COZE官方文档基础知识解读第三期 —— prompt(提示词)

对于初步接触PE(prompt engineering)
的小伙伴们,你们可以去火山方舟提供的prompt工具,用工具(其余的prompt网站https://www.promptingguide.ai/zh/research/llm-reasoning等,以及AI,也可以辅助完成prompt部分的工作)辅助自己进行任务prompt的产出。
【可以基本完成大部分的prompt 产出任务,工具生成后建议可以:
1,基于模型回复做调试。
2,进一步可以利用测评数据进行自动化调优

一,系统提示词是什么,承担什么样的‘角色’

提示词,SP(system prompt),用于在交互过程中,进行PE侧的模型对齐,使大模型能力对齐下游的业务,适配你的任务、业务场景。
规范模型的行为,限制模型的输出,设置模型的人设,风格;设定任务的背景,明确模型的任务场景和需要解决的问题,限制模型的‘动作’
coze中,通常会在两个地方进行system prompt的设置,
1,BOT的编辑界面(作为整个‘盒子’外在交互的核心)
在这里插入图片描述
2,工作流中的大模型节点,图像生成节点等

在这里插入图片描述

二,prompt的原理,如何设计你的prompt(设计前可以先思考 —— 这个任务能否拆解?如何分步骤最合理?)

1,prompt 的原理,和通用设计方法

"提示词工程,核心不是你套个什么模板用什么格式,而是逻辑的展现!!”【也可以类似看作为一个COT(思维链),利用步骤指导模型进行带有逻辑的思考
逻辑就是你怎么将一个复杂的任务拆成科学合理的步骤,并且让前面每一步的结果都成为后面步骤的基础,所有步骤合并在一起得到最终的结果,而不要一步得到结果。
只有这样你才能优化模型在实际业务场景下的表现,得到最佳的效果
无论你的 Prompt 写得多么精巧,如果任务设计只有一步,效果的上限往往较低,受限模型本身推导的能力。但如果你能将任务拆解成多个阶段,例如在机器翻译中:先直译,再反思含义,最后进行意译,输出的质量就能更接近人类的表达方式。

同样的原则也适用于摘要任务。如果你只是简单地下达“总结一下”的指令,模型很可能会跳过细节、遗漏要点。但如果你引导模型依次执行以下步骤:

1,提取核心主题

2,检查是否有遗漏的主题

3,针对每个主题列出关键信息

4,最后基于以上内容撰写总结

——那么最终的结果不仅更完整,也更接近人类编辑,思考的逻辑深度。

哪怕只是加一句
“我们一步步来”,让模型自行列出解决路径并逐步执行,也能显著提升输出质量。

2,示例

我们以机器翻译,摘要总结为例,设计如下初版的prompt供参考和学习(优化的方法很多,还有few-shot,使用伪代码,示例,后工程处理等),你们可以在此基础上,或者结合自己的想法,基于实际的业务场景去做进一步的调试。
示例一:
摘要总结这个任务分成如下几个步骤:

a, 列出话题
b, 基于每个话题列出 bullet points 格式的要点
c, 基于上面的结构去展开生成

prompt:
请用中文详尽总结以下对话内容,我们来一步步处理这个总结任务。

  1. 阅读以下内容,提取所有关键主题(可以是隐含的)
  2. 检查是否有可能遗漏的重要主题或观点,并补充
  3. 针对每个主题,列出关键要点
  4. 基于以上内容,生成一段结构清晰、信息完整的总结

内容如下:

<你要总结的内容>

示例二:
将原来的机器翻译直译拆成了三步:

a, 直译
b, 反思:指出直译中的问题,例如:“不符合中文表达习惯”、“语句不通顺”和“晦涩难懂”,并且指出位置或者给出解释
c, 根据直译和问题进行意译

prompt:

不要直接翻译这段文本,而是按以下步骤处理:

  1. 先做逐句直译,保留原始结构
  2. 分析原文的语境、逻辑、说话语气
  3. 基于理解,对每句话进行更自然的意译,确保符合中文表达习惯
  4. 输出最终翻译版本,并简要解释修改依据(可选)

原文如下:{英文原文}

三,实践示例分享

如下图工作流可以用于头像的制作(修改模型和图像生成节点里面的内容,可以自行优化输出的结果)
模型节点1prompt1:
你是资深的表情包视觉设计师,擅长将简洁关键词扩展为具备强烈情绪表达和视觉冲击力的画面。

1,请根据用户提供的要素(角色、场景、表情、动作、语气等),生成一个用于表情包的完整画面描述。画面应具备:

2,明确的主角形象(如外貌、穿着、种族、身份设定);

3,丰富的背景场景(如地点、时间、情绪氛围);

4,关键视觉动作与表情细节;用于画面创作的提示词(prompt 元素),可用于图像生成模型(如 Stable Diffusion、DALL·E)。
<输出格式>
[角色设定]:
[表情与动作]:
[场景描述]:
[推荐的视觉关键词]:
<输出格式>

模型节点2prompt2:
按下以下步骤生成一句文案

1.根据{{input}} 描述捕捉出画面最想要传递的意图

2.从以下文案中选出合适的一个类型,并从这个类型中选出第 n 条作为表情包文案,要求,n=当前时刻的秒数值,若数量小于n,则循环计数

文案类型0:内心平静无波澜
情绪淡淡的
人生就是淡淡的
获得永久平静
船到桥头自然沉
睡一觉就好了

文案类型1:没有欲望
看淡世俗
没有世俗的欲望
丧失欲望

文案类型2事情越难过越开心类型:
哈哈!地球爆炸啦
哈哈!走投无路啦
哈哈!又被骂啦
哈哈!毁灭吧

文案类型3 不想活了型
好平静,原来是死了
哈哈!我死了
不想活了,撞大墙吧
再说我跳下去了
问就是还活着
破日子几时到头
勿念
先走一步
无所谓,我会给自己送终
哈哈,我等不及要去死啦!
生存欲望极低

文案类型4 故作坚强
我好的很啊
多大点事啊
伤心总是难免的
硬撑
睡一觉就好了
无所谓,我会笑对人生

文案类型5:抑郁伤心型
精神恍惚
颓废
自闭
怀疑人生
恍恍惚惚
点烟.jpg
脆弱时间到,我们一起来祷告
精神换算

文案类型6:想发疯型
淡淡的杀意
全部创飞!
我的精神病一触即发
哈哈,我疯啦
醒了,想吃人

文案类型7;反问型,贱兮兮
需要说 sorry 吗
啊? 不是吧
so?
我能说脏话吗?不能吗?

文案类型8:好的。什么都干型
狗不干我干
坚持住,忙完这阵子 就可以忙下一阵子了
在的,您说
好的,收到
明白,马上改
改好, 您请过目

在这里插入图片描述

四,prompt相关知识分享

https://www.promptingguide.ai/zh/research/llm-reasoning(不稳定的话可以使用科学上网)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/89506.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/89506.shtml
英文地址,请注明出处:http://en.pswp.cn/bicheng/89506.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

代码随想录算法训练营第三十二天|动态规划理论基础、LeetCode 509. 斐波那契数、70. 爬楼梯、746. 使用最小花费爬楼梯

目录 LeetCode 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯 感想 文档讲解&#xff1a;代码随想录 动态规划&#xff0c;英文&#xff1a;Dynamic Programming&#xff0c;简称DP&#xff0c;如果某一问题有很多重叠子问题&#xff0c;使用动态规划是最有效的。 …

SpringMVC3

一、JSON 与参数传递1.1JSON 是什么- JSON 是字符串&#xff1a;比如 {"name":"zhangsan","password":"123456","age":15} 就是一个 JSON 字符串&#xff0c;它用来在前后端、服务间传递数据。- JSON 库&#xff1a;Fastj…

查看.bin二进制文件的方式(HxD十六进制编辑器的安装)

文章目录Windows 系统上安装 HxD 十六进制编辑器的步骤。**HxD 是一款免费、轻量级的工具&#xff0c;适合查看和编辑 .bin 等二进制文件。****PS:实际安装过程中会发现找不到Windows11的版本&#xff0c;安装windows10的即可&#xff0c;并且没有区别setup版和portable版**安装…

Linux系统性能优化与监控

系统性能优化与监控是保障 Linux 服务器稳定运行的核心技术&#xff0c;涉及 ​​CPU、内存、磁盘 I/O、网络、进程​​ 等多维度的指标分析、问题定位与优化策略。以下从​​监控工具与指标​​、​​常见问题诊断​​、​​优化方法​​三个层面详细讲解&#xff0c;并结合​…

如何在 React + TypeScript 中实现 JSON 格式化功能

如何在 React TypeScript 中实现 JSON 格式化功能 作为前端开发者&#xff0c;我们经常需要处理 JSON 数据。无论是 API 调试、配置文件编辑还是数据转换&#xff0c;能够格式化 JSON 是一项基本但非常有用的技能。本文将详细介绍如何在 React 和 TypeScript 环境中实现 JSON…

Mac连接服务器Docker容器全攻略

苹果电脑( macOS 系统 )连接服务器、配置容器,整体思路和 Linux 终端操作更贴近,以下结合 macOS 特点,详细分步说明,以 Docker 容器 + 常见 Linux 服务器( 如 CentOS、Ubuntu )为例: 一、连接服务器(SSH 方式, macOS 终端原生支持 ) 1. 准备信息 找运维或云平台…

【字节跳动】数据挖掘面试题0019:带货直播间推荐:现在有一个带货的直播间,怎么把它精准地推送给有需要的用户

文章大纲 带货直播间推荐系统:原理、算法与实践 一、推荐系统在带货直播中的重要性 二、数据收集与处理 1. 用户数据 2. 直播间数据 3. 用户行为数据 4. 数据处理与特征工程 三、推荐算法实现 1. 基于内容的推荐 2. 基于协同过滤的推荐 3. 基于知识图谱的推荐 4. 混合推荐算法…

Windows10笔记本电脑开启BIOS

文章目录什么是BIOS一、方案一&#xff1a;快捷键进入二、方案二&#xff08;推荐&#xff09;各品牌快捷键大全什么是BIOS BIOS 全拼为 BasicInputOutputSystem, 即基本输入/输出系统,是计算机中非常基础而且重要的程序。把这一段程序存放在一个不需要电源的记忆体(芯片)中,就…

NFS、iSCSI 和lnmp部署操作

目录 &#xff08;一&#xff09;基础配置 1.NFS服务安装 2.修改配置文件 3.重载配置文件 4.查看共享目录 5.客户端挂载 6.更换共享目录 7.基础实验 &#xff08;二&#xff09;布置lnmp平台 1.php 安装软件 检测 2.连接MySQL 测试 3.软件实施 软件安装配置 &…

Redis深度解析:从缓存原理到高并发实战

第一部分&#xff1a;Redis核心概念与架构设计1.1 Redis本质解析Redis&#xff08;Remote Dictionary Server&#xff09;作为开源的内存数据结构存储系统&#xff0c;其核心价值在于&#xff1a;内存优先架构&#xff1a;数据主要存储在内存中&#xff0c;读写性能达到10万 QP…

【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 微博类别信息爬取

大家好&#xff0c;我是java1234_小锋老师&#xff0c;最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flaskpandasecharts)视频教程&#xff0c;持续更新中&#xff0c;计划月底更新完&#xff0c;感谢支持。今天讲解架构搭建 视频在线地址&#xff1a; 2026…

GD32/STM32嵌入CMSIS-DSP的库(基于Keil)

当你要用到三角函数、开方、矩阵运算等复杂的数学运算时&#xff0c;可以选择用C库的math.h里面的函数&#xff0c;如果要求速度快的话就得用CMSIS-DSP库里面的函数了&#xff0c;因为CMSIS-DSP库充分运用了CM4内核的浮点运算单元&#xff08;若有&#xff09;和DSP相关的指令&…

页面登录阻止浏览器提醒是否保存密码

一、原因 使用input的type"password"类型&#xff0c;浏览器会提醒是否记住密码。 二、解决 取消type"password" 三、实现输入密码*代替 通过input输入框&#xff0c;监听输入值&#xff0c;进行替换成*符号&#xff0c;避免使用input的type"password…

【iOS】dyld加载流程——应用程序的加载

目录 前言 编译过程与动静态库 编译过程 动静态库 dyld &#x1f4cc; 什么是 dyld&#xff1f; dyld_shared_cache: dyld加载流程 _dyld_start dyldbootstrap::start dyld::main() 配置环境变量 共享缓存 主程序的初始化 插入动态库 link主程序 link动态库 弱…

从零开始,手把手教你本地部署Stable Diffusion AI绘画(Win最新版)

本号之前有发过一篇win平台的教程&#xff0c;由于是去年10月发布的&#xff0c;而Al绘画技术发展很快&#xff0c;那篇教程已经有些不适用了&#xff0c;有些同学执行到第二步就出错了。 应广大同学的期望&#xff0c;我更新一版新版详细教程。 一、前言 1.为什么要本地部署…

day21 力扣669. 修剪二叉搜索树 力扣108.将有序数组转换为二叉搜索树 力扣538.把二叉搜索树转换为累加树

修剪二叉搜索树 给你二叉搜索树的根节点 root &#xff0c;同时给定最小边界low 和最大边界 high。通过修剪二叉搜索树&#xff0c;使得所有节点的值在[low, high]中。修剪树 不应该 改变保留在树中的元素的相对结构 (即&#xff0c;如果没有被移除&#xff0c;原有的父代子代关…

《设计模式之禅》笔记摘录 - 7.中介者模式

中介者模式的定义中介者模式的定义为&#xff1a;Define an object that encapsulates how a set of objects interact.Mediator promotes loose coupling by keeping objects from referring to each other explicitly, and it lets you vary their interaction independently…

Flutter:上传图片,选择相机或相册:wechat_assets_picker

图片选择功能&#xff1a;可选单张&#xff0c;或多张。 1、showModalBottomSheet&#xff08;选择相册/相机&#xff09; 2、WechatImagePicker&#xff08;选取图片&#xff09; 3、CompressMediaFile&#xff08;图片压缩&#xff09;1、ActionSheetUtilimport package:duca…

pytest--0

1 pytest 使用方式 pytest测试框架-- 基本功能使用详解 2 pytest-mock常用方式 pytest–1–pytest-mock常用的方法 3

multiprocessing.Pool 中的 pickle 详解

前言&#xff1a; 在 Python 的 multiprocessing.Pool 中&#xff0c;任务和数据需要通过序列化&#xff08;pickle&#xff09;传递给子进程。pickle 是 Python 的内置序列化模块&#xff0c;用于将 Python 对象转换为字节流&#xff0c;以便在进程间通信时传递。然而&#xf…