type
status
date
slug
summary
tags
category
icon
password
提示工程是一门为语言模型设计的精确有效的艺术,通过输入获得预期反应。其主要目的是引导模型产生特定的结果。
COSTAR 框架实测非常好用
- C)
上下文
(Context):提供
与任务有关
的背景信息
。这有助于 LLM理解
正在讨论的具体场景
,从而确保其响应
是相关
的。
- O)
目标
(Objective):定义
你希望 LLM 执行的任务
。明晰目标有助于 LLM 将自己响应
重点放在完成具体任务
上。
- S)
风格
(Style):指定
你希望 LLM 使用的写作风格
。这可能是一位具体名人的写作风格,也可以是某种职业专家(比如商业分析师或 CEO)的风格。这能引导
LLM 使用符合你需求的方式和词语给出响应。
- T)
语气
(Tone):设定响应的态度
。这能确保 LLM 的响应符合
所需的情感或情绪上下文
,比如正式、幽默、善解人意等。
- A)
受众
(Audience):确定
响应的目标受众
。针对具体受众(比如领域专家、初学者、孩童)定制 LLM 的响应,确保其在你所需的上下文中是适当的和可被理解的。
- R)
响应
(Response):提供响应
的格式
。这能确保 LLM 输出你的下游任务所需的格式,比如列表
、JSON
、专业报告
等。对于大多数通过程序化方法将 LLM 响应用于下游任务的 LLM 应用而言,理想的输出格式是 JSON。
日用代码解释 system prompt
OpenAI 的 Meta Prompt
- 作者:SimonSun
- 链接:https://simons-blog-eight.vercel.app//article/llm-1
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。