由 DAIR.AI 发起的项目,旨在帮助研发和行业内相关人员了解提示工程。以传播 AI 技术和研究成果为目标,DAIR.AI 的愿景是赋能新一代 AI 领域的创新者。该免费开源的提示工程项目在GitHub上已超过3万个人标星,包含了与 LLM 提示工程相关的所有最新论文、学习指南、讲座、参考资料和工具。 提示工程指南(Prompt Engineering Guide)的目录 一、提示工程简介 大语言模型设置 基本概念 提示词要素 设计提示的通用技巧 提示词示例 二、提示技术 零样本提示 少样本提示 链式思考(CoT)提示 自我一致性 生成知识提示 思维树Tree of Thoughts 检索增强生成 自动推理和工具使用 自动提示工程师 Active-Prompt 方向性刺激提示 ReAct框架 多模态思维链提示方法 基于图的提示 三、提示应用 程序辅助语言模型 生成数据 Generating Code 毕业生工作分类案例研究 Prompt Function 四、模型 Flan ChatGPT LLaMA GPT-4 Model Collection 五、风险和误用 对抗性提示 真实性 偏见

暂无评论

none
暂无评论...