Dalam Casino Royale (2006), James Bond menentukan ramuan tepat untuk Vesper martininya: 3 sukat Gordons, 1 daripada Vodka, setengah sukat Kina Lillet, digoncang di atas ais dengan hirisan nipis kulit limau.
Dengan memperincikan komponen, Bond memastikan minuman yang unggul. Begitu juga, dalam berinteraksi dengan model bahasa besar (LLM), kekhususan dan kejelasan gesaan anda menentukan kualiti output.
Proses ini, yang dikenali sebagai kejuruteraan segera, adalah penting untuk mendapatkan respons yang tepat dan berkaitan daripada sistem AI.
Apakah itu Kejuruteraan Segera?
Kejuruteraan segera melibatkan pembuatan arahan yang tepat untuk mengoptimumkan respons LLM. Lebih terperinci dan spesifik gesaan input, lebih relevan dan sejajar output akan menjadi dengan keperluan anda.
Contoh:
Jika anda bertanya kepada LLM, "Ringkaskan kejuruteraan segera", jawapannya mungkin kabur. Walau bagaimanapun, dengan menyatakan permintaan seperti ini:
Prompt: “Berikan ringkasan 100 perkataan tentang kejuruteraan segera, ditujukan kepada pengguna bukan teknikal.”
LLM kini dibimbing untuk memberikan jawapan yang ringkas dan khusus penonton.
Output:
"Kejuruteraan segera sedang merangka arahan yang berkesan untuk sistem AI seperti ChatGPT untuk mendapatkan hasil yang terbaik. Ia melibatkan menjadi khusus, menyediakan konteks dan memecahkan soalan yang kompleks. Dengan menentukan format, memberikan contoh atau menetapkan sempadan, kejuruteraan segera memastikan komunikasi yang jelas dengan Pembantu AI."
Kaedah meminta keluaran khusus ini menunjukkan cara untuk "mereka" gesaan untuk mendapatkan hasil yang diingini dan tepat.
Komponen Gesaan LLM yang Baik
1 Konteks: Konteks menyediakan LLM maklumat tambahan yang membantunya memahami permintaan anda dengan lebih lengkap. Dengan membenamkan konteks yang berkaitan, AI boleh menjana respons yang lebih tepat dan disesuaikan.
Contoh:
Katakan anda sedang mengusahakan projek C# dan ingin mengubah suai definisi kelas. Konteks di sini boleh menjadi coretan kod.
Prompt dengan Konteks:
"Memberi kod C# ini:
Pengguna kelas awam { public int UserId { get; set; } rentetan awam Nama { get; set; } rentetan awam E-mel { dapatkan; set; } rentetan awam Nombor Telefon { dapatkan; set; } }
Ubah suai kelas untuk menjadikan UserId dan Nama baca sahaja dan tetapkannya dalam pembina."
Output:
public class User { public int UserId { get; } public string Name { get; } public string Email { get; set; } public string PhoneNumber { get; set; } public User(int userId, string name) { UserId = userId; Name = name; } }
Contoh ini menggambarkan kepentingan menyediakan konteks yang relevan untuk membimbing LLM dalam menjana respons yang betul.
- Soalan Pengguna: Soalan ialah bahagian utama gesaan. Ia hendaklah satu guna, khusus dan ringkas.
Contoh:
Jika anda ingin mencipta kelas pengguna dalam C# dengan medan tertentu, nyatakan medan dan tingkah laku yang diperlukan dengan jelas.
Soalan Samar:
"Buat kelas pengguna."
Soalan Khusus:
"Buat kelas pengguna C# dengan medan: UserId, Nama, Nombor Telefon. Jadikan UserId baca sahaja dan tambah pembina untuk menetapkan medan ini."
Output:
public class User { public int UserId { get; } public string Name { get; } public string Email { get; set; } public string PhoneNumber { get; set; } public User(int userId, string name) { UserId = userId; Name = name; } }
- Panduan Output: Anda boleh membimbing output model dengan memberikan contoh format yang anda inginkan.
Contoh:
Jika anda perlu menjana data tiruan untuk kelas Pengguna, berikan contoh rupa data itu.
Prompt dengan Contoh:
"Janakan 5 kejadian kelas Pengguna dengan medan ini: UserId, Nama, E-mel, Nombor Telefon. Gunakan format berikut sebagai contoh:
var user1 = Pengguna baharu(1, "John Doe", "john.doe@example.com", "555-555-5555");
Berikut ialah beberapa contoh:
var user2 = Pengguna baharu(2, "Jane Doe", "jane.doe@example.com", "555-555-5556");
Sekarang jana 5 kejadian."
Output:
public class User { public int UserId { get; } public string Name { get; set; } public string PhoneNumber { get; set; } public User(int userId, string name, string phoneNumber) { UserId = userId; Name = name; PhoneNumber = phoneNumber; } }
Teknik Kejuruteraan Segera Berkesan
- Gesaan Tangkapan Sifar: LLM menjana respons berdasarkan data latihannya tanpa contoh yang jelas. Ini berkesan untuk menjana penyelesaian atau jawapan generik berdasarkan corak yang telah ditetapkan.
Contoh:
Prompt: "Buat ujian unit untuk kelas Pengguna menggunakan xUnit dalam C#."
Output:
var user1 = new User(1, "John Smith", "john.smith@example.com", "555-555-5555"); var user2 = new User(2, "Jane Doe", "jane.doe@example.com", "555-555-5556"); var user3 = new User(3, "Mary Johnson", "mary.johnson@example.com", "555-555-5557"); var user4 = new User(4, "David Lee", "david.lee@example.com", "555-555-5558"); var user5 = new User(5, "Linda White", "linda.white@example.com", "555-555-5559");
- Gesaan Beberapa Tangkapan: Berikan beberapa contoh untuk membimbing model dalam menjana format output yang diingini.
Contoh:
Untuk menjana data bagi kelas Pengguna, anda mungkin menggunakan beberapa contoh titik data untuk membimbing format output.
Prompt dengan Contoh Sedikit Tangkapan:
"Berikut ialah beberapa contoh kelas Pengguna:
var user1 = Pengguna baharu(1, "John Smith", "john.smith@example.com", "555-555-5555");
var user2 = Pengguna baharu(2, "Jane Doe", "jane.doe@example.com", "555-555-5556");
Sekarang buat 3 kejadian lagi mengikut corak yang sama."
Output:
public class UserTests { [Fact] public void UserConstructor_SetsProperties() { // Arrange var user = new User(1, "John Doe", "john.doe@example.com", "555-555-5555"); // Act & Assert Assert.Equal(1, user.UserId); Assert.Equal("John Doe", user.Name); Assert.Equal("john.doe@example.com", user.Email); Assert.Equal("555-555-5555", user.PhoneNumber); } }
- Perantaian Segera: Perhalusi pertanyaan anda secara berulang berdasarkan respons sebelumnya, membolehkan model membina interaksi terdahulu.
Contoh:
Mulakan dengan gesaan mudah dan ubah suainya secara berperingkat.
Gesaan Pertama:
"Buat kelas Pengguna asas dalam Python."
Output:
public class User { public int UserId { get; } public string Name { get; } public string Email { get; set; } public string PhoneNumber { get; set; } public User(int userId, string name) { UserId = userId; Name = name; } }
Gesaan Susulan:
"Tukar kelas ini kepada C#."
Output:
public class User { public int UserId { get; } public string Name { get; set; } public string PhoneNumber { get; set; } public User(int userId, string name, string phoneNumber) { UserId = userId; Name = name; PhoneNumber = phoneNumber; } }
Gesaan Akhir:
"Jadikan sifat Kata Laluan peribadi, dan tambahkan sifat DateTime CreatedAt yang dimulakan dalam pembina."
Output:
var user1 = new User(1, "John Smith", "john.smith@example.com", "555-555-5555"); var user2 = new User(2, "Jane Doe", "jane.doe@example.com", "555-555-5556"); var user3 = new User(3, "Mary Johnson", "mary.johnson@example.com", "555-555-5557"); var user4 = new User(4, "David Lee", "david.lee@example.com", "555-555-5558"); var user5 = new User(5, "Linda White", "linda.white@example.com", "555-555-5559");
- Gesaan Rantaian Pemikiran: Sediakan arahan berbilang langkah, membantu LLM mendekati masalah yang rumit langkah demi langkah.
Contoh:
Prompt:
*"Buat satu set ujian unit untuk kelas C# berikut:
Pengguna kelas awam { public int UserId { get; set; } rentetan awam Nama { get; set; } rentetan awam Nombor Telefon { dapatkan; set; } }
Fikirkan langkah demi langkah:
- Kenal pasti senario utama untuk diuji.
- Tulis ujian unit menggunakan xUnit.
- Pertimbangkan kes tepi."*
Output:
public class UserTests { [Fact] public void UserConstructor_SetsProperties() { // Arrange var user = new User(1, "John Doe", "john.doe@example.com", "555-555-5555"); // Act & Assert Assert.Equal(1, user.UserId); Assert.Equal("John Doe", user.Name); Assert.Equal("john.doe@example.com", user.Email); Assert.Equal("555-555-5555", user.PhoneNumber); } }
Artikel itu pada asalnya ditulis oleh Jim, ketua Devreal di Pieces for Developers. Anda boleh mendapatkan lebih banyak contoh dan nuansa dalam artikel ini https://pieces.app/blog/llm-prompt-engineering
Atas ialah kandungan terperinci teknik untuk Kejuruteraan Cepat Berkesan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

JavaandjavascriptaredistinctLanguages: javaisusedforenterpriseandMobileApps, whilvascriptisforinteractivewebpages.1) javaisco mpiled, statiktyped, andrunsonjvm.2) javascriptisinterinterpreted, dinamicallytyped, andrunsinbrowsersornode.js.3) javausesoopwithcl

Jenis data teras JavaScript adalah konsisten dalam penyemak imbas dan node.js, tetapi ditangani secara berbeza dari jenis tambahan. 1) Objek global adalah tetingkap dalam penyemak imbas dan global di Node.js. 2) Objek penampan unik Node.js, digunakan untuk memproses data binari. 3) Terdapat juga perbezaan prestasi dan pemprosesan masa, dan kod perlu diselaraskan mengikut persekitaran.

JavaScriptusestWotypesofcomments: Single-line (//) danMulti-line (//)

Perbezaan utama antara Python dan JavaScript ialah sistem jenis dan senario aplikasi. 1. Python menggunakan jenis dinamik, sesuai untuk pengkomputeran saintifik dan analisis data. 2. JavaScript mengamalkan jenis yang lemah dan digunakan secara meluas dalam pembangunan depan dan stack penuh. Kedua -duanya mempunyai kelebihan mereka sendiri dalam pengaturcaraan dan pengoptimuman prestasi yang tidak segerak, dan harus diputuskan mengikut keperluan projek ketika memilih.

Sama ada untuk memilih Python atau JavaScript bergantung kepada jenis projek: 1) Pilih Python untuk Sains Data dan Tugas Automasi; 2) Pilih JavaScript untuk pembangunan front-end dan penuh. Python disukai untuk perpustakaannya yang kuat dalam pemprosesan data dan automasi, sementara JavaScript sangat diperlukan untuk kelebihannya dalam interaksi web dan pembangunan stack penuh.

Python dan JavaScript masing -masing mempunyai kelebihan mereka sendiri, dan pilihan bergantung kepada keperluan projek dan keutamaan peribadi. 1. Python mudah dipelajari, dengan sintaks ringkas, sesuai untuk sains data dan pembangunan back-end, tetapi mempunyai kelajuan pelaksanaan yang perlahan. 2. JavaScript berada di mana-mana dalam pembangunan front-end dan mempunyai keupayaan pengaturcaraan tak segerak yang kuat. Node.js menjadikannya sesuai untuk pembangunan penuh, tetapi sintaks mungkin rumit dan rawan kesilapan.

Javascriptisnotbuiltoncorc; it'saninterpretedlanguagethatrunsonenginesoftenwritteninc .1) javascriptwasdesignedasalightweight, interpratedlanguageforwebbrowsers.2)

JavaScript boleh digunakan untuk pembangunan front-end dan back-end. Bahagian depan meningkatkan pengalaman pengguna melalui operasi DOM, dan back-end mengendalikan tugas pelayan melalui Node.js. 1. Contoh front-end: Tukar kandungan teks laman web. 2. Contoh backend: Buat pelayan Node.js.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Versi Mac WebStorm
Alat pembangunan JavaScript yang berguna

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
