当下之时, 大模型输出常常存有诸多多余的信息。于本文里面, 靠着文心一言, 我们给出了一种提示词结构, 它涵盖有指令、输入的数据、背景方面的信息以及输出的提示, 使得大模型能够切实地直接命中应用开发者的需求, 严谨依照开发者给出的指令来执行, 为大模型的原生应用建立起了根基。01 前言在大语言模型里, 被称作“提示词”的中文它的作用主要是, 给大语言模型提示出输入信息的上下文, 还有输入模型的参数信息, 可以将其类比于人类交流当中的提示或者线索去帮助大语言模型理解开发者的意图, 依据线索提供恰当的响应或者输出。有的, 设计能对模型输出的质量以及相关性起到决定性的作用。然而呢, 现下已有的那些提示词资源, 虽说在一定的程度上给开发者给予了便利, 可它们依旧是存在着某些 的问题的。一方面, 提示词存在缺乏理论体系的问题, 尽管有大量提示词资源可被运用, 然而开发者于实践里还是会碰到怎样凭借有效方式去编写提示词的难题, 原因在于当下还没有构成一整套完备的理论体系用以指示用户怎样去搭建以及优化提示词。另一方面, 长久以来, 在对各式各样提示词进行尝试和应用时, 开发者由于缺乏方法论的支持, 没办法系统地提炼出各类经验, 归纳出相应规律, 进而难以掌握编写具备高效性提示词的技巧, 这种状况不但限制了其潜在力的发挥, 还对开发者充分运用AI模型的能力造成了阻碍。输出和开发者期望不一致, 当前大语言模型处理复杂开发者输入时, 常常不能直接生成符合开发者具体需求的结果, 模型输出的信息, 可能要开发者进行额外人工编辑与调整, 才可达可用状态, 开发者得投入额外时间和精力修正完善 AI 原始输出, 这既降低效率也影响开发者体验。由此可见, 鉴于要助力开发者更为深入地领会以及切实有效地运用提示词, 此文会着重于两个主要方面着手展开探讨:对于提示词基本组成的各部分有, 指令, 输入数据也就是Input Data, 背景信息, 以及输出指示器, 而这些共同整合构成为提示词核心所在, 对设计有效的人与人工智能交互是有着不可忽视的重要性的。依托格式化结果输出, 深入探究怎样借助精准的提示词, 对 AI 输出结果予以格式化, 进而突显提示词大模型的独特价值以及应用潜质, 这属于进阶应用。逗号。借此两个层级的剖析, 使用者会可以更为准确地规划并运用提示语, 从而实现更优良的人工智能应用感受。02 基本组成部分关键在于大语言模型互动之中的是设计, 其能对模型输出结果的质量产生显著影响, 有四个元素应当被包含在一个合理的设计里, 它们是:1这是, 当中, 最为关键的部分, 指令, 直接告知, 模型, 用户, 期望, 执行, 的, 具体, 任务。2被输入的数据, 也就是Input Data, 它是那种模型所必要去处理的特定的信息。3那个被称作背景信息的内容, 它为模型给予了去执行任务时所需要的用于构建环境的信息状态, 或者是额外增添的细节情况。4输出指示器是什么呢, 它是这样的, 即输出指示器定义了模型输出的期望类型或格式。设计之际, 将这四个元素合理予以结合, 能够明显显著地提升大语言模型的响应效果跟输出质量。当中用户可依照实际需求, 做出选择性地包含某些元素的行为。于此其中, 指令是绝对不可缺少的, 而其他元素则要依据具体情况来判定是否添加、怎样添加, 从而使得其更加精炼且高效。经由仔细地考虑并运用这些元素, 用户必定能够更为出色地引导大语言模型, 进而获取更相符于预期的结果。用一个特定的实例来展开演示想想一个清晰的场景要让大语言模型告知我们一位学生讲述的话语是“正确的”还是“错误的”以下是一份合乎情理的提示词的搭建进程。1.指令请判断学生说的话是否正确2.输入数据Input Data学生说的话学生说的话3.其背景资讯呈现如下状况, 若其为正确情形, 则需运用“正确”予以表述, 假设其为错误状况, 那么就要采用“错误”来进行说明。4.那通过输出指示器的方式显现吧, 其中, 输出格式为: \n### 是否正确\n, 而具体内容是{是否正确}。将提示词进行组合不同的内容用\n(换行符)分割指令请判断学生说的话是否正确 \n 学生说的话学生说的话###是否正确, {若呈现的是正确的情况, 那就请运用’正确’来予以表示, 要是呈现的是错误的情形, 那就请运用’错误’来予以表示}。03 基于 的格式化结果输出与正则表达式提取具体问题解决时, 尤其在AI技术原生应用领域, 对输出结果做格式化是关键步骤, 格式化输出不但利于维持结果的一致性, 可确保输出的数据能被后续分析及处理程序正确识别并使用, 大语言模型易产生含多余信息的答案, 这些答案语言正确却不符合特定格式要求, 所以无法直接用于进一步的数据处理流程。单拿出一个特定的应用场景当作例子来讲 , 我们心里期望着模型可以明确指出一位学生所说的话语到底是“正确”的范畴还是“错误”的领域呢 , 而要是纯然只运用一种便捷直率的 , 借由文字形式去表述需求 , 就好比:先判定一下1加1等于3这样一个情况究竟对不对, 要是对的话那就用“正确”来表明, 要是不对的话那就用“错误”来表明, 只单单输出“正确”跟“错误”, 务必要且一定不要输出其他任何方面有关的信息。▎代码1user_input 请判断113是否正确正确请使用正确表示错误请使用错误表示请仅输出正确和错误,请勿输出其他任何信息 response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result()) 回答1 在标准数学逻辑中113是不正确的。即便如此这般的指令, 兴许依旧没办法确保模型输出的结果全然契合预期, AI 模型有可能产生包含额外阐释或者并非必要信息的回应, 进而干扰数据的自动化处理。而事实上, 要是运用基本构成部分里的成果, 能够完备地产生成果。请对学生所说的话进行判断看其是否正确, 学生说的话是113, 给出的信息是正确要用’正确’来表示, 错误须用’错误’来表示, 输出格式为###是否正确\n{是否正确}。▎代码2user_input 请判断学生说的话是否正确 \n 学生说的话113 \n 信息正确请使用正确表示错误请使用错误表示 \n 输出格式\n###是否正确\n{是否正确} response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result()) 回答2 ###是否正确 错误有多个需求要去实现之际, 也能够借助基础本组成部分达成, 比如说期望AI在进行判断期间, 可以将学生的具体错误指出来:请对学生所说的话进行判断, 看其是否正确, 学生所说的话是: 1加1等于3, 所给信息为: 若正确请用“正确”来表示, 若错误请用“错误”来表示, 输出格式是这样的: ###是否正确\n{是否正确} \n###学生的错误\n{学生的错误。▎代码3user_input 请判断学生说的话是否正确 \n 学生说的话113 \n 信息正确请使用正确表示错误请使用错误表示 \n 输出格式\n###是否正确\n{是否正确} response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result()) 回答3 ###是否正确 错误 ###学生的错误 学生的错误在于他们的加法计算不准确。他们认为113但实际上112。有这样一种方式, 是在大模型生成按固定格式而成的输出结果之后, 基于正则表达式去进行对应信息的提取。正则表达式属于一种强大的文本处理相关工具, 它能使用户定义出一种搜索模式, 之后在文本里匹配该模式。因为正则表达式具备高度灵活性与功能性, 所以在自然语言处理、数据挖掘、日志文件分析等许多领域, 它成了解构或不那么结构化文本里提取信息的常用办法。▎代码4import re text response.get_result() pattern_correctness re.compile(r###是否正确\n(.*?)\n###学生的错误, re.DOTALL) pattern_error re.compile(r###学生的错误\n(.*), re.DOTALL) correctness_result pattern_correctness.search(text) error_result pattern_error.search(text) is_correct correctness_result.group(1).strip() if correctness_result else None student_error error_result.group(1).strip() if error_result else None print(f{is_correct}) print(f{student_error}) 回答4 错误 113是不正确的。因为根据数学的运算规则11应该等于2而不是3。这个错误可能是因为学生在进行加法运算时发生了混淆或者疏忽。在将大模型回复进行格式化生成时, 我们采用’###当作提取标识, 这样的格式化标签能够作为文本块的起始之处, 给正则匹配供给了分明的锚点。这种清晰的标记途径, 使正则表达式的编写得到了简化。借助于所使用的re模块, 能够达成基于大模型的特定信息提取。正则表达式, 于信息提取范畴而言, 是个极为有用的工具, 尤其在与大模型生成固定格式的输出结果之后, 开展信息提取之时。基于所提取信息的进一步加工, 能够促使大模型推动各类应用的蓬勃发展04 基于飞桨星河社区开发 AI 应用百度精心打造的飞桨星河社区, 是一个专业大模型社区, 该社区为开发者给予算力、模型库、数据集、工具套件、实训项目、社区交流等多方面服务, 借助这些服务开发者能够较为轻松地开展人工智能项目。该平台有个显著亮点, 是其采用轻量化代码实现方式, 这种方式能让用户凭借简洁代码, 快速搭建并训练模型, 极大降低了入门门槛, 用户不用操心底层环境配置, 因为平台已提供预配置开发环境, 涵盖常用机器学习及深度学习框架与库, 这表明用户可直接在Web界面编写代码、运行实验, 无需耗费时间安装与维护各类软件及硬件环境。此外, 飞桨星河社区具有一项显著优势, 那便是其具备可访问性。用户能够直接对平台展开访问, 这一点确保了用户在连接飞桨星河社区服务时, 可以实现稳定且高效的状态, 在完成注册动作之后, 就能顺利进入界面, 进而愉快地投身于编程活动当中啦▎常规提示词结构import erniebot erniebot.api_type aistudio erniebot.access_token ’ user_input 请判断113是否正确正确请使用正确表示错误请使用错误表示请仅输出正确和错误,请勿输出其他任何信息 response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result())▎ 基本组成部分单任务格式化输出import erniebot erniebot.api_type aistudio erniebot.access_token ’ user_input 请判断学生说的话是否正确 \n 学生说的话113 \n 信息正确请使用正确表示错误请使用错误表示 \n 输出格式\n###是否正确\n{是否正确} response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result())▎ 基本组成部分多任务格式化输出import erniebot erniebot.api_type aistudio erniebot.access_token ’ user_input 请判断学生说的话是否正确 \n 学生说的话113 \n 信息正确请使用正确表示错误请使用错误表示 \n 输出格式\n###是否正确\n{是否正确} \n###学生的错误\n{学生的错误} response erniebot.ChatCompletion.create( modelernie-3.5, messages[{ role: user, content: user_input }]) print(response.get_result())伴随通用大语言模型的进展, 以及智能Agent技术的出现, 我们正步入AI应用开发的全新时期, 不管是具备深厚技术底蕴的开发者, 抑或是没有技术背景的人员, 都能够在这里寻得属于自身的位置, 去开发自己的独特应用, AI的将来, 有着无尽潜力与广袤空间, 等着我们去探寻和创新。如何学习大模型现阶段, 社会之中, 大模型愈发普及, 不少人都渴望投身其中, 然而, 却寻觅不到适配的途径来开展学习。身为准资深码农, 当初刚踏入大模型领域之际, 着实遭遇诸多不利状况, 踩过数不清的坑。当下, 我期望将自身积累的经验以及所掌握的知识传递予你们, 助力你们研习 AI 大模型, 进而得以解除你们学习进程里的难题。包含市面上AI大模型各大对应的相关的所有白皮书详细内容, 含有AGI大模型系统学习路线, 收录AI大模型诸多有着实际操作演示作用的视频教程, 以及涉及实战学习所形成的具体录播视频, 这些重要的AI大模型资料, 我都已经把它们免费分享在了网上, 有需求的小伙伴们能够去扫上面所提供的取码来获取。一、AGI大模型系统学习路线不少人于学习大模型之际欠缺方向, 这边学一点, 那边学一点, 恰似一只没头的苍蝇晃来撞去, 我接下来将分享的这条学习路线, 冀望能够帮扶你们去学习AI大模型。二、AI大模型视频教程三、AI大模型各大学习书籍四、AI大模型各大场景实战案例五、结束语当下, 学习AI大模型处于科技发展趋势所趋, 它不但可为我们给予更多机会与面临挑战, 还能使我们对人工智能技术更多地去理解与开展应运用, 借故学习AI大模型, 我们能够深入知晓深度学习、神经网等核心概念诸事, 并且将它应用于自然语言处理、计算机视觉、语音识别等众多领域当中, 与此同时, 把AI大模型掌握住还能够为我们往职业发展方向增添竞争力, 进而变成未来技术领域的领导者哟。此外, 研习AI大模型, 能够为我们自身缔造更多的价值, 给予出更多不同的岗位, 并且使得副业获取收入增长, 进而让自身的生活迈向更高的层次。故而, 去学习AI大模型, 这属于一项有着前景的, 并且是值得投入时间予以付出精力的, 相当重要的选择。