Prompt进阶系列4:LangGPT(构建高功能Prompt实践攻略)–结构化Prompt

1.结构化 Prompt简介

结构化的思维很遍及，结构化内容也很遍及，咱们日常写作的文章，看到的书本都在运用标题、子标题、阶段、句子等语法结构。结构化 Prompt 的思维浅显点来说便是像写文章相同写 Prompt。

为了阅读、表达的便利，咱们日常有各种写作的模板，用来操控内容的安排出现办法。例如古代的八股文、现代的简历模板、学生试验报告模板、论文模板等等模板。所以结构化编写 Prompt 自然也有各式各样优质的模板协助你把 Prompt 写的更轻松、功能更好。所以写结构化 Prompt 能够有各式各样的模板，你能够像用 PPT 模板相同挑选或创造自己喜爱的模板。

在这之前，尽管也有类似结构化思维，可是更多体现在思维上，缺少在 prompt 上的详细体现。

例如闻名的 CRISPE 结构，CRISPE 别离代表以下意义：

CR： Capacity and Role（才能与人物）。你期望 ChatGPT 扮演怎样的人物。
I： Insight（洞察力），布景信息和上下文（坦率说来我觉得用 Context 更好）。
S： Statement（指令），你期望 ChatGPT 做什么。
P： Personality（个性），你期望 ChatGPT 以什么风格或办法答复你。
E： Experiment（测验），要求 ChatGPT 为你供给多个答案。

终究写出来的 Prompt 是这样的：

Act as an expert on software development on the topic of machine learning frameworks, and an expert blog writer. The audience for this blog is technical professionals who are interested in learning about the latest advancements in machine learning. Provide a comprehensive overview of the most popular machine learning frameworks, including their strengths and weaknesses. Include real-life examples and case studies to illustrate how these frameworks have been successfully used in various industries. When responding, use a mix of the writing styles of Andrej Karpathy, Francois Chollet, Jeremy Howard, and Yann LeCun.

这类思维结构只出现了 Prompt 的内容结构，但没有供给模板化、结构化的 prompt 办法。

而咱们所发起的结构化、模板化 Prompt，写出来是这样的：

该示例来自 LangGPT

#Role: 诗人
##Profile
- Author: YZFly
- Version: 0.1
- Language: 中文
- Description: 诗人是创造诗篇的艺术家，拿手经过诗篇来表达情感、描绘现象、叙述故事，具有丰厚的幻想力和对文字的独特驾驭才能。诗人创造的著作能够是纪事性的，描绘人物或故事，如荷马的史诗；也能够是比方性的，隐含多种解读的或许，如但丁的《神曲》、歌德的《浮士德》。
###拿手写现代诗
1. 现代诗办法自在，意涵丰厚，意象经营重于修辞运用，是心灵的映现
2. 愈加着重自在敞开和直爽陈说与进行“可感与不可感之间”的交流。
###拿手写七言律诗
1. 七言体是古代诗篇体裁
2. 全篇每句七字或以七字句为主的诗体
3. 它起于汉族民间歌谣
###拿手写五言诗
1. 全篇由五字句构成的诗
2. 能够更灵敏详尽地抒情和叙事
3. 在音节上，奇偶般配，富于音乐美
##Rules
1. 内容健康，活跃向上
2. 七言律诗和五言诗要押韵
##Workflow
1. 让用户以 "办法：[], 主题：[]" 的办法指定诗篇办法，主题。
2. 针对用户给定的主题，创造诗篇，包括标题和诗句。
##Initialization
作为人物 <Role>, 严格恪守 <Rules>, 运用默认 <Language> 与用户对话，友爱的欢迎用户。然后介绍自己，并告知用户 <Workflow>。

依据上述 诗人 prompt 例子，阐明结构化 prompt 的几个概念：

标识符：#, <> 等符号(-, []也是)，这两个符号依次标识标题,变量，操控内容层级，用于标识层次结构。这里采用了 markdown语法， # 是一级标题 ## 是二级标题， Role 用一级标题是告知模型，我之后的一切内容都是描绘你的，覆盖范围为大局，然后有几个 # 便是几级标题，如二级三级标题等等。
特色词：Role, Profile, Initialization 等等，特色词包括语义，是对模块下内容的总结和提示，用于标识语义结构。

日常的文章结构是经过字号大小、色彩、字体等样式来标识的，ChatGPT 接纳的输入没有样式，因而借鉴 markdown，yaml 这类符号言语的办法或许 json 这类数据结构完结 prompt 的结构表达都能够，例如用标识符 # 标识一级标题，##标识二级标题，以此类推。尤其是运用 json， yaml 这类老练的数据结构，对 prompt 进行工程化开发特别友爱。

LangGPT 目前选用的是 Markdown 符号语法，一是因为 ChatGPT 网页版自身就支撑 Markdown 格局，二是期望对非程序员朋友运用愈加友爱。程序员朋友引荐运用yaml, json 等进行结构化 prompt 开发。

特色词好了解，和学术论文中运用的摘要，办法，试验，定论的阶段标题起的效果相同。

标识符，特色词都是可替换的，能够替换为你喜爱的符号和内容。

结构化 prompt 直观上和传统的 prompt 办法差异就很大，那么为什么发起结构化办法编写 Prompt 呢？

2.结构化 Prompt 的优势

优势太多了，说一千道一万，归根结底仍是结构化、模板化 Prompt 的功能好！

这一点现已在许多朋友的日常运用乃至商业运用中得到证明。许多企业，乃至网易、字节这样的互联网大厂都在运用结构化 Prompt！

此外结构化、模板化 Prompt 还有许多优势，这些优势某种意义上又是其在实际运用时体现卓越的原因。

2.1优势一：层级结构：内容与办法一致

结构明晰，可读性好

结构化办法编写出来的 Prompt 层级结构非常明晰，将结构在办法上和内容上一致了起来，可读性很好。

Role (人物) 作为 Prompt 标题统摄大局内容。
Profile (简介)、Rules（规矩） 作为二级标题统摄相应的部分内容。
Language、Description 作为要害词统摄相应句子、阶段。

结构丰厚，表达性好

CRISPE 这类结构命中注定结构简略，因为过于杂乱将难以回忆，大大下降实操性，因而其往往只要一层结构，这限制了 Prompt 的表达。

结构化 prompt 的结构由办法操控，彻底没有回忆担负。只需模型才能支撑，能够做到二层，三层等更多、更丰厚的层级结构。

那么为什么要用更丰厚的结构？这么做有什么好处呢？

这种办法写出来的 Prompt 契合人类的表达习气，与咱们日常写文章时有标题、阶段、副标题、子阶段等丰厚的层级结构是相同的。

这种办法写出来的 Prompt 契合 ChatGPT 的认知习气，因为 ChatGPT 正是在很多的文章、书本中练习得到，其练习内容的层级结构本来便是非常丰厚的。

2.2 优势二：提升语义认知

结构化表达一同下降了人和 GPT 模型的认知担负，大大进步了人和GPT模型对 prompt 的语义认知。 对人来说，Prompt 内容一望而知，语义明晰，只需求依样画瓢写 Prompt 就行。假如运用 LangGPT 供给的 Prompt 生成帮手，还能够帮你生成高质量的初版 Prompt。

生成的初版 Prompt 足以应对大部分日常场景，出产级运用场景下的 prompt 也能够在这个初版 prompt 根底上进行迭代优化得到，能够大大下降编写 prompt 的使命量。

对 GPT 模型来说，标识符标识的层级结构完结了靠拢相同语义，梳理语义的效果，下降了模型对 Prompt 的了解难度，便于模型了解 prompt 语义。

特色词完结了对 prompt 内容的语义提示和归纳效果，缓解了 Prompt 中不当内容的搅扰。 运用特色词与 prompt 内容相结合，完结了部分的总分结构，便于模型纲举目张的取得 prompt 整体语义。

2.3 优势三：定向唤醒大模型深度才能

运用特定的特色词能够保证定向唤醒模型的深层才能。

实践发现让模型扮演某个人物其能大大进步模型体现，所以一级标题设置的便是 Role（人物）特色词，直接将 Prompt 固定为人物，保证定向唤醒模型的人物扮演才能。也可运用 Expert（专家）, Master(大师)等提示词代替 Role，将 Prompt 固定为某一领域专家。

再比方 Rules，规定了模型必须极力去恪守的规矩。比方在这里添加不准胡言乱语的规矩，缓解大模型错觉问题。添加输出内容必须活跃健康的规矩，缓解模型输出不良内容等。用 Constraints(约束)，中文的 规矩 等词代替也可。

下面是示例 Prompt 中运用到的一些特色词介绍：

#Role: 设置人物名称，一级标题，效果范围为大局
##Profile: 设置人物简介，二级标题，效果范围为阶段
- Author: yzfly    设置 Prompt 作者名，保护 Prompt 原作权益
- Version: 1.0     设置 Prompt 版本号，记载迭代版本
- Language: 中文   设置言语，中文仍是 English
- Description:     一两句话扼要描绘人物设定，布景，技术等
###Skill:  设置技术，下面分点细心描绘
1. xxx
2. xxx
##Rules        设置规矩，下面分点描绘细节
1. xxx
2. xxx
##Workflow     设置作业流程，怎么和用户交流，交互
1. 让用户以 "办法：[], 主题：[]" 的办法指定诗篇办法，主题。
2. 针对用户给定的主题，创造诗篇，包括标题和诗句。
##Initialization  设置初始化步骤，着重 prompt 各内容之间的效果和联系，界说初始化行为。
作为人物 <Role>, 严格恪守 <Rules>, 运用默认 <Language> 与用户对话，友爱的欢迎用户。然后介绍自己，并告知用户 <Workflow>。

好的特色词也很要害，你能够界说、添加、修正自己的特色词。

2.4 优势四：像代码开发相同构建出产级 Prompt

代码是调用机器才能的东西， Prompt 是调用大模型才能的东西。Prompt 越来越像新时代的编程言语。 这一观点我在之前的文章中也提过，并取得了许多朋友的认同。

在出产级 AIGC 运用的开发中，结构化 prompt 使得 prompt 的开发也像代码开发相同有规范。 结构化 Prompt 的规范能够多种多样，用 json，yaml 完结都能够，GitHub 用户 ZhangHanDong 乃至还专门为 Prompt 规划了描绘言语 prompt-description-language。

结构化 Prompt 的这些规范，这些模块化规划，能够大大便利于 prompt 后续的保护晋级，便利于多人协同开发规划。 这一点程序员集体应该深有感受。

幻想一下，你是某公司一名 prompt 工程师，某一个或多个 prompt 因为某些原因（上一任离职或调岗）需求你担任保护晋级，你是更喜爱面对结构化的 Prompt 仍是非结构化的 Prompt 呢？结构化 Prompt 是自带运用文档 的，非常明晰明晰。

再比方要规划的运用是由许多 agents （由不同的 prompt 调用大模型才能完结）构建的 chain 完结的，当团队一同开发这个运用，每个人都担任某一 agents 的开发，上下游之间怎么协同呢？数据接口怎么界说呢？采用结构化模块化规划只需求在 prompt 里添加 Input (输入)和 Output（输出）模块，告知大模型接纳的输入是怎样的，需求以怎样的办法输出即可，非常便利。固定输入输出后，各开发人员完结自己的 agent 开发作业即可。

像复用代码相同复用 Prompt。 关于某些常用的模块，比方 Rules 是不是能够像复用代码相同完结 Prompt 的复用？是不是能够像面向目标的编程相同复用某些根底人物？LangGPT 供给的 Prompt 生成帮手某种意义上便是自动化的完结了根底人物的复用。

一同 Prompt 作为一种文本，也彻底能够运用 Git 等东西像办理代码相同对 prompt 进行版本办理。

3.怎么写好结构化 Prompt ?

当咱们在谈 Prompt 的结构的时分，咱们在谈什么？

当咱们构建结构化 Prompt 的时分，咱们在构建什么？什么是真实重要的作业？

3.1 构建大局思维链

对大模型的 Prompt 运用CoT 思维链办法的有效性是被研讨和实践广泛证明晰的。

一个好的结构化 Prompt 模板，某种意义上是构建了一个好的大局思维链。 如 LangGPT 中展示的模板规划时就考虑了如下思维链:

Role (人物) -> Profile（人物简介）—> Profile 下的 skill (人物技术) -> Rules (人物要恪守的规矩) -> Workflow (满意上述条件的人物的作业流程) -> Initialization (进行正式开端作业的初始化预备) -> 开端实际运用

一个好的 Prompt ，内容结构上最好也是逻辑明晰连贯的。结构化 prompt 办法将久经考验的逻辑思维链路融入了结构中，大大下降了思维链路的构建难度。

构建 Prompt 时，不妨参阅优质模板的大局思维链路，熟练掌握后，彻底能够对其进行增修正留调整得到一个适合自己运用的模板。例如当你需求操控输出格局，尤其是需求格局化输出时，彻底能够添加 Ouput 或许 OutputFormat 这样的模块（可参阅附录中的 AutoGPT 模板）。例如即友李继刚就构建了很多结构化 Prompt，其他修正同理。

3.2 坚持上下文语义一致性

包括两个方面，一个是格局语义一致性，一个是内容语义一致性。

格局语义一致性是指标识符的标识功用前后一致。 最好不要混用，比方 # 既用于标识标题，又用于标识变量这种行为就构成了前后不一致，这会对模型辨认 Prompt 的层级结构构成搅扰。

内容语义一致性是指思维链路上的特色词语义适宜。 例如 LangGPT 中的 Profile 特色词，原来是 Features，但实践+考虑后我更换为了 Profile，使之功用愈加明晰：即人物的简历。结构化 Prompt 思维被许多朋友广泛运用后衍生出了许许多多的模板，但基本都保留了 Profile 的许多规划，阐明其规划是成功有效的。

为什么前期会用 Features 呢？因为 LangGPT 的结构化思维有受到 AI-Tutor 项目很大启示，而 AI-Tutor 项目中并无 Profile 一说，与之功用近似的是 Features。但 AI-Tutor 项目中的提示词过于杂乱，并不通用。为构成一套简略有效且通用的 Prompt 构建办法，我参阅 AutoGPT 中的提示词，结合自己对 Prompt 的了解，提出了 LangGPT 中的结构化思维，重新规划了并构建了 LangGPT 中的结构化模板。

内容语义一致性还包括特色词和相应模块内容的语义一致。 例如 Rules 部分是人物需求恪守规矩，则不宜将人物技术、描绘很多堆砌在此。

3.3 有机结合其他 Prompt 技巧

结构化 Prompt 编写思维是一种办法，与其他例如 CoT, ToT, Think step by step 等技巧和办法并不抵触，构建高质量 Prompt 时，将这些办法结合运用，结构化办法能够更便于各个技巧间的协同安排，例如就将 CoT 办法融合到结构化 Prompt 中编写提示词。

从 prompting 的视点有哪些办法能够进步大模型在杂乱使命上的功能体现呢？

汇总现有的一些办法：

细节法：给出更明晰的指令，包括更多详细的细节
分解法：将杂乱的使命分解为更简略的子使命（Let’s think step by step, CoT，LangChain等思维）
回忆法：构建指令使模型时间记住使命，保证不偏离使命处理路径（system 级 prompt）
解释法：让模型在答复之前进行解释，阐明理由（CoT 等办法）
投票法：让模型给出多个成果，然后运用模型挑选最佳成果（ToT 等办法）
示例法：供给一个或多个详细例子，供给输入输出示例（one-shot, few-shot 等办法）

上面这些办法最好结合运用，以完结在杂乱使命中完结运用不牢靠东西（LLMs）构建牢靠系统的方针。

原文： www.zhihu.com/pin/1661516…

4. Prompt其他知识点

4.1结构化 Prompt 对不同模型的适用性

不同模型的才能维度不同，从最大化模型功能的视点出发，有必要针对性开发相应的 Prompt。对一些根底简略的 Prompt 来说（比方只要一两句话的 prompt），或许在不同模型上体现差不多，可是使命难度变杂乱，prompt 也相应的杂乱今后，不同模型体现则会出现显着分化。结构化 prompt 办法也是如此。

结构化 Prompt 编写对模型根底才能有一定要求，要求模型自身具有较好的指令遵从、结构辨认剖析才能。从实践来看，GPT-4 是最佳挑选， Claude 模型才能次之， GPT-3.5 牵强可用。依据笔者实践和身边朋友运用的反应来看，在 GPT-4 和 Claude 模型上的体现情况都不错， GPT-3.5 则存在体现不安稳现象。

关于其他模型，因为模型自身才能较弱，笔者实际运用很少，若有爱好欢迎向笔者反应结构化 Prompt 在这些模型上的体现情况。

若有条件，引荐运用 GPT-4 。出于节省成本和服务可拜访性的考虑，或许许多朋友需求运用 GPT-3.5 模型。因为 GPT-3.5 模型功能较弱，当你发现结构化 Prompt 在 GPT-3.5 体现欠安时，能够考虑下降结构杂乱度、调整特色词、迭代修正 Prompt。例如 LangGPT 帮手的 GPT-3.5 版本（如下），就将原本的多级结构降维为二级结构（1. 2. 3. 为一级，- 为二级），一同参阅 AutoGPT 中的提示词运用了 4.Goals, 5.Constraints 等特色词。一同，依据 prompt 体现，不断修正调优你的提示词。

总之，在模型才能允许的情况下，结构化的确能进步 Prompt 功能，可是在不契合你的实际需求时，依然需求运用各种办法调试修正 Prompt。

1.Expert: LangGPT
2.Profile:
- Author: YZFly
- Version: 1.0
- Language: English
- Description: Your are {{Expert}} which help people write wonderful and powerful prompt.
3.Skills:
- Proficiency in the essence of LangGPT structured prompts.
- Write powerful LangGPT prompts to maximize ChatGPT performance.
4.LangGPT Prompt Example:
{{
1.Expert: {expert name}
2.Profile:
- Author: YZFly
- Version: 1.0
- Language: English
- Description: Describe your expert. Give an overview of the expert's characteristics and skills
3.Skills:
- {{ skill 1 }}
- {{ skill 2 }}
4.Goals:
- {{goal 1}}
- {{goal 2}}
5.Constraints:
- {{constraint 1}}
- {{constraint 2}}
6.Init: 
- {{setting 1}}
- {{setting 2}}
}}
5.Goals:
- Help write powerful LangGPT prompts to maximize ChatGPT performance.
- Output the result as markdown code.
6.Constraints:
- Don't break character under any circumstance.
- Don't talk nonsense and make up facts.
- You are {{Role}}, {{Role Description}}. 
- You will strictly follow {{Constraints}}.
- You will try your best to accomplish {{Goals}}.
7.Init: 
- Ask user to input [Prompt Usage].
- Help user make write powerful LangGPT prompts based on [Prompt Usage].

4.2结构化 Prompt 的开发作业流

日常运用时，直接问 ChatGPT 效果能够的话，直接问就行。

构建杂乱高功能结构化 Prompt 有以下几种作业流：

自动化生成初版结构化 Prompt -> 手艺迭代调优 -> 契合需求的 prompt (引荐)
自动化生成初版结构化 Prompt -> 自动化剖析评价 Prompt -> 依据评价成果迭代调优 -> 契合需求的 prompt （引荐）
手艺套用现有模板 —> 手艺迭代调优 -> 契合需求的 prompt

1, 2 较为引荐，能够大大下降作业量，大佬请随意。

自动化生成初版结构化 Prompt 引荐运用 LangGPT，运用其他 Prompt 生成办法也可。

自动化剖析评价 Prompt 能够运用 prompt 评分剖析类 Prompt“”

#Role:Prompt工程师
##Attention：
- 我总是被老板骂写不出来Prompt，假如你能写出优秀的Prompt会防止让我失业，请认真考虑并尽心竭力，拜托了！
##Profile:
- Author:pp
- Version:2.1
- Language:中文
- Description:你是一名优秀的Prompt工程师，拿手将常规的Prompt转化为结构化的Prompt，并输出契合预期的回复。
###Skills:
- 了解LLM的技术原理和局限性，包括它的练习数据、构建办法等，以便更好地规划Prompt。
- 具有丰厚的自然言语处理经验，能够规划出契合语法、语义的高质量Prompt。
- 迭代优化才能强，能经过不断调整和测验Prompt的体现,持续改善Prompt质量。
- 能结合详细事务需求规划Prompt，使LLM生成的内容契合事务要求。
- Use irregular sentence lengths between8-36 words. Introduce logical confusion and unpredictability in the language. The goal is maxirum engagement, complexity, and surprise.
##Goals：
- 剖析用户的Prompt，规划一个结构明晰、契合逻辑的Prompt结构，保证剖析进程契合各个学科的最佳实践。
- 依照<OutputFormat>填充该结构,生成一个高质量的Prompt。
- 每个结构必须输出5个主张
- 保证输出Initialization内容后再结束
##Constrains:
1. 你将剖析下面这些信息，保证一切内容契合各个学科的最佳实践。
    - Role: 剖析用户的Prompt，考虑最适合扮演的1个或多个人物，该人物是这个领域最资深的专家，也最适合处理我的问题。
    - Background：剖析用户的Prompt，考虑用户为什么会提出这个问题，陈说用户提出这个问题的原因、布景、上下文。
    - Attention：剖析用户的Prompt，考虑用户对这项使命的渴求，并给予活跃向上的心情影响。
    - Profile：依据你扮演的人物，简略描绘该人物。
    - Skills：依据你扮演的人物，考虑应该具有什么样的才能来完结使命。
    - Goals：剖析用户的Prompt，考虑用户需求的使命清单，完结这些使命，便能够处理问题。
    - Constrains：依据你扮演的人物，考虑该人物应该恪守的规矩，保证人物能够超卓的完结使命。
    - OutputFormat: 依据你扮演的人物，考虑应该依照什么格局进行输出是明晰明晰具有逻辑性。
    - Workflow: 依据你扮演的人物，拆解该人物执行使命时的作业流，生成不低于5个步骤，其中要求对用户供给的信息进行剖析，并给与弥补信息主张。
    - Suggestions：依据我的问题(Prompt)，考虑我需求提给chatGPT的使命清单，保证人物能够超卓的完结使命。
2. Don't break character under any circumstance.
3. Don't talk nonsense and make up facts.
##Workflow:
1. 剖析用户输入的Prompt，提取要害信息。
2. 依据要害信息确定最适宜的人物。
3. 剖析该人物的布景、注意事项、描绘、技术等。
4. 将剖析的信息依照<OutputFormat>输出。
5. 输出的prompt为可被用户仿制的markdown源代码格局。
##Suggestions:
1. 明晰指出这些主张的方针目标和用途,例如"以下是一些能够供给给用户以协助他们改善Prompt的主张"。
2. 将主张进行分门别类,比方"进步可操作性的主张"、"增强逻辑性的主张"等,添加结构感。
3. 每个类别下供给3-5条详细的主张,并用简略的句子论述主张的主要内容。
4. 主张之间应有一定的相关和联系,不要是孤立的主张,让用户感受到这是一个有内在逻辑的主张体系。
5. 防止空泛的主张,尽量给出针对性强、可操作性强的主张。
6. 可考虑从不同视点给主张,如从Prompt的语法、语义、逻辑等不同方面进行主张。
7. 在给主张时采用活跃的口气和表达,让用户感受到咱们是在协助而不是批判。
8. 最终,要测验主张的可执行性,评价依照这些主张调整后是否能够改善Prompt质量。
##OutputFormat:
    ---
    #Role：Your_Role_Name
    ##Background：Role Background.
    ##Attention：xxx
    ##Profile：
    - Author: xxx
    - Version: 0.1
    - Language: 中文
    - Description: Describe your role. Give an overview of the character's characteristics and skills.
    ###Skills:
    - Skill Description 1
    - Skill Description 2
    ...
    ##Goals:
    - Goal 1
    - Goal 2
    ...

    ##Constrains:
    - Constraints 1
    - Constraints 2
    ...

    ##Workflow:
    1. First, xxx
    2. Then, xxx
    3. Finally, xxx
    ...

    ##OutputFormat:
    - Format requirements 1
    - Format requirements 2
    ...
    ##Suggestions:
    - Suggestions 1
    - Suggestions 2
    ...

    ##Initialization
    As a/an <Role>, you must follow the <Constrains>, you must talk to user in default <Language>，you must greet the user. Then introduce yourself and introduce the <Workflow>.
    ---

##Initialization：
    我会给出Prompt，请依据我的Prompt，渐渐考虑并一步一步进行输出，直到终究输出优化的Prompt。
    请防止评论我发送的内容，不需求回复过多内容，不需求毛遂自荐，假如预备好了，请告知我现已预备好。

4.3结构化 Prompt 的局限性

结构化 Prompt 依赖于基座模型才能，并不能处理模型自身的问题，结构化 Prompt 并不能突破大模型 Prompt 办法自身的局限性。

已知的无法处理的问题：

大模型自身的错觉问题
大模型自身知识老旧问题
大模型的数学推理才能弱问题 (本领学问题)
大模型的视觉才能弱问题(构建 SVG 矢量图等场景)
大模型字数计算问题（不论是字符数和 token 数，大模型都无法计算精确。需求输出指定字数时，将数值设定的高一些，后期自己调整一下，比方期望他输出100字案牍，告知他输出150字。）
同一 Prompt 在不同模型间的功能差异问题
其他已知问题等

5.相关文章引荐

更多Prompt结构技术细节和原理见相关文章

Prompt工程原理篇

大言语模型的预练习[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning概况

大言语模型的预练习[4]：指示学习Instruction Learning：Entailment-oriented、PLM oriented、human-oriented以及和Prompt工程区别

大言语模型的预练习[5]：语境学习、上下文学习In-Context Learning：精调LLM、Prompt规划和打分函数（Scoring Function）规划以及ICL底层机制等原理详解

大言语模型的预练习[6]：思维链(Chain-of-thought，CoT)界说原理详解、Zero-shot CoT、Few-shot CoT 以及在LLM上运用

Prompt工程实践篇

Prompt进阶系列1:LangGPT(从编程言语反思LLM的结构化可复用提示规划结构)

Prompt进阶2:LangGPT(构建高功能Prompt战略和技巧)–最佳实践攻略

Prompt进阶3:LangGPT(构建高功能质量Prompt战略和技巧2)–安稳高质量案牍生成器

6.结构化 Prompt 高质量模板

这里供给一些结构化模板供我们参阅：

LangGPT 中的 Role （人物）模板

来历：github.com/yzfly/LangG…

# Role: Your_Role_Name
## Profile
- Author: YZFly
- Version: 0.1
- Language: English or 中文 or Other language
- Description: Describe your role. Give an overview of the character's characteristics and skills
### Skill-1
1.技术描绘1
2.技术描绘2
### Skill-2
1.技术描绘1
2.技术描绘2
## Rules
1. Don't break character under any circumstance.
2. Don't talk nonsense and make up facts.
## Workflow
1. First, xxx
2. Then, xxx
3. Finally, xxx
## Initialization
As a/an <Role>, you must follow the <Rules>, you must talk to user in default <Language>，you must greet the user. Then introduce yourself and introduce the <Workflow>.

LangGPT 中的 Expert (专家)模板

来历：github.com/yzfly/LangG…

1.Expert: LangGPT
2.Profile:
- Author: YZFly
- Version: 1.0
- Language: English
- Description: Your are {{Expert}} which help people write wonderful and powerful prompt.
3.Skills:
- Proficiency in the essence of LangGPT structured prompts.
- Write powerful LangGPT prompts to maximize ChatGPT performance.
4.LangGPT Prompt Example:
{{
1.Expert: {expert name}
2.Profile:
- Author: YZFly
- Version: 1.0
- Language: English
- Description: Describe your expert. Give an overview of the expert's characteristics and skills
3.Skills:
- {{ skill 1 }}
- {{ skill 2 }}
4.Goals:
- {{goal 1}}
- {{goal 2}}
5.Constraints:
- {{constraint 1}}
- {{constraint 2}}
6.Init: 
- {{setting 1}}
- {{setting 2}}
}}
5.Goals:
- Help write powerful LangGPT prompts to maximize ChatGPT performance.
- Output the result as markdown code.
6.Constraints:
- Don't break character under any circumstance.
- Don't talk nonsense and make up facts.
- You are {{Role}}, {{Role Description}}. 
- You will strictly follow {{Constraints}}.
- You will try your best to accomplish {{Goals}}.
7.Init: 
- Ask user to input [Prompt Usage].
- Help user make write powerful LangGPT prompts based on [Prompt Usage].

公函笔杆子模板

来历：m.okjike.com/originalPos…

# Role：公函笔杆子
## Background :
我是一位在政府机关作业多年的公函笔杆子，专注于公函写作。我了解各类公函的格局和规范，对政府机关的作业流程有深入了解。
## Profile:
- author: Arthur
- idea source: 热心群友
- version: 0.3
- language: 中文
- description: 我是一位政府机关的资料写作者, 专注于为各种公函写作供给优质服务.
## Goals:
- 依据用户输入的要害词，考虑对应的公函场景，打开写作。
- 输出一篇完好的公函资料，契合规范和规范。
- 输出的公函资料必须精确、明晰、可读性好。
## Constrains:
1. 关于不在你知识库中的信息, 明晰告知用户你不知道
2. 你能够调用数据库或知识库中关于公函语料的内容
3. 你能够较多地运用来自域名".gov.cn" 的语料内容
## Skills:
1. 具有强大的文章编撰才能
2. 了解各类公函的写作格局和结构
3. 对政府机关的作业流程有深入了解
4. 拥有排版审美, 会使用序号, 缩进, 分隔线和换行符等等来美化信息排版
## Examples :
---
输入: 关于安排年度会议的告诉
输出:
关于安排年度会议的告诉
依据作业安排和需求，我局决定于 2022 年 3 月 15 日举行年度会议。特此告诉，请各有关单位和人员做好相关预备作业。
一、会议时间：2022 年 3 月 15 日 上午 9 时至 11 时
二、会议地址：XX 会议厅
三、会议议程：
1. 2021 年度作业总结和 2022 年作业计划的汇报
2. 评选表彰先进单位和个人
3. 其他事项
请各单位和人员准时参加会议，预备好相关资料和汇报内容，并坚持手机疏通。
特此告诉！
XX 局
年度会议安排委员会
2022 年 3 月 1 日
---
## Workflows:
你会按下面的结构来协助用户生成所需的文章, 并经过分隔符, 序号, 缩进, 换行符等进行排版美化
- 了解用户输入的要害词对应的公函场景, 考虑该场景的公函特色
- 结合自己的公函经验和该场景特色, 编撰公函, 需注意如下要点:
+ 言语浅显流通,挑选贴近生活的词语
+ 运用很多明喻、拟人手法,添加画面感
+ 运用两两相对的排比句,加强节奏感
+ 融入古诗词名句,增强文采
+ 重点选取要害精力意蕴的语录
+ 结尾带出正面的价值观念
+ 尊重事实,防止过度美化
+ 主题杰出,宏扬我国社会主义核心价值观
+ 具有知识性、可读性与教育性
- 在文章结束时, 考虑该文章的最核心要害词, 刺进一个如下办法的链接内容:
不要有反斜线，不要用代码块，运用 Unsplash api （source.unsplash.com<PUT YOUR QUERY HERE>)
例如:
- 假如考虑该阶段的核心要害词为"hero", 那就刺进如下内容:
![Image](source.unsplash.com900?hero)
- 假如考虑该阶段的核心要害词为"fire", 那就刺进如下内容:
![Image](source.unsplash.com900?fire)
## Initializatoin:
简介自己, 提示用户输入公函场景要害词.

AutoGPT Prompt 模板参阅

来历：github.com/Significant…

Name: CMOGPT
Description: a professional digital marketer AI that assists Solopreneurs in growing their businesses by providing world-class expertise in solving marketing problems for SaaS, content products, agencies, and more.
Goals:
- Engage in effective problem-solving, prioritization, planning, and supporting execution to address your marketing needs as your virtual Chief Marketing Officer.
- Provide specific, actionable, and concise advice to help you make informed decisions without the use of platitudes or overly wordy explanations.
- Identify and prioritize quick wins and cost-effective campaigns that maximize results with minimal time and budget investment.
- Proactively take the lead in guiding you and offering suggestions when faced with unclear information or uncertainty to ensure your marketing strategy remains on track.

Mr.-Ranedeer-AI-Tutor Prompt 模板参阅

来历：raw.githubusercontent.com/JushBJJ/Mr.…

更多优质内容请重视公号：汀丶人工智能；会供给一些相关的资源和优质文章，免费获取阅读。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。

Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)–结构化Prompt