当前位置: 首页 > news >正文

AGI系列(1):掌握AI大模型提示词优化术,提问准确率飙升秘籍

当我们向AI大模型提问时,通常人们的做法是有什么问题,就直接去问,得到大模型的回复结果,时好时坏,完全没有可控性。
那么有没有一种方式或是一套方法,可以让我们向大模型提问时,得到的结果更准确,实际上是是有的,我们本文就来探讨下。

例子引入

我们来举个具体的例子:

场景:
假设你是一名社交媒体经理,你需要帮助起草一篇 Facebook 帖子来宣传你公司的新产品。

那么通常的做法,我们会是,直接向大模型提问:

Prompt:
写一篇Facebook帖子为我公司的新产品做广告。我公司的名字叫Alpha,产品叫Beta,一种新型的超快吹风机。

我们用 GPT-4o 来输出答案:

亲爱的网友们,我很高兴能在这里向大家介绍Alpha公司新推出的产品——Beta超快吹风机!Beta不仅仅是一款吹风机,它是我们对美与速度的独特诠释。这款产品采用尖端科技,能以迅雷不及掩耳之势将你的头发吹干。更不用说,Beta能在保护你的发丝免受热损的前提下,而实现快速吹干。我们Beta的设计理念是结合速度与舒适,我们相信,通过使用Beta,你也将能享受到这种特别的体验。在早上忙碌的日程中,或是赶着出门的时候,Beta都将是你的最佳伴侣。我们在Alpha,始终坚持以客户满意度为中心的服务理念,Beta正是对此承诺的实现。所以,尝试一下吧,让我们的Beta超快吹风机带给你的生活更多的便利和乐趣。期待您的反馈,让我们共同体验以客户为中心的Alpha服务。#Alpha #Beta超快吹风机。

不错,GPT-4o 能够很好的输出想要的内容。但是总感觉有点差强人意,机翻,没有人情味和个性化的感觉。

那么有没有一套可以遵循的方法来解决这个问题呢?

有的,现在,我就来介绍这个方法:CO-STAR 法

可复用方法的介绍

CO-STAR 法其实是一套框架,用框架或模板的方式来撰写提示词。

其组成可用如下图表示:

在这里插入图片描述
CO-STAR 是结构化的Prompt模版六大要素的首字母缩写,即:

(C) Context 上下文:为任务提供背景信息 通过为大语言模型(LLM)提供详细的背景信息,可以帮助它精确理解讨论的具体场景,确保提供的反馈具有相关性。

(O) Objective 目标:明确你要求大语言模型完成的任务 清晰地界定任务目标,可以使大语言模型更专注地调整其回应,以实现这一具体目标。

(S) Style 风格:明确你期望的写作风格 你可以指定一个特定的著名人物或某个行业专家的写作风格,如商业分析师或 CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。

(T) Tone 语气:设置回应的情感调 设定适当的语气,确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。

(A) Audience 受众:识别目标受众 针对特定受众定制大语言模型的回应,无论是领域内的专家、初学者还是儿童,都能确保内容在特定上下文中适当且容易理解。

(R) Response响应:规定输出的格式 确定输出格式是为了确保大语言模型按照你的具体需求进行输出,便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说,JSON 格式是理想的选择。

复用方法之后的效果

我们来看看效果如何:

提示词:

# CONTEXT #
我想为我公司的新产品做广告。我公司的名字叫Alpha,产品叫Beta,是一种新型的超快吹风机。# OBJECTIVE #
为我创建一个Facebook帖子,旨在让人们点击产品链接进行购买。# STYLE #
遵循成功公司为类似产品做广告的写作风格,比如戴森。# TONE #
有说服力的# AUDIENCE #
我公司在Facebook上的受众群通常是老一辈。定制你的帖子,以针对这些受众在头发产品中通常想要的东西。# RESPONSE #
Facebook上的帖子简洁而有影响力。

GPT-4o 的输出:

🎉🎉【Alpha公司新品发布】🎉🎉致亲爱的朋友们,我们很高兴地向您推出我们新一代的产品——Beta超快吹风机!💖💖沿着戴森的卓越传统,Beta吹风机结合了快速、高效和温柔-全部装在一台设计精美的工具里。😲您是否厌倦了等待头发干燥的漫长时间?是否在寻找一款吹风机,既可以快速干燥头发,又能全程呵护秀发,避免发质受损?Beta是您一直在寻找的答案!❤️👏它速度快,能够在最短的时间内达到最佳的干燥效果。更重要的是,我们的独家温控科技确保了温度始终适中,既不会对头发造成损害,也不会让您的头皮感到不适。👍✨走到人群中,洋溢着自信,让人眼前一亮的那个人,就是您!点击下方的链接,立即购买我们的Beta超快吹风机,走在最前端的流行趋势上,给您的日常生活带来便利!💃🕺Alpha公司与您一起,让美丽变得如此简单!🌺💖[产品链接]立即行动,让我们一起享受快乐,享受美丽,享受生活吧!💝

可以看出,应用了CO-STARPrompt的输出更加有针对性,也更具体,有效。

相关文章:

  • 2024最新 Jenkins + Docker实战教程(一) - Jenkins介绍及安装
  • Android 多语言
  • 揭秘C++ String容器:字符串操作的艺术
  • php正则中的i,m,s,x,e分别表示什么
  • 大数据信用报告查询有哪些作用?哪个平台更好?
  • Go微服务: Nacos的搭建和基础API的使用
  • 云计算-使用Java访问S3 (Accessing S3 using Java)
  • 爬虫案例-亚马逊反爬流程分析梳理(验证码突破)(x-amz-captcha)
  • C# 集合(三) —— Stack/BitArray类
  • 【C语言回顾】编译和链接
  • 云部署最简单python web
  • 【SpringBoot】SpringBoot中防止接口重复提交(单机环境和分布式环境)
  • sqlites数据库读取,仅适用于数据少的数据库查询【改进版】
  • RedisTemplateAPI:List
  • 经常碰到的20个等待事件
  • CSS盒模型深入
  • JavaScript HTML DOM
  • Java小白进阶笔记(3)-初级面向对象
  • Mac 鼠须管 Rime 输入法 安装五笔输入法 教程
  • opencv python Meanshift 和 Camshift
  • Vue2 SSR 的优化之旅
  • vue-cli在webpack的配置文件探究
  • 测试如何在敏捷团队中工作?
  • 读懂package.json -- 依赖管理
  • 复习Javascript专题(四):js中的深浅拷贝
  • 诡异!React stopPropagation失灵
  • 开源SQL-on-Hadoop系统一览
  • 漫谈开发设计中的一些“原则”及“设计哲学”
  • 实战:基于Spring Boot快速开发RESTful风格API接口
  • 用Python写一份独特的元宵节祝福
  • 移动端高清、多屏适配方案
  • ​​​​​​​sokit v1.3抓手机应用socket数据包: Socket是传输控制层协议,WebSocket是应用层协议。
  • ​埃文科技受邀出席2024 “数据要素×”生态大会​
  • #{}和${}的区别是什么 -- java面试
  • #stm32整理(一)flash读写
  • (2021|NIPS,扩散,无条件分数估计,条件分数估计)无分类器引导扩散
  • (C++)八皇后问题
  • (Demo分享)利用原生JavaScript-随机数-实现做一个烟花案例
  • (Redis使用系列) Springboot 实现Redis消息的订阅与分布 四
  • (附源码)ssm考生评分系统 毕业设计 071114
  • (七)Knockout 创建自定义绑定
  • (七)理解angular中的module和injector,即依赖注入
  • (切换多语言)vantUI+vue-i18n进行国际化配置及新增没有的语言包
  • (十一)JAVA springboot ssm b2b2c多用户商城系统源码:服务网关Zuul高级篇
  • (四)opengl函数加载和错误处理
  • (转)创业的注意事项
  • ***监测系统的构建(chkrootkit )
  • .Net IE10 _doPostBack 未定义
  • .NET/C# 编译期间能确定的相同字符串,在运行期间是相同的实例
  • /etc/fstab 只读无法修改的解决办法
  • @autowired注解作用_Spring Boot进阶教程——注解大全(建议收藏!)
  • @property括号内属性讲解
  • [Angular] 笔记 16:模板驱动表单 - 选择框与选项
  • [C#]winform制作仪表盘好用的表盘控件和使用方法
  • [C++] new和delete