# Prompt 编写技巧 **策略一：使用分隔符清晰地表示输入的不同部分**，分隔符可以是：```，""，<>，\，<\tag>等 **策略二：要求一个结构化的输出**，可以是 Json、HTML 等格式 ``` prompt = f""" 请生成包括书名、作者和类别的三本虚构书籍清单，\ 并以 JSON 格式提供，其中包含以下键:book_id、title、author、genre。 """ response = get_completion(prompt) print(response) ``` **策略三：要求模型检查是否满足条件** 如果任务做出的假设不一定满足，我们可以告诉模型先检查这些假设，如果不满足，指示并停止执行。你还可以考虑潜在的边缘情况以及模型应该如何处理它们，以避免意外的错误或结果。 在如下示例中，我们将分别给模型两段文本，分别是制作茶的步骤以及一段没有明确步骤的文本。我们将要求模型判断其是否包含一系列指令，如果包含则按照给定格式重新编写指令，不包含则回答未提供步骤。 ``` text_1 = f""" 泡一杯茶很容易。首先，需要把水烧开。\ 在等待期间，拿一个杯子并把茶包放进去。\ 一旦水足够热，就把它倒在茶包上。\ 等待一会儿，让茶叶浸泡。几分钟后，取出茶包。\ 如果你愿意，可以加一些糖或牛奶调味。\ 就这样，你可以享受一杯美味的茶了。 """ prompt = f""" 您将获得由三个引号括起来的文本。\ 如果它包含一系列的指令，则需要按照以下格式重新编写这些指令： 第一步 - ... 第二步 - … … 第N步 - … 如果文本中不包含一系列的指令，则直接写“未提供步骤”。" \"\"\"{text_1}\"\"\" """ ``` **策略四：提供少量示例** 即在要求模型执行实际任务之前，提供给它少量成功执行任务的示例。 例如，在以下的示例中，我们告诉模型其任务是以一致的风格回答问题，并先给它一个孩子和一个祖父之间的对话的例子。孩子说，“教我耐心”，祖父用这些隐喻回答。因此，由于我们已经告诉模型要以一致的语气回答，现在我们说“教我韧性”，由于模型已经有了这个少样本示例，它将以类似的语气回答下一个任务。 ``` prompt = f""" 你的任务是以一致的风格回答问题。 <孩子>: 教我耐心。 <祖父母>: 挖出最深峡谷的河流源于一处不起眼的泉眼；最宏伟的交响乐从单一的音符开始；最复杂的挂毯以一根孤独的线开始编织。 <孩子>: 教我韧性。 """ response = get_completion(prompt) ``` ``` prompt_2 = f""" 1-用一句话概括下面用<>括起来的文本。 2-将摘要翻译成英语。 3-在英语摘要中列出每个名称。 4-输出一个 JSON 对象，其中包含以下键：English_summary，num_names。 请使用以下格式： 文本：<要总结的文本> 摘要：<摘要> 翻译：<摘要的翻译> 名称：<英语摘要中的名称列表> 输出 JSON：<带有 English_summary 和 num_names 的 JSON> Text: <{text}> """ ``` ``` fact_sheet_chair = """ 概述 美丽的中世纪风格办公家具系列的一部分，包括文件柜、办公桌、书柜、会议桌等。 多种外壳颜色和底座涂层可选。 可选塑料前后靠背装饰（SWC-100）或10种面料和6种皮革的全面装饰（SWC-110）。 底座涂层选项为：不锈钢、哑光黑色、光泽白色或铬。 椅子可带或不带扶手。 适用于家庭或商业场所。 符合合同使用资格。 结构 五个轮子的塑料涂层铝底座。 气动椅子调节，方便升降。 尺寸 宽度53厘米|20.87英寸 深度51厘米|20.08英寸 高度80厘米|31.50英寸 座椅高度44厘米|17.32英寸 座椅深度41厘米|16.14英寸 选项 软地板或硬地板滚轮选项。 两种座椅泡沫密度可选：中等（1.8磅/立方英尺）或高（2.8磅/立方英尺）。 无扶手或8个位置PU扶手。 材料 外壳底座滑动件 改性尼龙PA6/PA66涂层的铸铝。 外壳厚度：10毫米。 座椅 HD36泡沫 原产国 意大利 """ prompt = f""" 你的任务是帮助营销团队基于技术说明书创建一个产品的营销描述。 根据```标记的技术说明书中提供的信息，编写一个产品描述。 技术说明: ```{fact_sheet_chair}``` """ ``` ``` prompt = f""" 您的任务是帮助营销团队基于技术说明书创建一个产品的零售网站描述。 根据```标记的技术说明书中提供的信息，编写一个产品描述。 使用最多50个词。 技术规格：```{fact_sheet_chair}``` """ ``` ``` prompt = f""" 你的任务是从电子商务网站上生成一个产品评论的简短摘要。 请对三个反引号之间的评论文本进行概括，最多30个词汇，并且聚焦在产品运输上。 评论: ```{prod_review_zh}``` """ ``` ``` prompt = f""" 你的任务是从电子商务网站上的产品评论中提取相关信息。 请从以下三个反引号之间的评论文本中提取产品运输相关的信息，最多30个词汇。 评论: ```{prod_review_zh}``` """ ``` ``` prompt = f""" 从评论文本中识别以下项目： - 情绪（正面或负面） - 审稿人是否表达了愤怒？（是或否） - 评论者购买的物品 - 制造该物品的公司 评论用三个反引号分隔。将您的响应格式化为 JSON 对象，以 “Sentiment”、“Anger”、“Item” 和 “Brand” 作为键。 如果信息不存在，请使用 “未知” 作为值。 让你的回应尽可能简短。 将 Anger 值格式化为布尔值。 评论文本: ```{lamp_review_zh}``` """ ``` ``` prompt = f""" 确定以下给定文本中讨论的五个主题。 每个主题用1-2个单词概括。 输出时用逗号分割每个主题。 给定文本: ```{story_zh}``` """ ``` ``` prompt = f""" 判断主题列表中的每一项是否是给定文本中的一个话题， 以列表的形式给出答案，每个主题用 0 或 1。 主题列表：美国航空航天局、地方政府、工程、员工满意度、联邦政府 给定文本: ```{story_zh}``` """ ``` ``` prompt = f""" 请将以下文本分别翻译成中文、英文、法语和西班牙语: ​```I want to order a basketball.``` """ ``` ``` prompt = f""" 请将以下文本翻译成中文，分别展示成正式与非正式两种语气: ​```Would you like to order a pillow?``` """ ``` 拼写及语法纠正 ``` text = [ "The girl with the black and white puppies have a ball.", # The girl has a ball. "Yolanda has her notebook.", # ok "Its going to be a long day. Does the car need it’s oil changed?", # Homonyms "Their goes my freedom. There going to bring they’re suitcases.", # Homonyms "Your going to need you’re notebook.", # Homonyms "That medicine effects my ability to sleep. Have you heard of the butterfly affect?", # Homonyms "This phrase is to cherck chatGPT for spelling abilitty" # spelling ] prompt = f"""请校对并更正以下文本，注意纠正文本保持原始语种，无需输出原始文本。 如果您没有发现任何错误，请说“未发现错误”。 例如： 输入：I are happy. 输出：I am happy. ```{text[i]}```""" ``` ``` prompt = f""" 你是一位客户服务的AI助手。 你的任务是给一位重要客户发送邮件回复。 根据客户通过“```”分隔的评价，生成回复以感谢客户的评价。提醒模型使用评价中的具体细节 用简明而专业的语气写信。 作为“AI客户代理”签署电子邮件。 客户评论： ​```{review}``` 评论情感：{sentiment} """ ``` temperature 为0时，生成的文本更加保守，temperature 为1时，生成的文本更加大胆。 ``` prompt = f""" 你是一名客户服务的AI助手。 你的任务是给一位重要的客户发送邮件回复。 根据通过“```”分隔的客户电子邮件生成回复，以感谢客户的评价。 如果情感是积极的或中性的，感谢他们的评价。 如果情感是消极的，道歉并建议他们联系客户服务。 请确保使用评论中的具体细节。 以简明和专业的语气写信。 以“AI客户代理”的名义签署电子邮件。 客户评价：```{review}``` 评论情感：{sentiment} """ response = get_completion(prompt, temperature=0.7) print(response) ``` 订餐小助理： ``` # 中文 import panel as pn # GUI pn.extension() panels = [] # collect display context = [{'role':'system', 'content':""" 你是订餐机器人，为披萨餐厅自动收集订单信息。 你要首先问候顾客。然后等待用户回复收集订单信息。收集完信息需确认顾客是否还需要添加其他内容。 最后需要询问是否自取或外送，如果是外送，你要询问地址。 最后告诉顾客订单总金额，并送上祝福。 请确保明确所有选项、附加项和尺寸，以便从菜单中识别出该项唯一的内容。 你的回应应该以简短、非常随意和友好的风格呈现。 菜单包括： 菜品： 意式辣香肠披萨（大、中、小） 12.95、10.00、7.00 芝士披萨（大、中、小） 10.95、9.25、6.50 茄子披萨（大、中、小） 11.95、9.75、6.75 薯条（大、小） 4.50、3.50 希腊沙拉 7.25 配料： 奶酪 2.00 蘑菇 1.50 香肠 3.00 加拿大熏肉 3.50 AI酱 1.50 辣椒 1.00 饮料： 可乐（大、中、小） 3.00、2.00、1.00 雪碧（大、中、小） 3.00、2.00、1.00 瓶装水 5.00 """} ] # accumulate messages inp = pn.widgets.TextInput(value="Hi", placeholder='Enter text here…') button_conversation = pn.widgets.Button(name="Chat!") interactive_conversation = pn.bind(collect_messages, button_conversation) dashboard = pn.Column( inp, pn.Row(button_conversation), pn.panel(interactive_conversation, loading_indicator=True, height=300), ) ``` 执行： ``` messages = context.copy() messages.append( {'role':'system', 'content':'创建上一个食品订单的 json 摘要。\ 逐项列出每件商品的价格，字段应该是 1) 披萨，包括大小 2) 配料列表 3) 饮料列表，包括大小 4) 配菜列表包括大小 5) 总价'}, ) response = get_completion_from_messages(messages, temperature=0) print(response) ```