『大模型笔记』Prompt Engineering具体实施方案综述!

Prompt Engineering具体实施方案综述!

文章目录

  • 1. 背景
  • 2. prompt原则&技巧
    • 2.1. 指令清晰、详细
      • 2.1.1 问题里包含更多细节
      • 2.1.2 让模型角色扮演
      • 2.1.3 使用分隔符
      • 2.1.4 指定完成任务所需的步骤
      • 2.1.5 提供示例
      • 2.1.6 设定回答的长度
    • 2.2 提供参考文本
    • 2.3 将复杂任务拆分
      • 2.3.1 问题分类
      • 2.3.2 分段总结长文/长对话
    • 2.4 给大模型时间“思考”
      • 2.4.1 生成自己的答案再下结论
      • 2.4.2 隐藏推理过程
      • 2.4.3 让模型反思回答
    • 2.5 使用外部工具
      • 2.5.1 嵌入(embedding)
      • 2.5.2 调用API
    • 2.6 系统地测试更改
      • 2.6.1 指标评估
      • 2.6.2 模型评估
      • 2.6.3 人工评估
  • 3. 大厂方案
    • 3.1 Anthropic
    • 3.2 Google
    • 3.3 方案总结
  • 4. 实践示例(Img2code)
  • 5. 进一步
  • 6. 写在结尾
  • 二. 参考文献

  • 首先声明:文档内容内容来自阿里云开发者

本文深入探讨当前最前沿的prompt engineering方案,结合OpenAI、Anthropic和Google等大模型公司的资料,以及开源社区中宝贵的prompt技巧分享,全面解析这一领域的实践策略

1. 背景

随着新一代模型的不断涌现,如GPT-4和Gemini版本,其在理解上下文方面的能力显著提升,prompt长度和复杂度限制越来越宽泛。在本文中,我们将深入探讨当前最前沿的prompt engineering方案,结合OpenAI、Anthropic和Google等大模型公司的资料,以及开源社区中宝贵的prompt技巧分享,全面解析这一领域的实践策略。这篇文章旨在为您提供丰富而详尽的指南,帮助您在大模型的应用

你可能感兴趣的:(大模型笔记,prompt,提示词综述,prompt技巧,大模型,大模型提示词)