掌握ChatGPT！通过Prompt工程获取高质量答案的技巧指南

学会提问 1年前 (2023) lida

33 0 0

文章主题：关键词: Prompt工程, ChatGPT, 提问技巧, 指令提示

如何向 ChatGPT 提问，以获得高质量答案？下面的章节将给你帮助：

第一章：Prompt 工程技术简介

💡Prompt工程揭秘🔍——引导ChatGPT创作的艺术！🎨🔥ChatGPT，语言创新者，通过Prompt工程解锁无限可能！💻它以Transformer架构为核心，海量数据为滋养，生成的文字媲美人类智慧。📝但要想驾驭这股力量，关键在于精准引导！🎯提示就像魔法咒语，能控制模型产出，确保内容相关、准确且高质量。📝提示公式？三个要素决定一切：任务定义（明确目标）、指令阐明（指导方向）和角色设定（模型定位）。💡让我们一起探索如何巧妙运用Prompt工程，从ChatGPT中提取最想要的信息，无论是学术研究还是创意写作。📚🎨不同类型的Prompt，各有千秋——从信息检索到故事生成，每种都有其独特策略。🔍📖掌握这些技巧，你将能驾驭ChatGPT，让它按照你的意愿运转，不再受限于预设模式。🚀欲了解更多详情，敬请关注后续内容，我们将深入解析如何让Prompt工程为你的工作和学习助力！📚💻

第二章：指令提示技术

🚀🔥掌握ChatGPT写作秘籍！🔍让指令引导生成超凡文本🔥🎯指令提示，ChatGPT魔法的关键！✨通过精准指引，解锁高质量内容的宝藏！📝💼无论是客户服务文案还是法律文件起草，每个任务只需轻轻一点！示例1：客户服务响应🌟任务：回复客户疑问指令：专业且提供准确详情，别忘了友好哦！💬🔍提示公式：“生成专业且友善的客户解答：专业+准确+友好”示例2：法律文件严谨宪法🔥任务：创建法律条款指令：确保合法合规，遵循律法每一条！法学专家在此！📜انون提示公式：“生成符合法律法规的法律条文：严谨+合法+全面”使用时，请牢记，指令要清晰无歧义，ChatGPT才能如你所愿，产出卓越内容。别忘了，结合角色和种子词提示，效果更上一层楼哦！🚀#指令提示技术 #ChatGPT写作指南 #高质量文本生成

第三章：角色提示

🌟文章改写🌟技术驱动的ChatGPT角色定制是引导其生成特定上下文或目标内容的有效工具。它以高效且个性化的方式提升文本质量，尤其适用于客户服务文案、法律文件等场景。若要运用这项技巧，只需明确指定一个贴切的角色，如“客户服务代理”或“专业律师”。示例说明如下：🌟客户服务回复范例🌟”作为客服代表，编写针对客户问题的精准响应。”🌟法律文件生成秘籍🌟”以律师身份，撰写严谨且引人入胜的法律文档。”将指令、角色和关键词提示巧妙融合，ChatGPT的表现力更上一层楼。例如，为新智能手机创作产品描述时：任务：编写产品介绍指令：强调创新并吸引眼球角色：市场推广专家种子词：“革新性”提示公式：”(以市场推广专家身份) 创造一个引人注目的产品介绍，突出其创新特性，并包含[插入关键功能]。”这样，指令确保内容具有吸引力，角色保证观点的市场导向，而关键词则帮助ChatGPT聚焦于智能手机的独特卖点。通过这样的策略，你可以获得既专业又针对目标受众的高质量文本。记得不断优化你的提示，以最大化ChatGPT的表现和SEO价值哦！

第四章：标准提示

🌟文章写作秘籍🌟ChatGPT魔法指南：如何高效引导生成优质内容💡🔥任务定制，随心所欲📚想要新闻摘要？一句话搞定：“提取这篇新闻的关键信息”！手机评测？简单输入：“撰写这款新智能手机的全面评价”！每项任务，只需一个指令，ChatGPT就能迅速响应。但不限于：1️⃣ 新闻速递概览：提取“最新科技新闻摘要”2️⃣ 产品深度解析：生成“Apple新款Macbook的专业评测”💡技术与提示完美融合🔍标准提示+角色+种子词，三管齐下，打造专业评论典范！1. 技术专家视角：“以科技博主身份，评价这台笔记本的性能”2. 独特卖点强调：“加入‘轻薄便携’这一亮点”示例：任务：撰写科技新品评测提示：”作为一名科技博主，为[产品名]撰写详细且引人入胜的评测文章，突出其创新之处。”🚀增强ChatGPT表现，让创作更上一层楼🌈无论你是行业专家还是普通用户，都能轻松驾驭ChatGPT，开启创意无限的写作之旅！记得，每一次提问都是对知识的探索，每一篇生成都是智慧的结晶。现在就试试，让你的文字更有说服力和吸引力吧！#ChatGPT技巧 #内容创作指南 #技术驱动写作

第五章：零、一和少样本提示

🌟零样本、样例与少样本，ChatGPT文本魔术的秘密！🚀当数据稀缺或任务新颖，无先例可循时，这些高效工具大显身手！💡无需实例指导，模型就能一展通用才能，生成鲜活内容。🎯 例如，为革新智能手表撰写独到描述：”基于零个示例，全新智能手表的未来蓝图”一个实例足矣，比较新款与iPhone的锋芒：”以最新iPhone为蓝本，揭示新智能手机的独特魅力”少量样本也能催生深度评论，如评价电子阅读器：”用3个竞品，让新阅读器在评论中脱颖而出”这些技术巧妙地利用模型理解任务和示例，生成精准且创新的文字。📚无论何时何地，ChatGPT都能以最少的线索，创造出最丰富的文本世界！🌍

第六章：“让我们思考一下”提示

🌟启发思考，激发创作！使用”让我们思考一下”技巧，ChatGPT不仅是你的文字伙伴，更是深度对话与创新思维的引导者。🚀无论是论文雄辩探讨，🤔诗歌细腻抒怀，还是创意无限的短篇，只需一个主题或问题，就能启动一场思想的火花碰撞。🌍任务示例：1. 论文挑战：个人成长的转折点 —— 提示：“个人成长的关键瞬间”2. 诗意盎然：季节轮回中的哲思——提示：“四季变换下的生命寓言”遵循以下步骤，让ChatGPT引领你的思维之旅：1. 确定话题（如：环保对社区的影响）2. 开启对话，以“让我们探讨”或“聊聊看”开头3. 提出开放式问题，让讨论深入例如：• 提示：“气候变化如何重塑我们的生活方式？”• 提示：“AI的未来，你预测哪些变革？”ChatGPT将根据你的提示生成连贯且富有洞察力的内容。别忘了，这种互动方式能帮你跳出常规思维，产出独特且引人入胜的文字。🚀现在就试试吧，让每一次”让我们思考一下”都成为写作旅程中的亮点！📝✨

第七章：自洽提示

自洽提示是一种技术，用于确保ChatGPT的输出与提供的输入一致。这种技术对于事实核查、数据验证或文本生成中的一致性检查等任务非常有用。自洽提示的提示公式是输入文本后跟着指令“请确保以下文本是自洽的”。或者，可以提示模型生成与提供的输入一致的文本。提示示例及其公式：示例1：文本生成 • 任务：生成产品评论 • 指令：评论应与输入中提供的产品信息一致 • 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]” 示例2：文本摘要 • 任务：概括一篇新闻文章 • 指令：摘要应与文章中提供的信息一致 • 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]” 示例3：文本完成 • 任务：完成一个句子 • 指令：完成应与输入中提供的上下文一致 • 提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]” 示例4： 1. 事实核查：任务：检查给定新闻文章的一致性输入文本：“文章中陈述该城市的人口为500万，但后来又说该城市的人口为700万。” 提示公式：“请确保以下文本是自洽的：文章中陈述该城市的人口为500万，但后来又说该城市的人口为700万。” 2. 数据验证：任务：检查给定数据集的一致性输入文本：“数据显示7月份的平均温度为30度，但最低温度记录为20度。” 提示公式：“请确保以下文本是自洽的：数据显示7月份的平均温度为30度，但最低温度记录为20度。”

第八章：种子词提示

种子词提示是一种通过提供特定的种子词或短语来控制ChatGPT输出的技术。种子词提示的提示公式是种子词或短语，后跟指令“请根据以下种子词生成文本”。示例：文本生成： • 任务：编写一篇有关龙的故事 • 种子词：“龙” • 提示公式：“请根据以下种子词生成文本：龙” 语言翻译： • 任务：将一句话从英语翻译成西班牙语 • 种子词：“你好” • 提示公式：“请根据以下种子词生成文本：你好” 这种技术允许模型生成与种子词相关的文本并对其进行扩展。这是一种控制模型生成文本与某个特定主题或背景相关的方式。种子词提示可以与角色提示和指令提示相结合，以创建更具体和有针对性的生成文本。通过提供种子词或短语，模型可以生成与该种子词或短语相关的文本，并通过提供有关期望输出和角色的信息，模型可以以特定于角色或指令的风格或语气生成文本。这样可以更好地控制生成的文本，并可用于各种应用程序。以下是提示示例及其公式：示例1：文本生成 • 任务：编写一首诗 • 指令：诗应与种子词“爱”相关，并以十四行诗的形式书写。 • 角色：诗人 • 提示公式：“作为诗人，根据以下种子词生成与“爱”相关的十四行诗：” 示例2：文本完成 • 任务：完成一句话 • 指令：完成应与种子词“科学”相关，并以研究论文的形式书写。 • 角色：研究员 • 提示公式：“作为研究员，请在与种子词“科学”相关且以研究论文的形式书写的情况下完成以下句子：[插入句子]” 示例3：文本摘要 • 任务：摘要一篇新闻文章 • 指令：摘要应与种子词“政治”相关，并以中立和公正的语气书写。 • 角色：记者 • 提示公式：“作为记者，请以中立和公正的语气摘要以下新闻文章，与种子词“政治”相关：[插入新闻文章]”

第九章：知识生成提示

知识生成提示是一种从ChatGPT中引出新的、原创的信息的技术。知识生成提示的公式是“请生成关于X的新的和原创的信息”，其中X是感兴趣的主题。这是一种利用模型预先存在的知识来生成新的信息或回答问题的技术。要将此提示与ChatGPT一起使用，需要将问题或主题作为输入提供给模型，以及指定所生成文本的任务或目标的提示。提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定的要求或限制。以下是提示示例及其公式：示例1：知识生成 • 任务：生成有关特定主题的新信息 • 说明：生成的信息应准确且与主题相关 • 提示公式：“生成有关[特定主题]的新的准确信息” 示例2：问答 • 任务：回答问题 • 说明：答案应准确且与问题相关 • 提示公式：“回答以下问题：[插入问题]” 示例3：知识整合 • 任务：将新信息与现有知识整合 • 说明：整合应准确且与主题相关 • 提示公式：“将以下信息与有关[特定主题]的现有知识整合：[插入新信息]” 示例4：数据分析 • 任务：从给定的数据集中生成有关客户行为的见解 • 提示公式：“请从这个数据集中生成有关客户行为的新的和原创的信息”

第十章：知识整合提示

这种技术利用模型的现有知识来整合新信息或连接不同的信息片段。这种技术对于将现有知识与新信息相结合，以生成更全面的特定主题的理解非常有用。如何与ChatGPT一起使用： • 模型应该提供新信息和现有知识作为输入，以及指定生成文本的任务或目标的提示。 • 提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定的要求或限制。提示示例及其公式：示例1：知识整合 • 任务：将新信息与现有知识整合 • 说明：整合应准确且与主题相关 • 提示公式：“将以下信息与关于[具体主题]的现有知识整合：[插入新信息]” 示例2：连接信息片段 • 任务：连接不同的信息片段 • 说明：连接应相关且逻辑清晰 • 提示公式：“以相关且逻辑清晰的方式连接以下信息片段：[插入信息1] [插入信息2]” 示例3：更新现有知识 • 任务：使用新信息更新现有知识 • 说明：更新的信息应准确且相关 • 提示公式：“使用以下信息更新[具体主题]的现有知识：[插入新信息]”

第十一章：多项选择提示

这种技术向模型提供一个问题或任务以及一组预定义的选项作为潜在答案。该技术对于生成仅限于特定选项集的文本非常有用，可用于问答、文本完成和其他任务。模型可以生成仅限于预定义选项的文本。要使用ChatGPT的多项选择提示，需要向模型提供一个问题或任务作为输入，以及一组预定义的选项作为潜在答案。提示还应包括有关所需输出的信息，例如要生成的文本类型以及任何特定要求或限制。提示示例及其公式：示例1：问答 • 任务：回答一个多项选择题 • 说明：答案应该是预定义的选项之一 • 提示公式：“通过选择以下选项之一回答以下问题：[插入问题] [插入选项1] [插入选项2] [插入选项3]” 示例2：文本完成 • 任务：使用预定义选项之一完成句子 • 说明：完成应该是预定义的选项之一 • 提示公式：“通过选择以下选项之一完成以下句子：[插入句子] [插入选项1] [插入选项2] [插入选项3]” 示例3：情感分析 • 任务：将文本分类为积极、中立或消极 • 说明：分类应该是预定义的选项之一 • 提示公式：“通过选择以下选项之一，将以下文本分类为积极、中立或消极：[插入文本] [积极] [中立] [消极]”

第十二章：可解释的软提示

可解释的软提示是一种技术，可以在提供一定的灵活性的同时控制模型生成的文本。它通过提供一组受控输入和关于所需输出的附加信息来实现。这种技术可以生成更具解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 • 任务：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：[插入角色]和主题：[插入主题]” 示例2：文本完成 • 任务：完成一句话 • 指令：完成应以特定作者的风格为基础 • 提示公式：“以[特定作者]的风格完成以下句子：[插入句子]” 示例3：语言建模 • 任务：以特定风格生成文本 • 指令：文本应以特定时期的风格为基础 • 提示公式：“以[特定时期]的风格生成文本：[插入上下文]”

第十三章：控制生成提示

控制生成提示是一种技术，可让模型在生成文本时对输出进行高度控制。这可以通过提供一组特定的输入来实现，例如模板、特定词汇或一组约束条件，这些输入可用于指导生成过程。以下是一些示例和它们的公式：示例1：文本生成 • 任务：生成一个故事 • 说明：该故事应基于特定的模板 • 提示公式：“根据以下模板生成故事：[插入模板]” 示例2：文本补全 • 任务：完成一句话 • 说明：完成应使用特定的词汇 • 提示公式：“使用以下词汇完成以下句子：[插入词汇]：[插入句子]” 示例3：语言建模 • 任务：以特定风格生成文本 • 说明：文本应遵循一组特定的语法规则 • 提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入上下文]” 通过提供一组特定的输入来指导生成过程，控制生成提示使得生成的文本更具可控性和可预测性。

第十四章：问答提示

问答提示是一种技术，可以让模型生成回答特定问题或任务的文本。通过将问题或任务与可能与问题或任务相关的任何其他信息一起作为输入提供给模型来实现此目的。一些提示示例及其公式如下：示例1：事实问题回答 • 任务：回答一个事实性问题 • 说明：答案应准确且相关 • 提示公式：“回答以下事实问题：[插入问题]” 示例2：定义 • 任务：提供一个词的定义 • 说明：定义应准确 • 提示公式：“定义以下词汇：[插入单词]” 示例3：信息检索 • 任务：从特定来源检索信息 • 说明：检索到的信息应相关 • 提示公式：“从以下来源检索有关[特定主题]的信息：[插入来源]” 这对于问答和信息检索等任务非常有用。

第十五章：概述提示

概述提示是一种技术，允许模型在保留其主要思想和信息的同时生成给定文本的较短版本。这可以通过将较长的文本作为输入提供给模型并要求其生成该文本的摘要来实现。这种技术对于文本概述和信息压缩等任务非常有用。如何在ChatGPT中使用： • 应该向模型提供较长的文本作为输入，并要求其生成该文本的摘要。 • 提示还应包括有关所需输出的信息，例如摘要的所需长度和任何特定要求或限制。提示示例及其公式：示例1：文章概述 • 任务：概述新闻文章 • 说明：摘要应是文章主要观点的简要概述 • 提示公式：“用一句简短的话概括以下新闻文章：[插入文章]” 示例2：会议记录 • 任务：概括会议记录 • 说明：摘要应突出会议的主要决策和行动 • 提示公式：“通过列出主要决策和行动来总结以下会议记录：[插入记录]” 示例3：书籍摘要 • 任务：总结一本书 • 说明：摘要应是书的主要观点的简要概述 • 提示公式：“用一段简短的段落总结以下书籍：[插入书名]”

第十六章：对话提示

对话提示是一种技术，允许模型生成模拟两个或更多实体之间对话的文本。通过为模型提供一个上下文和一组角色或实体，以及它们的角色和背景，并要求模型在它们之间生成对话。因此，应为模型提供上下文和一组角色或实体，以及它们的角色和背景。还应向模型提供有关所需输出的信息，例如对话或交谈的类型以及任何特定的要求或限制。提示示例及其公式：示例1：对话生成 • 任务：生成两个角色之间的对话 • 说明：对话应自然且与给定上下文相关 • 提示公式：“在以下情境中生成以下角色之间的对话[插入角色]” 示例2：故事写作 • 任务：在故事中生成对话 • 说明：对话应与故事的角色和事件一致 • 提示公式：“在以下故事中生成以下角色之间的对话[插入故事]” 示例3：聊天机器人开发 • 任务：为客服聊天机器人生成对话 • 说明：对话应专业且提供准确的信息 • 提示公式：“在客户询问[插入主题]时，为客服聊天机器人生成专业和准确的对话” 因此，这种技术对于对话生成、故事写作和聊天机器人开发等任务非常有用。

第十七章：对抗性提示

对抗性提示是一种技术，它允许模型生成抵抗某些类型的攻击或偏见的文本。这种技术可用于训练更为稳健和抵抗某些类型攻击或偏见的模型。要在ChatGPT中使用对抗性提示，需要为模型提供一个提示，该提示旨在使模型难以生成符合期望输出的文本。提示还应包括有关所需输出的信息，例如要生成的文本类型和任何特定要求或约束。提示示例及其公式：示例1：用于文本分类的对抗性提示 • 任务：生成被分类为特定标签的文本 • 说明：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[插入标签]的文本” 示例2：用于情感分析的对抗性提示 • 任务：生成难以分类为特定情感的文本 • 说明：生成的文本应难以分类为特定情感 • 提示公式：“生成难以分类为具有[插入情感]情感的文本” 示例3：用于语言翻译的对抗性提示 • 任务：生成难以翻译的文本 • 说明：生成的文本应难以翻译为目标语言 • 提示公式：“生成难以翻译为[插入目标语言]的文本”

第十八章：聚类提示

聚类提示是一种技术，它可以让模型根据某些特征或特点将相似的数据点分组在一起。通过提供一组数据点并要求模型根据某些特征或特点将它们分组成簇，可以实现这一目标。这种技术在数据分析、机器学习和自然语言处理等任务中非常有用。如何在ChatGPT中使用：应该向模型提供一组数据点，并要求它根据某些特征或特点将它们分组成簇。提示还应包括有关所需输出的信息，例如要生成的簇数和任何特定的要求或约束。提示示例及其公式：示例1：客户评论的聚类 • 任务：将相似的客户评论分组在一起 • 说明：应根据情感将评论分组 • 提示公式：“将以下客户评论根据情感分组成簇：[插入评论]” 示例2：新闻文章的聚类 • 任务：将相似的新闻文章分组在一起 • 说明：应根据主题将文章分组 • 提示公式：“将以下新闻文章根据主题分组成簇：[插入文章]” 示例3：科学论文的聚类 • 任务：将相似的科学论文分组在一起 • 说明：应根据研究领域将论文分组 • 提示公式：“将以下科学论文根据研究领域分组成簇：[插入论文]”

第十九章：强化学习提示

强化学习提示是一种技术，可以使模型从过去的行动中学习，并随着时间的推移提高其性能。要在ChatGPT中使用强化学习提示，需要为模型提供一组输入和奖励，并允许其根据接收到的奖励调整其行为。提示还应包括有关期望输出的信息，例如要完成的任务以及任何特定要求或限制。这种技术对于决策制定、游戏玩法和自然语言生成等任务非常有用。提示示例及其公式：示例1：用于文本生成的强化学习 • 任务：生成与特定风格一致的文本 • 说明：模型应根据为生成与特定风格一致的文本而接收到的奖励来调整其行为 • 提示公式：“使用强化学习来生成与以下风格一致的文本[插入风格]” 示例2：用于语言翻译的强化学习 • 任务：将文本从一种语言翻译成另一种语言 • 说明：模型应根据为生成准确翻译而接收到的奖励来调整其行为 • 提示公式：“使用强化学习将以下文本[插入文本]从[插入语言]翻译成[插入语言]” 示例3：用于问答的强化学习 • 任务：回答问题 • 说明：模型应根据为生成准确答案而接收到的奖励来调整其行为 • 提示公式：“使用强化学习来回答以下问题[插入问题]”

第二十章：课程学习提示

课程学习是一种技术，允许模型通过先训练简单任务，逐渐增加难度来学习复杂任务。要在ChatGPT中使用课程学习提示，模型应该提供一系列任务，这些任务逐渐增加难度。提示还应包括有关期望输出的信息，例如要完成的最终任务以及任何特定要求或约束条件。此技术对自然语言处理、图像识别和机器学习等任务非常有用。提示示例及其公式：示例1：用于文本生成的课程学习 • 任务：生成与特定风格一致的文本 • 说明：模型应该在移动到更复杂的风格之前先在简单的风格上进行训练。 • 提示公式：“使用课程学习来生成与以下风格[插入风格]一致的文本，按照以下顺序[插入顺序]。” 示例2：用于语言翻译的课程学习 • 任务：将文本从一种语言翻译成另一种语言 • 说明：模型应该在移动到更复杂的语言之前先在简单的语言上进行训练。 • 提示公式：“使用课程学习将以下语言[插入语言]的文本翻译成以下顺序[插入顺序]。” 示例3：用于问题回答的课程学习 • 任务：回答问题 • 说明：模型应该在移动到更复杂的问题之前先在简单的问题上进行训练。 • 提示公式：“使用课程学习来回答以下问题[插入问题]，按照以下顺序[插入顺序]生成答案。”

第二十一章：情感分析提示

情感分析是一种技术，允许模型确定文本的情绪色彩或态度，例如它是积极的、消极的还是中立的。要在ChatGPT中使用情感分析提示，模型应该提供一段文本并要求根据其情感分类。提示还应包括关于所需输出的信息，例如要检测的情感类型（例如积极的、消极的、中立的）和任何特定要求或约束条件。提示示例及其公式：示例1：客户评论的情感分析 • 任务：确定客户评论的情感 • 说明：模型应该将评论分类为积极的、消极的或中立的 • 提示公式：“对以下客户评论进行情感分析[插入评论]，并将它们分类为积极的、消极的或中立的。” 示例2：推文的情感分析 • 任务：确定推文的情感 • 说明：模型应该将推文分类为积极的、消极的或中立的 • 提示公式：“对以下推文进行情感分析[插入推文]，并将它们分类为积极的、消极的或中立的。” 示例3：产品评论的情感分析 • 任务：确定产品评论的情感 • 说明：模型应该将评论分类为积极的、消极的或中立的 • 提示公式：“对以下产品评论进行情感分析[插入评论]，并将它们分类为积极的、消极的或中立的。” 这种技术对自然语言处理、客户服务和市场研究等任务非常有用。

第二十二章：命名实体识别提示

命名实体识别（NER）是一种技术，它可以使模型识别和分类文本中的命名实体，例如人名、组织机构、地点和日期等。要在ChatGPT中使用命名实体识别提示，需要向模型提供一段文本，并要求它识别和分类文本中的命名实体。提示还应包括有关所需输出的信息，例如要识别的命名实体类型（例如人名、组织机构、地点、日期）以及任何特定要求或约束条件。提示示例及其公式：示例1：新闻文章中的命名实体识别 • 任务：在新闻文章中识别和分类命名实体 • 说明：模型应识别和分类人名、组织机构、地点和日期 • 提示公式：“在以下新闻文章[插入文章]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。” 示例2：法律文件中的命名实体识别 • 任务：在法律文件中识别和分类命名实体 • 说明：模型应识别和分类人名、组织机构、地点和日期 • 提示公式：“在以下法律文件[插入文件]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。” 示例3：研究论文中的命名实体识别 • 任务：在研究论文中识别和分类命名实体 • 说明：模型应识别和分类人名、组织机构、地点和日期 • 提示公式：“在以下研究论文[插入论文]上执行命名实体识别，并识别和分类人名、组织机构、地点和日期。”

第二十三章：文本分类提示

文本分类是一种技术，它可以让模型将文本分成不同的类别。这种技术对于自然语言处理、文本分析和情感分析等任务非常有用。需要注意的是，文本分类和情感分析是不同的。情感分析特别关注于确定文本中表达的情感或情绪。这可能包括确定文本表达了积极、消极还是中性的情感。情感分析通常用于客户评论、社交媒体帖子和其他需要表达情感的文本。要在ChatGPT中使用文本分类提示，模型需要提供一段文本，并要求它根据预定义的类别或标签进行分类。提示还应包括有关所需输出的信息，例如类别或标签的数量以及任何特定的要求或约束。提示示例及其公式：示例1：对客户评论进行文本分类 • 任务：将客户评论分类为不同的类别，例如电子产品、服装和家具 • 说明：模型应根据评论的内容对其进行分类 • 提示公式：“对以下客户评论 [插入评论] 进行文本分类，并根据其内容将其分类为不同的类别，例如电子产品、服装和家具。” 示例2：对新闻文章进行文本分类 • 任务：将新闻文章分类为不同的类别，例如体育、政治和娱乐 • 说明：模型应根据文章的内容对其进行分类 • 提示公式：“对以下新闻文章 [插入文章] 进行文本分类，并根据其内容将其分类为不同的类别，例如体育、政治和娱乐。” 示例3：对电子邮件进行文本分类 • 任务：将电子邮件分类为不同的类别，例如垃圾邮件、重要邮件或紧急邮件 • 说明：模型应根据电子邮件的内容和发件人对其进行分类 • 提示公式：“对以下电子邮件 [插入电子邮件] 进行文本分类，并根据其内容和发件人将其分类为不同的类别，例如垃圾邮件、重要邮件或紧急邮件。”

第二十四章：文本生成提示

文本生成提示与本文章中提到的其他提示技术相关，例如：零、一、几次提示，受控生成提示，翻译提示，语言建模提示，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方式和放置在生成文本上的特定要求或限制方面有所不同。文本生成提示可用于微调预训练模型或训练新模型以执行特定任务。提示示例及其公式：示例1：故事创作的文本生成 • 任务：根据给定的提示生成故事 • 说明：故事应至少包含1000个单词，并包括一组特定的角色和情节。 • 提示公式：“根据以下提示[插入提示]生成一个至少包含1000个单词，包括角色[插入角色]和情节[插入情节]的故事。” 示例2：语言翻译的文本生成 • 任务：将给定的文本翻译成另一种语言 • 说明：翻译应准确并符合习惯用语。 • 提示公式：“将以下文本[插入文本]翻译成[插入目标语言]，并确保其准确且符合习惯用语。” 示例3：文本完成的文本生成 • 任务：完成给定的文本 • 说明：生成的文本应与输入文本连贯一致。 • 提示公式：“完成以下文本[插入文本]，并确保其连贯一致且符合输入文本。”