《人工智能基础与应用》课件-任务12 提示语设计基础【实训】

AI遇见应用兴趣引领未来人工智能基础与应用

提示语设计基础实训实践

⑦

目录教学目标相关知识一、提示语重要原则--角色扮演二、提示语重要原则--提供上下文信息三、提示语重要原则--提供例子四、提示语重要原则--通过指令减少幻觉五、提示语重要原则--指定输出长度六、提示语重要原则--控制输出风格七、提示语重要原则--限定受众对象

提示语设计基础实训实践⑦Principlesand

ApplicationsofArtificialIntelligence人工智能基础与应用【教学目标】1、在认知提示语工程的基础上，进一步学习实践提示语设计的重要原则，包括：角色扮演、提供上下文信息、提供例子、通过指令减少幻觉、指定输出长度、控制输出风格、限定受众对象等。2、了解提示语设计中常见的问题及如何避免，通过错误指令和正确指令的项目实践，学习不同提示语设计获得的不同效果。3、通过单项实践和综合实践，掌握提示语工程的重要原则，学习提示词的开发和优化，能够利用提示语工程来提升语言模型处理复杂任务场景的能力。角色扮演的原则提示词的原则中，角色扮演是首要关注的目标，是指指导大语言模型扮演特定的角色或人物，以提供特定视角的回答或行为。原则：让大模型能够扮演特定的角色，以便在特定的应用场景中提供更精准、更有针对性的回复。通过这种方式，模型能够更好地适应不同的任务和需求。例如，扮演历史学家可以提供专业的历史分析，扮演医生可以提供医疗建议等。一、提示语重要原则--角色扮演应包含的内容一个完整的角色设定应该包含的内容：明确的角色设定角色的背景、特性和能力范围应该被清晰定义符合角色的语言风格使用与角色相符的词汇和语调角色相关的知识，适当的情感和态度定义角色应其特定领域的知识或专业技能一、提示语重要原则--角色扮演常见问题在角色扮演中，常见问题如下：1.角色一致性问题2.过度人格化3.超出角色设定范围一、提示语重要原则--角色扮演Tips：为了避免这些错误，我们需要确保角色的设定与其任务相符，保持角色的一致性，并且避免不必要的人格化。同时，角色扮演的范围应该限定在角色能够合理执行的范围内，以确保模型的回复既符合角色特性，又能满足实际应用的需求。常见问题1、角色一致性问题即：设定的角色与所要执行的任务不符，这会导致模型的回复与角色设定产生冲突，影响整体的协调性。示例：在多次回答中，角色表现的一致性不足，导致角色设定显得模糊或自相矛盾错误指令，“你是一位著名的和平主义者。请谈谈战争的积极作用。”错误回复：“作为和平主义者，我认为战争可以促进科技进步和..”

---(错误在于和平主义者的角色与赞扬战争的观点不一致)一、提示语重要原则--角色扮演常见问题2、过度人格化即：在一些并不需要过多情感色彩的角色中，赋予了过多的个性和情感，这可能会让模型的回复偏离实际需要，失去专业性。示例：有时角色设定可能过度模拟人类情感或反应，超出了合理的角色扮演范围错误指令：“你是一个计算机程序，请描述你的感情。错误回复：“作为一个计算机程序，我感到非常孤独和困惑...”(错误在于计算机程序没有感情，这种回答过度人格化正确指令：“你是一个计算机程序，请解释你如何处理数据。正确回复：“作为一个计算机程序，我通过算法和编码逻辑来有效地处理和分析数据..”一、提示语重要原则--角色扮演常见问题3、超出角色设定范围即：给角色分配了超出其设定能力或权限的任务，这样模型可能会给出不切实际或不符合角色特性的回复。示例：错误指令：“你是一名中世纪的药剂师，请解释现代的量子物理。错误回复：“作为一名中世纪药剂师，我认为量子物理是关于粒子在微观层面的行为...”(错误在于中世纪药剂师不可能了解现代量子物理)正确指令：“你是一名中世纪的药剂师，请描述一下那个时代常用的草药。”正确回复：“作为一名中世纪药剂师，我经常使用诸如迷迭香、薄荷和样甘菊等草药来治疗各种疾病...一、提示语重要原则--角色扮演二、提示语重要原则--提供上下文信息

与人类之间的交流不同，模型无法理解我们话语中的弦外之音。它只能就问题的字面意思进行理解和回答。所以，如果我们提问的问题过于简略，模型必然无从下手，它的回答也会让我们摸不着头脑。示例：模糊指令：“我适合当文员吗？”

它将很难给出准确的判断，因为文员这个职业涵盖的方向和要求都较为广泛，模型在没有上下文的情况下无法确定您是否适合这个职业。

如果我们提供了详细的个人信息和期望作为上下文，模型的回答就会更加可靠。比如我们可以这么描述指令：“我是一名25岁的女性，大学中文系毕业。我性格安静，工作认真负责。我希望找一份工作环境稳定的办公室工作，工作内容比较固定和重复，不需要频繁加班。我的技能特长是中文打字速度较快，文笔流畅。所以，我在想文员这个工作是否会适合我？”在这个示例中可以看到，有了清晰详细的上下文后，模型就能给出较为准确和可信的判断与建议。二、提示语重要原则--提供上下文信息

上下文语境可让模型明确当前的讨论环境，了解用户面临的具体问题与需求。它使聊天脱离泛泛而空洞的讨论，转变为针对某一环境的解决方案或意见交流。这也使模型需要综合考虑问题的各方面因素，能够贴近环境和解决实际需求。上下文语境包括但不限于以下情景。●角色定位●对象属性●限定话题

●内容类型

●语言风格

●情感基调

●附加要求等通过增加限定条件，可以让模型对所需回应有更清晰和具体的把握，从而给出更加符合要求的内容。

三、提示语重要原则--提供例子“提供例子”的原则

“提供例子”原则，是为了让模型能够从抽象的指令中学习到具体可执行的任务。通过你的示例，模型能够学习并模仿你的意图，进而生成更符合你期望的结果。（就像我们跟人交流时经常用举例子、打比方的方法一样）

通过这种方式，模型不仅能够提供更精确的回复，还能够更好地理解任务的上下文和细节，从而提高其输出的质量和相关性。三、提示语重要原则--提供例子什么是好的例子一个好的例子应该有以下几点特质：相关性：例子应该与指令的主题紧密相关。明确性：例子应该清楚、具体，易于理解。代表性：例子应该能够代表或概括更广泛的概念或情境。简洁性：例子应该简洁，避免不必要的复杂性。三、提示语重要原则--提供例子常见问题在实践中，我们经常会碰到以下问题：1.

例子与主题不相关2.

例子过于模糊3.例子与主题连接不清晰Tips：为避免这些问题，我们应该确保所提供的例子是：相关的：例子应该直接与你想要模型完成的任务相关联。具体的：例子需要具体到足以让模型理解并模仿其结构或风格。清晰的：例子与指令之间的联系应该是明确无误的，避免任何可能三、提示语重要原则--提供例子常见问题1、例子与主题不相关即：例子应直接支持或解释主题，如果例子与主题不相关，将导致理解偏差或混淆，模型可能会无法理解你的真实意图。示例：错误指令：“解释量子物理，并以苹果落地为例。”错误回复：“量子物理主要研究微观粒子的行为，就像苹果从树上落下一样，这是重力的作用。正确指令：“解释量子物理，并以薛定谔的猫实验为例。”正确回复：“量子物理研究微观粒子的行为，薛定谔的猫实验是一个经典例子，它展示了量子态的不确定性和叠加原理。三、提示语重要原则--提供例子常见问题2、例子过于模糊或不具体即：如果例子不够具体，那么就无法帮助模型从抽象的指令中提炼出具体的行动。例子需要足够清晰，以便模型能够模仿并生成准确的输出。具体和清晰的例子更容易理解和记忆，模糊或过于抽象的例子可能无法有效传达信息。示例：错误指令：“解释经济衰退，并提供一个相关例子。错误回复：“经济衰退是经济活动减缓的时期，就像有时候生意不好做。”正确指令：“解释经济哀退，并以2008年全球金融危机为例。”正确回复：“经济衰退是指经济活动显著减缓的时期，2008年的全球金融危机是一个典型例子。”三、提示语重要原则--提供例子常见问题3、例子与指令主题的连接不清晰即使你的例子与主题有一定关联，但如果这种联系不够直接或明显，模型可能需要进行额外的推断，这可能导致理解上的偏差。示例：错误指令：“讲述健康饮食的重要性，并以意大利面作为例子。错误回复：“健康饮食对于维持好的身体状态很重要。意大利面是一种美味的食物。正确指令：“讲述健康饮食的重要性，并以全谷物与精制谷物的比较为例。正确回复：“健康饮食对于维护良好的身体健康至关重要，例如选择全谷物而非精制谷物。四、提示语重要原则--通过指令减少幻觉

模型并非全知全能，其内置知识库具有时间上的局限性（内置知识只能通过定期训练来扩充知识范围）。因此，我们应当控制模型避免在超出其知识范围的情况下强行回答，这种自我限制有助于维护信息的准确性和可靠性。Tips：这一原则的核心是确保模型在其知识范围内提供回答，避免在不确定的情况下给出可能误导的答复。知之为知之，不知为不知”：

当模型知道答案时，它应该提供准确的信息；当模型不确定或不知道答案时，它应该诚实地表达出这一点。这种做法可以避免模型在不清楚或没有准确信息的情况下强行回答，从而减少误导和虚假信息的传播四、提示语重要原则--通过指令减少幻觉示例：在强迫模型回复时可能会产生幻觉。模拟指令：“告诉我明天北京的详细天气情况。”错误回复：“明天北京的天气将是晴朗的，气温大约在25度左右。”(错误在于模型并不能预知具体的未来天气模拟指令：“告诉我明天北京的详细天气情况。你的回复必须基于事实，如果你知道，那么就输出相关内容。如果不知道，就要诚实的说明自己并不懂。”正确回复：“我无法提供最新的天气信息，因为我的训练数据只更新到了2023年4月，并且我无法访问互联网来获取实时数据。要了解明天北京的详细天气情况，建议查询可靠的天气预报服务或使用天气应用。”(正确地表达了模型的知识限制，避免了提供虚假信息)。指定输出长度的原则

是指用户可指定模型按照预定的目标长度生成输出内容。该目标长度可依据单词数量、句子数、段落数或要点总数等不同维度来设定。

简单地要求模型输出一个固定字数可能并不十分有效。模型可能会为了达到字数要求而填充无关内容，或者在内容上显得过于紧凑。

为解决这个问题，可以采用分段的方式来引导模型。通过将一个大的输出任务分解成几个小的部分，更细致地控制每个部分的内容和长度。这样，模型就能够在每个段落中集中精力生成更加具体和深入的回复。五、提示语重要原则--指定输出长度指定输出长度的原则

Tips：指定输出长度的目的在于帮助模型进行内容的合理分配，确保生成的文本既丰富又具有针对性。需注意，在中文环境下，以字数作为长度指标时，精确度可能不高，因为模型提供的仅是一个大致的字数范围。相对而言，以段落数作为指标时，输出结果的准确性通常会更优。如果仍需对每个段落进行扩充或缩减，使用对应指令进行迭代修改，并清晰明确的表达出自己的要求。这样，模型输出的结果才更可靠。五、提示语重要原则--指定输出长度指定输出长度的原则示例：使用段落约束作为指定输出长度的例子场景设定：制作一份为期一周的健康饮食计划。目标长度：7段落(每天一段)。模拟指令：“请根据给定的结构制作一份为期一周的健康饮食计划。确保计划包括七个段落，每个段落描述一天的饮食安排”模型回复：星期一：“早餐：燕麦粥，带一份蓝莓和坚果。午餐：烤鸡朐肉配沙拉。晚餐：愕鲑鱼配蒸蔬菜。星期二：“早餐：全麦吐司配鸡蛋和梨。午餐：土豆泥配烤羊排。晚餐：藜麦沙拉配各类新鲜蔬菜。”星期三：“早餐：希腊酸奶配新鲜水果。午餐：烤鱼配糙米和蔬菜。晚餐：牛肉炒面配豆芽和胡萝卜。。。。。五、提示语重要原则--指定输出长度六、提示语重要原则--控制输出风格

通过控制模型的输出风格，可以使模型的回答更符合我们的需求。在前面的提问技巧中，其实有些也对模型的输出风格进行了控制。下面举例说明如何控制模型的输出风格。1.调整回答的语气

模型的回答语气可以是正式的、友好的、幽默的，等等。如果需要模型在回答问题时保持正式的语气，可以使用一些形式化的语言和词汇，例如使用“您”而不是“你”来称呼对方，使用正式的敬语等。相反，如果我们需要模型在回答问题时保持友好、随和的语气，则可以使用一些口语化的语言和词汇，例如使用“你”而不是“您”来称呼对方，使用一些俚语和流行语等。六、提示语重要原则--控制输出风格2.

控制回答的长度和深度

有时，我们可能需要模型能更为详细、深入地回答问题。但有时又需要模型能简短、直接地回答问题。为此，我们可以调整模型生成文本的长度。生成文本的长度越长，模型回答问题的详细程度就越高。3.

指定回答的主题或内容

有时，我们需要模型能回答特定主题或特定内容的问题。为了做到这一点，我们可以将问题和与主题或内容相关的信息提供给模型，这样就可以生成与该主题或内容相关的回答了。例如，如果需要模型回答有关健康的问题，我们可以在问题中明确指定“健康”这个主题或关键词，这样模型就会生成与健康相关的回答。六、提示语重要原则--控制输出风格4.控制回答的情感色彩

模型的回答可以带有不同的情感色彩，例如积极的、消极的、中性的等。如果我们需要模型在回答问题时带有积极的情感，可以在问题中添加一些鼓励性的语言或表达方式，比如“你可以做得很好”等。相反，如果需要模型在回答问题时带有消极的情感，则可以在问题中添加一些负面的语言或表达方式，比如“我很担心这个问题”等。5.调整回答的语言风格

模型的回答可以采用不同的语言风格，例如正式的、口语化的、学术的等。如果我们需要模型在回答问题时采用学术语言风格，可以在问题中使用一些学术术语和概念，例如使用科学名词、专业词汇等。相反，如果需要模型在回答问题时采用口语化的语言风格，则可以在问题中使用一些俚语、流行语等。六、提示语重要原则--控制输出风格6.

输出为Excel表格形式

例如，把个人简历内容复制给模型，并要求它整理后以Excel表格的形式输出内容。7.

输出为Markdown格式