书生大模型实战营——L1G3000（浦语提示词实践）

任务：利用对提示词的精确设计，引导语言模型正确回答出“strawberry”中有几个字母“r”。

1. 提示词工程

1.1 提示词Prompt

Prompt： 指导以LLM为代表的生成式人工智能生成文本内容的输入方式。它通常是一个简短的文本或问题，用于描述任务和要求。

1.2 提示词工程

提示词工程：通过设计和调整输入来改善模型性能或控制输出结果的技术。在模型回复的过程中，首先获取用户输入的文本，然后处理文本特征并根据输入文本特征预测之后的文本。

提示工程的六大基本原则：

• 指令要清晰
• 提供参考内容
• 复杂任务拆分成子任务
• 给LLM“思考”时间
• 使用外部工具
• 系统性测试变化

一个有效的指令通常包含以下要素：背景、任务、要求、限制条件、示例、输出格式和目标。

1.3 提示设计框架

• CRISPE：

  • Capacity and Role (能力与角色)：希望 ChatGPT 扮演怎样的角色。
  • Insight (洞察力)：背景信息和上下文
  • Statement (指令)：希望 ChatGPT 做什么。
  • Personality (个性)：希望 ChatGPT 以什么风格或方式回答你。
  • Experiment (尝试)：要求 ChatGPT 提供多个答案。

• CO-STAR：

  • Context (背景): 提供任务背景信息
  • Objective (目标): 定义需要LLM执行的任务
  • Style (风格): 指定希望LLM具备的写作风格
  • Tone (语气): 设定LLM回复的情感基调
  • Audience (观众): 表明回复的对象
  • Response (回复): 提供回复格式

  

2. LangGPT结构化提示词

LangGPT 是 Language For GPT-like LLMs 的简称，中文名为结构化提示词。

2.1 LangGPT结构

LangGPT框架参考了面向对象程序设计的思想，设计为基于角色的双层结构，一个完整的提示词包含模块-内部元素两级，模块表示要求或提示LLM的方面，例如：背景信息、建议、约束等。内部元素为模块的组成部分，是归属某一方面的具体要求或辅助信息，分为赋值型和方法型。

2.2 编写技巧

• 构建全局思维链

  对大模型的 Prompt 应用CoT 思维链方法的有效性是被研究和实践广泛证明了的。首先可以根据场景选择基本的模块。

  

• 保持上下文语义一致性

• 有机结合其他 Prompt 技巧

2.3 常用提示词模块

• Attention：需重点强调的要点
• Background：提示词的需求背景
• Constraints：限制条件
• Command：用于定义大模型指令
• Definition：名词定义
• Example：提示词中的示例few-shots
• Fail：处理失败时对应的兜底逻辑
• Goal：提示词要实现的目标
• Hack：防止被攻击的防护词
• In-depth：一步步思考，持续深入
• Job：需求任务描述
• Knowledge：知识库文件
• Lawful：合法合规，安全行驶的限制
• Memory：记忆关键信息，缓解模型遗忘问题
• Merge：是否使用多角色，最终合并投票输出结果
• Neglect：明确忽略哪些内容
• Odd：偶尔 （俏皮，愤怒，严肃） 一下
• OutputFormat：模型输出格式
• Pardon：当用户回复信息不详细时，持续追问
• Quote：引用知识库信息时，给出原文引用链接
• Role：大模型的角色设定
• RAG：外挂知识库
• Skills：擅长的技能项
• Tone：回复使用的语气风格
• Unsure：引入评判者视角，当判定低于阈值时，回复安全词
• Vaule：Prompt模仿人格的价值观
• Workflow：工作流程
• X-factor：用户使用本提示词最为重要的内核要素
• Yeow：提示词开场白设计
• Zig：无厘头式提示词，如[答案之书]

3. 浦语提示词工程实践

3.1 正确数数

• 背景问题：近期相关研究指出，在处理特定文本分析任务时，语言模型的表现有时会遇到挑战，例如在分析单词内部的具体字母数量时可能会出现错误。

• 任务要求：利用对提示词的精确设计，引导语言模型正确回答出“strawberry”中有几个字母“r”。完成正确的问答交互并提交截图作为完成凭证。

  直接询问，模型回答2个”r”。

  

• 实现：下面，使用CRISPE架构编写提示词：

  • Capacity and Role (能力与角色)：你是一位精通数学与计算机编程的大师，请你根据我的引导，解决一个数学问题。
  • Insight (洞察力)：现在，有一个单词“strawberry”，需要你帮我计算出这个单词里面有多少个”r”？
  • Statement (指令)：我希望你能通过遍历字符串的方式来数出这个单词里面”r”的个数。从该字符串的第一个字符开始，如果这个字符是”r”，统计的”r”的个数加一，一直到最后一个字符数完。
  • Personality (个性)：希望你能写出完整的遍历字符串的过程，并且告诉我最后的结果。我希望你能逐一分析每个字符，为我模拟计算机遍历字符串的过程。
  • Experiment (尝试)：答案是唯一的。

• 结果：

  

3.2 剧本创作助手

• 进阶任务：基于LangGPT格式编写提示词——剧本创作助手

• Baseline：

  

• 使用LangGPT格式编写提示词：

  你是一个经验丰富的编剧。现在，你接到一个刑侦探案主题的编剧任务。
      # 技能：
      ## 剧本有组织架构，环环相扣
      - 分篇章：累计5个章节，从第一章开篇到最后一章完结，要求每一章能承上启下，有组织，有逻辑
      - 人物与剧本内容贴合：每个人物要有一定的塑造，人物言行要与剧本设定的逻辑相符。人物分主次，有正邪，秉持善有善报，恶有恶报的主题。不需要没用的角色，写了每个角色就要有相应的人物的塑造段落。
      - 案情明确：从案发，到探案，寻找嫌疑人，侦破案件，案件结果，犯人作案缘由必须写清楚。
      ## 剧本内容丰富，文字精简
      - 语言流畅，引人入胜，多分段，多短句，人物对话流畅
      - 文字要有共情力，有人性，能感染读者
      - 章节标题简洁精炼，每章的内容要紧扣章节标题
      - 学习阿加莎的写作风格，案情容易理解，多写人物内心描写，善用角色对比，故事推进迅速但情节丰富，角色的出现都是必要的，用简单的文字写丰富的故事
      # 输出要求
      - 从 剧本标题，剧本背景，剧本人物及介绍，到剧本正文都要输出
      - 剧本正文占主要篇幅，分章节，内容充实
      # 工作流程：
      - 请用户提供剧本的关键词，以确定剧本的主题和特色。
      - 根据用户的关键词以生成符合关键词的剧本
      # 初始化：
      欢迎用户，友好的介绍自己并引导用户提供剧本的关键词或主题，以便获取关键词来生成剧本。

  
  关键词：无人生还，友情与爱情，圆桌，坚守与背叛，傲慢与偏见，上流与下流